Mais (Zea mays L.), das weltweit am häufigsten angebaute Getreide, verdankt seine höhere Produktivität genetischen, agronomischen und klimatischen Faktoren, wobei an eine höhere Dichte angepasste Sorten eine entscheidende Rolle spielen. Neuere Forschungen haben sich auf die architektonische Plastizität von Mais konzentriert, insbesondere auf seine Fähigkeit, die Blattarchitektur anzupassen, um die Lichtaufnahme bei unterschiedlichen Dichten zu maximieren. Zu dieser Anpassung gehört die Neuausrichtung der Blätter, eine Reaktion auf intraspezifische Konkurrenz, die durch Änderungen im Verhältnis von rotem zu dunkelrotem Licht beeinflusst wird.
Aktuelle Studien sind jedoch begrenzt, untersuchen oft nur einen oder zwei Genotypen und sind durch zeitintensive manuelle Messungen eingeschränkt. Jüngste Fortschritte bei der Hochdurchsatz-Phänotypisierung unter Verwendung von Technologien wie RGB-Kameras und LiDAR haben eine effizientere Datenerfassung ermöglicht. Trotz dieser Fortschritte besteht weiterhin eine erhebliche Lücke in der Entwicklung automatischer, feldbasierter Methoden zur Verfolgung der Ausrichtung von Maisblättern – ein wesentlicher Aspekt für das Verständnis der Wechselwirkungen zwischen Genotyp und Umwelt und die Optimierung des Ertrags unter Bedingungen hoher Dichte.
Im Mai 2023, Pflanzenphänomik veröffentlicht ein Forschungsartikel mit dem Titel „Analyzing Changes in Maize Leaves Orientation due to GxExM Using an Automatic Method from RGB Images.“
In dieser Studie wurde ein automatischer Algorithmus (Automatic Leaf Azimuth Estimation from Midrib Detection) verwendet [ALAEM]) wurde entwickelt, um die Ausrichtung von Maisblättern unter Feldbedingungen mithilfe vertikaler RGB-Bilder zu beschreiben. Der Algorithmus wurde anhand manueller Bodenmessungen validiert und auf eine Gruppe von fünf Maissorten angewendet, die an zwei Standorten in Südfrankreich in unterschiedlichen Dichten und Reihenabständen gesät wurden. Ziel dieser Arbeit war es, genotypische und umweltbedingte Einflüsse auf die Blattorientierung und die Plastizität von Sorten bei der Anpassung ihrer Blattorientierung zu bewerten.
Die Validierungsergebnisse zeigten, dass die Schätzungen von ALAEM zur Blattausrichtung mit der Entwicklung der Maispflanzen besser mit manuellen Messungen übereinstimmten. Frühe Stadien zeigten eine geringe Korrelation (R2 = 0,014 bei 220 °Cd und R2 = 0,125 bei 430 °Cd), aber bei 650 °Cd wurde eine signifikante Korrelation (R2 = 0,36) beobachtet. Der Algorithmus erfasste die größte Variabilität zwischen Behandlungen, Genotypen und Standorten mit einem zufriedenstellenden RMSE von 10 % Abweichung.
Allerdings schwankte die Wirksamkeit von ALAEM je nach Standort und Entwicklungsstadium und wurde durch Faktoren wie Parzellenheterogenität und Blattsichtbarkeit beeinflusst. ALAEM zeigte unterschiedliche Muster in der Blattausrichtung bei verschiedenen Genotypen und Aussaatmustern. Bei 650 °C wurde eine deutliche Vorzugsausrichtung der Blätter festgestellt, insbesondere bei stark rechteckigen Aussaatmustern. Diese Ausrichtung variierte zwischen den Standorten und wurde durch Faktoren wie Sonneneinstrahlung und intraspezifische Konkurrenz beeinflusst. Der Algorithmus zeigte, dass einige Hybriden als Reaktion auf die Aussaat mit hoher Rechteckigkeit eine ausgeprägtere Neuausrichtung der Blätter aufwiesen, was auf eine höhere Plastizität hinweist.
Trotz seiner Wirksamkeit weist ALAEM Einschränkungen auf. Es basiert auf vertikalen RGB-Bildern und kann keine Azimute pro Blattrang liefern. Der Algorithmus erkennt in erster Linie obere Blätter des Blätterdachs, wobei Blätter niedrigerer Ordnung oft verdeckt sind. Auch die Beleuchtungsbedingungen während der Bildaufnahme wirken sich auf die Genauigkeit der Mittelrippenerkennung aus.
Insgesamt verdeutlichte die Studie den Einfluss intraspezifischer Konkurrenz und Umweltbedingungen auf die Ausrichtung der Maisblätter. Es wurden signifikante Unterschiede zwischen Hybriden in der Fähigkeit zur Neuausrichtung der Blätter bei unterschiedlichen Aussaatmustern festgestellt, was Einblicke in ihre architektonische Plastizität lieferte. Dies unterstreicht den Nutzen von ALAEM in groß angelegten Phänotypisierungsexperimenten und fördert das Verständnis der Dynamik der Maisblattorientierung unter Feldbedingungen.
Mehr Informationen:
Mario Serouart et al., Analyse von Änderungen in der Ausrichtung von Maisblättern aufgrund von GxExM mithilfe einer automatischen Methode anhand von RGB-Bildern, Pflanzenphänomik (2023). DOI: 10.34133/plantphenomics.0046