根对从土壤获取水和养分、防止流失和建设土壤碳至关重要(见whyroot对土壤植物与你)此外,所有这些过程对改善土壤健康也至关紧要(见寻找田里土壤健康指标)
188bet金宝搏代理诺贝尔研究所正处理基因学、开发学和根生理学基础研究问题,同时将知识应用到饲料育种程序中并增加生产者利润同时减少肥料输入和污染
根生物语句陈词滥调 根隐藏半不过描述是适当的由于缺乏高效学习和理解根技术,根部在植物研究中被忽视因此,诺贝尔根研究的一个基本方面是构思、发明并部署新方法学习本科
最近开发的依赖根挖掘图像方法目前正在实地使用,同时研究继续开发未来技术,允许非渗透扫描田根
Elison Blancaflor,Ph.D.和ShuweiLi
变脏
最常用的田根研究方法需要清除根和土,这些根和土随后冲洗并拍相供进一步分析一种常用方法被称为shovelogics,适合筛选复制块数百种的整个播种群研究者输入研究图并使用普通铲挖根树冠或根系顶部根冠浸水轻冲水管喷嘴后放入塑料袋并保持冷直到照相一般来说,根树冠从垂直方向分解根部,而不是从土壤取出时横向分解根部虽然挖掘和洗涤期间必然会失去很多根子,但现在有大量研究显示从根冠测量特征有助于理解各种差异和为什么它们表现不同
最高级成像平台或照相平台 根树冠最近由Larry York博士牵头RhizoVisionCrown平台整合定制硬件和软件,以便高效获取可易用计算机图像分析自动处理的rootcrown图像硬件平台由后光组成,冲刷根冠悬停单色机视觉摄像头直接从根对面安装摄像头通常用于工厂自动化线,提供许多实用特征,如粗糙易编程开发成图像软件RhizoVisionimer使用条码阅读器扫描样本条码,触发图像采集并保存文件样本识别图像器还允许直播视图和可变相机设置软件多功能化,目前正用于诺贝尔开发多图像平台
RhizoVisionCrown平台比较容易获取数千根图像因使用反光图片近白后台近黑根冠图像分析大为简化 因为计算机很容易识别根开发的另一软件RhizoVision分析器高效处理数千张图像并提取近30个特征集,包括根长度、根数、根直径和根角,所有这些都已知对根功能很重要
由Carolyn Young博士指导的神学实验室合作,使用RhizoVisionCrown平台量化根系统架构差异其结果与生还者失落水根一致,但有能力用多直径直径横向根补法机器学习方法能够使用图像数据预测根值是否为75%精度由小粒子育种者Suefeng Ma博士和FelixFritschi博士、密苏里大学大豆生理学家等参与的另一大协作显示平台能够使用机器学习识别99%精度的小麦和大豆根冠并发现多与植物性能相关,平台预计对植物科学和育种社区产生巨大影响,
未来
当前使用技术的破坏性性质意味着我们无法跟踪本部生长开发留下挖掘洞并花费大量体力获取数据188bet金宝搏代理高地研究所科学家正加紧努力应用技术对地下复合世界进行非破坏性成像非破坏性根成像举措涉及生物医学或地球物理领域传统使用技术诺贝尔国家实验室(伯克利实验室)和地下透视LLC与科学家协作,LLC是一个小企业,参与开发软件应用地球物理应用,项目使用电流图像根技术类比电文学程序EEG使用成像脑内EEG小金属盘薄线附在头皮上检测脑电活动Yuxin Wu博士是伯克利实验室和Roelof Versteeg气候生态系地球物理家Ph.D泰里市)指向EEG相似技术测量根上头泰里市技术涉及向植物干注入小电流,然后遍历根系统上头泰里市工具目前正在精化中,以便检测根电响应根电响应可转换成root质量信息、root表面积信息、root深度信息以及root分布信息除根数据泰里市期望获取土壤纹理和水分含量数据并监测这些土壤变量随时间变化高级研究项目机构-能源ARPA-E188bet金宝搏代理能源部程序资助伯克利实验室、地下透视和诺贝尔研究所科学家开发泰里市.
地面穿透雷达GPR188bet金宝搏代理诺贝尔研究所还测试获取土壤根信息而不必挖掘植物地球物理技术使用电磁辐射定位物体a主要构件GPR天线生成雷达脉冲,通过地面传播辐射信号反射、吸收或散落于土壤下对象接收天线检测掩体触发辐射信号的变异188bet金宝搏代理刘秀为博士前高官学院后院研究员,他目前在中国科学院领导自己的集团,与美国John Butnor协作ForestService和XuejunDong博士,德克萨斯A&MAGRILIFE研究应用GPR技术检测树根和小麦仿佛泰里市技术上描述,实施GPR农地种植作物需要更多年的精细化,特别是电辐射信号与实际根分布相关未来技术实施的一个复杂因素是土壤复杂性尽管如此,这些类型技术正由诺贝尔大学和世界范围其他研究机构的科学家开发,最终目的是用改良根系统播种作物,以更有效地捕取水和养分
Rhizovision王室平台
188bet金宝搏代理RhizoVisionCrown平台是高通量测量工具,使用诺贝尔研究所开发的硬件和软件实现作物根系统高通量
RhizoVisoinCrown平台生成的示例数据,包括根图像上装有自动特征的图像生存者arfalfa根冠比较非受波植物左侧,机器学习可极精度识别这些植物(中间值)。
