Nachricht

Jun 25, 2023

Optische Überwachung des Pflanzenwachstumsstatus mittels Polarimetrie

Scientific Reports Band 12, Artikelnummer: 21841 (2022) Diesen Artikel zitieren 1386 Zugriffe 1 Altmetrische Metrikdetails Polarimetrie ist eine leistungsstarke Charakterisierungstechnik, die eine Fülle von nutzt

Wissenschaftliche Berichte Band 12, Artikelnummer: 21841 (2022) Diesen Artikel zitieren

1386 Zugriffe

1 Altmetrisch

Details zu den Metriken

Polarimetrie ist eine leistungsstarke Charakterisierungstechnik, die eine Fülle von Informationen elektromagnetischer Wellen, einschließlich der Polarisation, nutzt. Mithilfe der umfangreichen Informationen, die die Polarimetrie liefert, wird sie aktiv in biomedizinischen Bereichen wie der Krebs- und Tumordiagnose untersucht. Trotz ihrer Bedeutung und ihres Potenzials in der Landwirtschaft wurde die Polarimetrie für lebende Pflanzen nicht ausreichend untersucht. Ein polarimetrisches Bildgebungssystem von Stokes wurde entwickelt, um die Korrelation zwischen den Polarisationszuständen des durch das Blatt fallenden Lichts und den Wachstumszuständen des Salats zu bestimmen. Der mit der Zirkularpolarisation verbundene Stokes-Parameter s3 nahm mit der Zeit zu und korrelierte stark mit dem Wachstum von Salatsämlingen. In der statistischen Analyse folgte die Verteilung von s3 der Wahrscheinlichkeitsdichtefunktion des verallgemeinerten Extremwerts (GEV). Salzstress verzögerte das Pflanzenwachstum und die Konzentration des behandelten Natriumchlorids (NaCl) zeigte eine negative Korrelation mit dem Standortparameter μ des GEV. Die hier berichtete eindeutige Korrelation eröffnet die Möglichkeit von Polarisationsmessungen an lebenden Pflanzen und ermöglicht so eine Echtzeitüberwachung der Pflanzengesundheit.

Der Polarisationszustand von Licht, das von einem Material gebrochen, reflektiert oder gebeugt wird, hängt von den Eigenschaften des Materials ab. Mit der optischen Polarimetrie werden die physikalischen oder chemischen Eigenschaften von Materialien analysiert, indem Änderungen im Polarisationszustand von Licht gemessen und interpretiert werden1. Ellipsometrie ist eine der bekanntesten Techniken zur Charakterisierung von Materialien durch Messung von Polarisationszuständen. Die vielseitige Leistungsfähigkeit von Polarisationsmessungen ist nicht auf Objekte wie organische oder anorganische Verbindungen beschränkt, sondern kann auch in Organismen (z. B. Organen, Geweben und Zellen) eingesetzt werden. Die biomedizinische Diagnostik mittels Polarimetrie ist eine der am intensivsten untersuchten Techniken auf diesem Gebiet2,3,4,5. Der große Vorteil der polarimetrischen biomedizinischen Diagnostik ist die berührungslose Messung in Echtzeit. Beispielsweise wird die polarimetrische optische Faser von Mueller für die Diagnose von Krebserkrankungen verwendet4.

Aus dem gleichen Grund ist die Diagnose lebender Pflanzen eine vielversprechende Technik für die Landwirtschaft. Mittlerweile gibt es nur wenige Studien zu Polarisationstechniken für lebende Pflanzen6,7,8,9,10,11,12,13. Die Polarimetrie nutzt nicht nur die Amplitude einer elektromagnetischen Welle bei einer bestimmten Lichtwellenlänge, sondern auch die Phaseninformation1. Somit kann sie mehr Informationen über die Pflanze liefern als die herkömmliche Hyperspektralanalyse, die nur die Amplitude des elektromagnetischen Feldes nutzt14,15,16,17,18,19,20,21,22. Viele Parameter können aus der Polarimetrie ermittelt werden, darunter der Polarisationsazimutwinkel und die Elliptizität. Die meisten bisherigen Untersuchungen beschränkten sich jedoch darauf, ausschließlich Depolarisationsinformationen zur Überwachung des Pflanzenzustands zu verwenden6,8,12,13. Daher ist ein genauer Zusammenhang zwischen dem Zustand der Pflanzen und dem Polarisationszustand des Lichts noch nicht geklärt und bleibt ein offenes Thema.

Derzeit wachsen einige Pflanzen in kontrollierten Umgebungen (z. B. Gewächshäusern und Pflanzenfabriken), in denen Licht, Temperatur und Luftfeuchtigkeit künstlich reguliert werden, um eine ganzjährige Ernte zu ermöglichen. Da Pflanzen selbst in kontrollierten Umgebungen unterschiedlich wachsen können, müssen Überwachungstechniken entwickelt werden. Um die Korrelation zwischen den Polarisationszuständen und dem Pflanzenwachstum zu bestimmen, wurde ein polarimetrisches Bildgebungssystem von Stokes gebaut. Mithilfe des Stokes-Bildgebungssystems wurden die Polarisationszustände des durch Salatblätter fallenden Lichts aufgezeichnet und analysiert. Als Thema wurde Salat (Lactuca sativa L.) ausgewählt, da es sich um eines der weltweit am häufigsten angebauten und konsumierten Blattgemüse handelt23. In dieser Arbeit wurde eine starke Korrelation zwischen Pflanzenwachstum und Polarisationszustand aufgezeigt, was die Machbarkeit von Polarisationsmessungen für die Pflanzenüberwachung beweist.

Darüber hinaus wurden Salatsämlinge, die mit unterschiedlichen Konzentrationen an Natriumchlorid (NaCl) behandelt wurden, präpariert und die Korrelation zwischen dem Salzgehalt und den Polarisationszuständen untersucht. Das Wachstum der Pflanze beeinflusst den Ertrag und kann unter Stressbedingungen im Zusammenhang mit Lichtqualität, Nährstoffzusammensetzung, Wasserstand und Salzkonzentration verzögert werden24,25,26,27. Unter anderem könnte ein mäßiger Salzgehalt die Erntequalität verbessern, während ein hoher Salzstress das Pflanzenwachstum hemmt und zur Sterblichkeit führt28,29,30,31,32. Mit der vorgeschlagenen Methode könnte eine Überwachung des Pflanzenwachstums, einschließlich des Salzstressniveaus, möglich werden.

Abbildung 1a zeigt eine schematische Darstellung des Anlagenüberwachungssystems mithilfe der Stokes-Polarimetrie. Der Sondenstrahl fiel durch einen festen Polarisator mit einem Transmissionsachsenwinkel von 135°, ein Salatblatt, ein rotierendes QWP (\(\delta =\pi /2\)) und einen Polarisator mit \(\) auf die CCD-Kamera. alpha =0^\circ\). Zunächst wurde die Intensität des durch das Salatblatt hindurchtretenden Lichts in einem Sondenbereich von 25 mm Durchmesser aufgezeichnet (erste Reihe von Abb. 1b). Jedes Bild besteht aus der übertragenen Intensität in jedem Pixel zum gegebenen Zeitpunkt t, während sich das QWP mit einer konstanten Winkelgeschwindigkeit von 20 rad/s drehte. Die Fourier-Koeffizienten A, B, C und D wurden durch Anpassen der Intensität an jedem Pixel mit Fourier-Erweiterung33 (zweite Zeile in Abb. 1b) erhalten. Die Stokes-Parameter wurden anhand der Beziehung zwischen den Fourier-Koeffizienten und den Stokes-Parametern berechnet (dritte Zeile in Abb. 1b). Der Grad der Polarisation (DOP = \(\sqrt{{S}_{1}^{2}+{S}_{2}^{2}+{S}_{3}^{2}}/{ S}_{0}\)) wurde während des gesamten Messvorgangs in einem angemessenen Bereich (~ 70 %) gehalten. Pixel mit abnormalem DOP (DOP ≤ 0 % oder DOP ≥ 100 %) wurden bei den Berechnungen ausgeschlossen. Die meisten abnormalen DOP-Daten wurden aufgrund der geringen Lichtintensität am Strahlrand angezeigt. Alle Stokes-Parametersätze wurden auf S0 = 1 normalisiert.

(a) Pflanzenüberwachungssystem mittels Stokes-Polarimetrie. (b) Beispiele für Prozesse zum Erhalten des Stokes-Bildes. Jede Zeile entspricht Intensität, Fourier-Koeffizienten und Stokes-Bildern in der Reihenfolge von der ersten bis zur dritten Zeile.

Die Poincaré-Kugel ist ein nützliches grafisches Werkzeug zur Visualisierung der Polarisationszustände im kartesischen Koordinatensystem (S1S2S3-Achsen). Jeder Polarisationszustand (Polarisationsellipse) ist durch die Azimutwinkel ψ und Elliptizität χ eindeutig gegeben und wird als Punkt auf der Poincaré-Kugel dargestellt1. Abbildung 2a zeigt die Wahrscheinlichkeitsdichte der Polarisationszustände, die 10 Tage nach dem Pflanzen an den Referenzsämlingen gemessen wurde. Nach dem Durchgang durch das Salatblatt befanden sich die meisten Polarisationszustände in der Nähe des Äquators (S3 = 0) und breiteten sich in Azimutwinkeln von 270° bis 360° aus. Auch die Polarisationszustände der mit NaCl behandelten Sämlinge zeigten eine ähnliche Verteilung, was es schwierig machte, den Unterschied zu erkennen. Daher wurde der Stokes-Parameter anstelle des Polarisationszustands statistisch analysiert, wie in Abb. 2b dargestellt. Die Wahrscheinlichkeitsverteilung der linearen Polarisationskomponenten s1 und s2 war eine Pseudoexponentialverteilung bzw. eine Überlagerung zweier Extremverteilungen. Unterdessen hatte die zirkulare Polarisationskomponente s3 zwei extreme Verteilungen nahe 0 und wurde bei Anwendung des Absoluten auf sie zu einer einzigen (|s3|) und war leicht zu analysieren.

(a) Auf der Poincaré-Kugeloberfläche aufgetragene Wahrscheinlichkeitsdichte, die den Polarisationszuständen des Lichts entspricht, nachdem es nach 10 Pflanztagen durch die Referenz-Salatsämlingsblätter hindurchgegangen ist, und (b) die von den Referenzsämlingen erhaltenen Stokes-Parameter. (c) Kastendiagramm von |s3| und (d) Mittelwerte der GEV-Parameter als Funktion der Behandlungstage für Sämlinge mit unterschiedlichen NaCl-Konzentrationen.

Die Verteilung von |s3| wurde durch die NaCl-Konzentration und die Dauer der NaCl-Behandlung verändert, wie in Abb. 2c gezeigt. Der Unterschied zwischen den Verteilungen wurde mit dem Wilcoxon-Signed-Rank-Test bei einem p-Wert < 0,001 getestet. Da die Daten keiner Normalverteilung entsprachen, verwendeten wir den Wilcoxon-Signed-Rank-Test, einen nichtparametrischen statistischen Hypothesentest. Der Median und die mittlere absolute Abweichung (MAD) der Sämlinge sind in Tabelle 1 zusammengefasst. Zu Beginn der Messung (Tag 0) unterschied sich die Verteilung der Referenz- und 400-mM-Keimlinge nicht signifikant von den einzelnen Sämlingen und den 100-mM-Keimlingen und 200 mM Sämlinge waren ebenfalls statistisch identisch. Nach der NaCl-Behandlung beträgt der |s3| Die Verteilung der Sämlinge bei gleicher Behandlungsdauer unterschied sich bis zu 4 Gruppen für die Dauer von 2, 4, 8 und 10 Tagen signifikant. Alle Verteilungen (fünf Sämlinge) unterschieden sich nach 6 Behandlungstagen deutlich voneinander. Der Median und der MAD stiegen tendenziell im Laufe der Zeit an. Obwohl der Median von |s3| nicht mit der NaCl-Konzentration übereinstimmte, ist es sinnvoll, dass salzgestresster Salat durch Messung der Stokes-Parameter unterschieden werden konnte. Gibt es Sämlinge mit einem deutlich niedrigeren Medianwert von |s3|, können sie als salzgestresst gelten. Beispielsweise war der Median der Kontrollsämlinge immer höher als der der anderen Sämlinge, aber der Median der mit 400 mM NaCl behandelten Sämlinge war kleiner als der der anderen Sämlinge.

Um eine klarere Korrelation zwischen dem Pflanzenzustand und dem Polarisationszustand zu finden, haben wir versucht, die Daten mit der generalisierten Extremwertverteilung (GEV) anzupassen. Die GEV-Verteilung wird häufig zur Modellierung wirtschaftlicher oder natürlicher Ereignisse wie finanzieller Risiken und Niederschläge verwendet34. Die Wahrscheinlichkeitsdichtefunktion des GEV ist gegeben durch:

Dabei ist s = (x-μ)/σ, μ ist der Ortsparameter, σ ist der Skalenparameter und ξ ist der Formparameter34. Die Wahrscheinlichkeitsdichteverteilung von |s3| stimmte gut mit dem GEV überein, wie in Abb. 2b dargestellt. Die durchschnittlichen GEV-Parameter der fünf Replikanten sind in Abb. 2d dargestellt, wobei der Fehlerbalken die Standardabweichung ist. Es scheint eine positive lineare Korrelation zwischen den GEV-Parametern und der Behandlungsdauer zu bestehen, während die Korrelation bei höheren NaCl-Konzentrationen schwächer war. Die Sternchensymbole ***, ** und * in der Legende von Abb. 2d stellen die Signifikanz von ξ bei p-Werten < 0,05, 0,01, 0,001 dar, die durch Varianzanalyse (ANOVA) ermittelt wurden. Der Formparameter ξ der Referenz-, 100-mM- und 200-mM-Keimlinge war bei einem p-Wert < 0,001 (***) abhängig von der Behandlungsdauer signifikant. Die Signifikanzniveaus der mit 300 mM und 400 mM NaCl behandelten Sämlinge betrugen 0,01 (**) bzw. 0,05 (*). Daher unterbrach eine hohe NaCl-Konzentration die zeitliche Änderung der zirkularen Polarisationskomponente (s3). Ein ähnlicher Trend zeigte sich auch in der zusammenfassenden Statistik der mit 400 mM NaCl behandelten Sämlinge (Abb. 2c).

Nach Erhalt der GEV-Parameter wurde eine statistische Korrelationsanalyse durchgeführt. Die Spearman-Korrelation zwischen der NaCl-Konzentration und den Standortparametern zeigte die größte Korrelation (Abb. S3). Abbildung 3 zeigt die Ergebnisse der linearen Regression auf den Median von |s3| für jede Behandlungsdauer als Funktion der NaCl-Konzentration, wobei der Fehlerbalken der MAD ist. Vor Beginn der Behandlung (0 Tage) korrelierten die Standortparameter nicht mit der NaCl-Konzentration. Kurz nach Salzstress (2 Tage) zeigte sich deutlich eine negative lineare Korrelation, wobei die negative Steigung mit der Dauer bis 10 Tage größer wurde. Daher konnte der Salzstresspegel von Salat, der im gleichen Zeitraum angebaut wurde, durch Messung des Stokes-Parameters bestimmt werden. Dieses Ergebnis konnte auf Salate übertragen werden, die über unterschiedliche Zeiträume angebaut wurden, da die Wachstumsstadien der Sämlinge durch zusammenfassende Statistiken bestimmt werden konnten (Abb. 2c).

Median (Symbole) und lineare Regression (Linien) mit 95 %-Konfidenzbereich (Schattierungen) des Standortparameters μ für fünf Replikanten mit unterschiedlicher Behandlungsdauer als Funktion der NaCl-Konzentration.

Die Polarisation von Licht kann durch optische Eigenschaften wie Doppelbrechung, Diattenuierung und Depolarisation verändert werden. Abbildung 4 zeigt die Polarisationsreaktion von Salat, die durch Zerlegung der Müller-Matrix erhalten wurde. Die Werte sind der Durchschnitt aus drei Messungen und die Unsicherheit ist die Standardabweichung. Die Diattenuierung war in der Mittelrippe groß, während sie in der Vene und der Lamia gering war. Unterdessen war die Verzögerung, insbesondere die lineare Verzögerung, in allen Teilen des Blattes hoch. Während der Experimente gelangte das meiste Licht durch die Lamia. In der Lamia-Region ist die Retardierung viel größer als die Diattenuierung. Daher hängt die Änderung der zirkularen Polarisationskomponenten nach dem Durchgang durch die Salatsämlinge wahrscheinlich mit der optischen Verzögerung des Salats zusammen. Über optische Verzögerung bei Pflanzen wurde in vielen Arbeiten in der Literatur berichtet9,10,11. Beispielsweise kann eine lineare Verzögerung durch die ausgerichtete Zellulose in der Pflanze gezeigt werden, und Glucose oder Schichtstrukturen könnten eine kreisförmige Verzögerung bewirken35,36,37,38,39,40. Während die Pflanze wächst, nehmen die physikalischen Eigenschaften (Wachstumsparameter) der Blätter zu, z. B. Länge, Gewicht und Dichte. Die lineare Verzögerung ergibt sich einfach aus dem Produkt aus Doppelbrechung und Dicke. Es ist bekannt, dass die Doppelbrechung von der Dichte abhängt, so dass sie während des Wachstums der Pflanze zunimmt. Daher nimmt die lineare Verzögerung natürlich zu, da gut gewachsene Pflanzen dickere Blätter haben.

Polarisationskomponenten, erhalten aus einer Müller-Matrix eines Salatblattes, wobei CD und LD die zirkulären und linearen Abschwächungen sind, CR und LR zirkuläre und lineare Verzögerungen sind und R die Gesamtverzögerung ist.

Es ist bekannt, dass Salzstress das Wachstum von Pflanzen, einschließlich Salat, behindert. Das Wachstum von Salatsämlingen verzögert sich bei einer hohen NaCl-Konzentration (Abb. S1, S2). Die zirkularen Polarisationskomponenten nahmen tendenziell mit dem Wachstum des Sämlings im Laufe der Zeit zu (Abb. 2c). Die Degeneration des Wachstums führt zur Hemmung der Bildung von Salatzellen, einschließlich Zellulose und anderen mit der Retardierung verbundenen Teilen. Somit wurde das Ausmaß des Salzstresses als Änderung der zirkularen Polarisationskomponente (s3) des durch den Salat hindurchtretenden Lichts dargestellt.

Die optische Reaktion von Salat wurde untersucht und es wurde festgestellt, dass die Zirkularpolarisation (s3) empfindlich auf das Wachstum der Sämlinge reagiert. Die Polarisation des Lichts, das durch die Blätter der Salatsämlinge gelangte, wurde mit dem Stokes-Bildgebungssystem gemessen. Während die Sämlinge wuchsen, nahmen der Medianwert und die Varianz der zirkularen Polarisationskomponenten der Stokes-Parameter (s3) zu. Das Wachstum der Sämlinge wurde durch die hohe NaCl-Konzentration deutlich verzögert. Infolgedessen änderte sich die Zirkularpolarisation mit steigendem Salzstressniveau nicht wesentlich. Die Wahrscheinlichkeitsdichte von s3 stimmte gut mit der GEV-Wahrscheinlichkeitsdichtefunktion überein, und die GEV-Parameter stiegen dann über die Wachstumszeit an. Unter den GEV-Parametern zeigte der Standortparameter (μ) die größte Spearman-Korrelation mit der NaCl-Konzentration. Die Veränderung von s3 scheint mit den Retardierungskomponenten der Pflanzen zusammenzuhängen, wie etwa der linearen Retardierung durch Zellulose oder der zirkulären Retardierung durch Glukose.

Diese Ergebnisse werden für die Entwicklung eines Fernerkundungssystems zur Überwachung des Wachstums (oder der Gesundheit) von Pflanzen hilfreich sein. Verglichen mit der Hyperspektraltechnik sind die Polarimetriedaten viel kompakter zu analysieren, da wie in dieser Arbeit eine einzige Wellenlänge verwendet wird. Darüber hinaus erfordert die Stokes-Polarimetrie nur den Polarisationszustandsanalysator und weist daher im Vergleich zur Müller-Polarimetrie eine unkomplizierte Konfiguration auf. Es zeigt sich die große statistische Signifikanz zwischen s3 und der Wachstumszeit bzw. der NaCl-Konzentration. Daher wird die Klassifizierung des Wachstumsniveaus und des Salzstresses mithilfe von maschinellem Lernen möglich sein.

Die Konfiguration und der Prozess von Stokes-Polarimetern, die einen rotierenden Retarder mit einem festen Polarisator verwenden, wurden durch verschiedene Studien gut belegt41,42,43. In der in Abb. 1a gezeigten Konfiguration kann die Intensität von willkürlich polarisiertem Licht, das auf einen Detektor (oder Pixel) einfällt, wie folgt umgeschrieben werden:

wobei \(\omega\) die Rotationsgeschwindigkeit und \({\varphi }_{0}\) die Anfangsphase ist. Unter Verwendung der Fourier-Entwicklung der Lichtintensität sind die Stokes-Parameter gegeben durch41,

Die aufgezeichnete Lichtintensität jedes Pixels wurde durch Fourier-Erweiterung angepasst und anschließend wurden Fourier-Koeffizienten und Stokes-Parameter ermittelt.

Die Mueller-Matrix des Salats wurde mit einem kommerziellen Mueller-Matrix-Polarimeter AxoScan (AxoMetrics) gemessen.

Stokes-Bilder wurden mit MATLAB (MathWorks) bildverarbeitet und angepasst. Anschließend wurden die verarbeiteten Daten mithilfe von RStudio Desktop (RStudio) statistisch analysiert.

Salatsamen (Lactuca sativa L.) der Sorte „Cheong Chi Ma“ (Asia Seed) wurden in mit Erde gefüllte 50-Zellen-Steckerschalen (54,4 cm × 28,2 cm × 5,4 cm) gesät und die Schalen in einem Leuchtkasten (65 cm) aufbewahrt cm × 35 cm × 50 cm). Die Sämlinge wurden unter einer Leuchtstofflampe (TLD 32 W/865RS, Philips) gezüchtet, wobei die photosynthetische Photonenflussdichte (PPFD) 210 ± 10 μmol/m2 s−1 betrug und die Photoperiode 16 Stunden hell und 8 Stunden dunkel bei 24 °C betrug C bzw. 18 °C. Die relative Luftfeuchtigkeit wurde während der Experimente auf 50 % gehalten. Die Sämlinge wurden 12 Tage lang jeden Morgen 20 Minuten lang mit Leitungswasser bewässert und dann 10 Tage lang mit NaCl-Lösung behandelt. Die Behandlungslösungen wurden durch Auflösen von NaCl in Konzentrationen von 100, 200, 300 und 400 mM in Leitungswasser hergestellt. Als Kontrollen dienten Sämlinge, die nur mit Wasser (0 mM) behandelt wurden.

Die Autoren bestätigen, dass in dieser Studie keine Pflanzen- oder Samenproben gesammelt wurden. Die Samen wurden von Asia Seed in Südkorea gekauft und alle Pflanzenmaterialien wurden im Labor des Autors gezüchtet. Diese Studie entspricht den relevanten institutionellen, nationalen und internationalen Richtlinien und Gesetzen, und während der Studie wurden keine Genotypisierungsdaten analysiert oder generiert.

Die den in diesem Dokument präsentierten Ergebnissen zugrunde liegenden Daten sind derzeit nicht öffentlich verfügbar, können aber auf begründete Anfrage von den Autoren angefordert werden. Zur Anforderung der Daten wenden Sie sich bitte an den entsprechenden Autor.

Bass, M. Handbook of Optics, Band I: Geometrische und physikalische Optik, polarisiertes Licht, Komponenten und Instrumente (McGraw-Hill, 2009).

Google Scholar

Badieyan, S., Ameri, A., Rafii-Tabar, H., Razzaghi, MR & Sasanpour, P. Mueller Matrix Polarimetric Imaging von Prostatagewebe. Im Jahr 2018 IEEE 38. Internationale Konferenz für Elektronik und Nanotechnologie, ELNANO 2018 – Proceedings 375–378 (IEEE, 2018). https://doi.org/10.1109/ELNANO.2018.8477512.

Ghosh, N. Gewebepolarimetrie: Konzepte, Herausforderungen, Anwendungen und Ausblick. J. Biomed. Opt. 16, 110801 (2011).

Artikel ADS Google Scholar

He, C. et al. Polarisationsoptik für biomedizinische und klinische Anwendungen: Ein Rückblick. Lichtwissenschaft. Appl. 10, 194 (2021).

Artikel ADS CAS Google Scholar

Qi, J. & Elson, DS Mueller polarimetrische Bildgebung für chirurgische und diagnostische Anwendungen: Eine Übersicht. J. Biophoton. 10, 950–982 (2017).

Artikel Google Scholar

Van Eeckhout, A. et al. Depolarisierende Metriken für die Bildgebung von Pflanzenproben. PLoS ONE 14, e0213909 (2019).

Artikel Google Scholar

Van Eeckhout, A. et al. Polarimetrische Bildmikroskopie zur erweiterten Untersuchung pflanzlicher Gewebe. Wissenschaft. Rep. 11, 3913 (2021).

Artikel ADS Google Scholar

Maxwell, DJ, Partridge, JC, Roberts, NW, Boonham, N. & Foster, GD Die Auswirkungen einer Pflanzenvirusinfektion auf die Polarisationsreflexion von Blättern. PLoS ONE 11, e0152836 (2016).

Artikel Google Scholar

Patty, CHL et al. Zirkulare spektropolarimetrische Erfassung der Vegetation im Feld: Möglichkeiten zur Fernerkennung außerirdischen Lebens. Astrobiology 19, 1221–1229 (2019).

Artikel ADS Google Scholar

Patty, CHL et al. Zirkulare spektropolarimetrische Erfassung chiraler Photosysteme in verfallenden Blättern. J. Quant. Spectrosc. Strahlen. Transf. 189, 303–311 (2017).

Artikel ADS CAS Google Scholar

Patty, CHL et al. Abbildung linearer und zirkularer Polarisationsmerkmale in Blättern mit vollständiger Müller-Matrix-Polarimetrie. Biochim. Biophys. Acta Gen. Subj. 1862, 1350–1363 (2018).

Artikel CAS Google Scholar

Lin, L.-H., Lo, Y.-L., Liao, C.-C. & Lin, J.-X. Optischer Nachweis der Glukosekonzentration in Proben mit Streupartikeln. Appl. Opt. 54, 10425 (2015).

Artikel ADS CAS Google Scholar

Sarkar, M., Gupta, N. & Assaad, M. Überwachung der Fruchtfrische mithilfe von Phaseninformationen in der Polarisationsreflexionsspektroskopie. Appl. Opt. 58, 6396 (2019).

Artikel ADS CAS Google Scholar

Lowe, A., Harrison, N. & French, AP Hyperspektrale Bildanalysetechniken zur Erkennung und Klassifizierung des frühen Auftretens von Pflanzenkrankheiten und Stress. Pflanzenmethoden 13, 1–12 (2017).

Artikel ADS Google Scholar

Behmann, J., Steinrücken, J. & Plümer, L. Erkennung früher pflanzlicher Stressreaktionen in hyperspektralen Bildern. ISPRS J. Fotogramm. Remote Sens. 93, 98–111 (2014).

Artikel ADS Google Scholar

Rumpf, T. et al. Früherkennung und Klassifizierung von Pflanzenkrankheiten mit Support Vector Machines auf Basis hyperspektraler Reflexion. Berechnen. Elektron. Landwirtschaft. 74, 91–99 (2010).

Artikel Google Scholar

Yoosefzadeh-Najafabadi, M., Earl, HJ, Tulpan, D., Sulik, J. & Eskandari, M. Anwendung von Algorithmen für maschinelles Lernen in der Pflanzenzüchtung: Vorhersage des Ertrags anhand der hyperspektralen Reflexion in Sojabohnen. Vorderseite. Pflanzenwissenschaft. 11, 1–14 (2021).

Artikel Google Scholar

He, KS, Rocchini, D., Neteler, M. & Nagendra, H. Vorteile der hyperspektralen Fernerkundung zur Verfolgung von Pflanzeninvasionen. Taucher. Vertrieb. 17, 381–392 (2011).

Artikel Google Scholar

Mishra, P. et al. Hyperspektrale Nahbereichsbildgebung von Pflanzen: Ein Rückblick. Biosystem. Ing. 164, 49–67 (2017).

Artikel Google Scholar

Thomas, S. et al. Vorteile der hyperspektralen Bildgebung für die Erkennung von Pflanzenkrankheiten und den Pflanzenschutz: Eine technische Perspektive. J. Plant Dis. Prot. 125, 5–20 (2018).

Artikel Google Scholar

Bock, CH, Poole, GH, Parker, PE & Gottwald, TR Schweregrad der Pflanzenkrankheit, visuell, durch digitale Fotografie und Bildanalyse sowie durch hyperspektrale Bildgebung geschätzt. CRC. Krit. Rev. Plant Sci. 29, 59–107 (2010).

Artikel Google Scholar

Wu, H. et al. Überwachung der Pflanzengesundheit mit Nahinfrarot-Fluoreszenz-H2O2-Nanosensoren. Nano Lett. 20, 2432–2442 (2020).

Artikel ADS CAS Google Scholar

Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen. In der Ernte- und Viehbestandsstatistik. https://www.fao.org/faostat (2020).

Camejo, D. et al. Künstliches Licht beeinflusst die physische und ernährungsphysiologische Qualität von Salatpflanzen. Hortisch. Umgebung. Biotechnologie. 61, 69–82 (2020).

Artikel CAS Google Scholar

Al-Maskri, A., Al-Kharusi, L., Al-Miqbali, H. & Khan, MM Auswirkungen von Salzstress auf das Wachstum von Salat (Lactuca sativa) unter der Technik des geschlossenen Nährstofffilms. Int. J. Agrar. Biol. 12, 377–380 (2010).

CAS Google Scholar

Sofo, A. et al. Verschiedene Agrar- und Düngesysteme beeinflussen das Polyphenolprofil, die antioxidative Kapazität und die Mineralstoffzusammensetzung von Salat. Wissenschaft. Hortisch. (Amsterd.) 204, 106–115 (2016).

Artikel CAS Google Scholar

Fu, W., Li, P. & Wu, Y. Auswirkungen unterschiedlicher Lichtintensitäten auf die Fluoreszenzeigenschaften und den Ertrag von Chlorophyll in Salat. Wissenschaft. Hortisch. (Amsterd.) 135, 45–51 (2012).

Artikel CAS Google Scholar

Shin, YK et al. Reaktion auf Salzstress in Salat: Veränderungen der Chlorophyll-Fluoreszenzparameter, des phytochemischen Gehalts und der antioxidativen Aktivitäten. Agronomie 10, 1627 (2020).

Artikel CAS Google Scholar

Xu, C. & Mou, B. Bewertung von Salatgenotypen auf Salztoleranz. HortScience 50, 1441–1446 (2015).

Artikel Google Scholar

Qin, L. et al. Einfluss von Salzstress auf Wachstum und Physiologie bei Amaranth und Salat: Auswirkungen auf das bioregenerative Lebenserhaltungssystem. Adv. Sp. Res. 51, 476–482 (2013).

Artikel ADS CAS Google Scholar

Acosta-Motos, J. et al. Pflanzenreaktionen auf Salzstress: Adaptive Mechanismen. Agronomie 7, 18 (2017).

Artikel Google Scholar

Rouphael, Y., Petropoulos, SA, Cardarelli, M. & Colla, G. Salzgehalt als Eustressor zur Verbesserung der Gemüsequalität. Wissenschaft. Hortisch. (Amsterd.) 234, 361–369 (2018).

Artikel CAS Google Scholar

Schaefer, B., Collett, E., Smyth, R., Barrett, D. & Fraher, B. Messung der Stokes-Polarisationsparameter. Bin. J. Phys. 75, 163–168 (2007).

Artikel ADS Google Scholar

de Haan, L. & Ferreira, A. Extremwerttheorie: Eine Einführung. Analyse (Springer, 2006). https://doi.org/10.1007/0-387-34471-3.

Sun, P., Ma, Y., Liu, W., Yang, Q. & Jia, Q. Mueller-Matrixzerlegung zur Bestimmung der optischen Rotation von Glucosemolekülen in trüben Medien. J. Biomed. Opt. 19, 046015 (2014).

Artikel ADS Google Scholar

Bezruchenko, VS, Murauski, AA & Muravsky, AA Bestimmung der Dispersion der Hauptbrechungsindizes für doppelbrechende Polypropylenfolien. J. Appl. Spectrosc. 81, 476–482 (2014).

Artikel ADS CAS Google Scholar

Avnir, D. Kritische Überprüfung der Chiralitätsindikatoren außerirdischen Lebens. Neuer Astron. Rev. 92, 101596 (2021).

Artikel Google Scholar

Mendoza-Galván, A. et al. Transmissions-Müller-Matrix-Charakterisierung transparenter Ramiefilme. J. Vac. Wissenschaft. Technol. B 38, 014008 (2020).

Artikel Google Scholar

Lagerwall, JPF et al. Materialien auf der Basis von Cellulose-Nanokristallen: Von der Selbstorganisation von Flüssigkristallen und der Glasbildung bis hin zu multifunktionalen Dünnfilmen. NPG Asia Mater. 6, 1–12 (2014).

Artikel Google Scholar

Uetani, K., Koga, H. & Nogi, M. Schätzung der intrinsischen Doppelbrechung von Cellulose unter Verwendung von bakteriellen Cellulose-Nanofaserfilmen. ACS Macro Lett. 8, 250–254 (2019).

Artikel CAS Google Scholar

Berry, HG, Gabrielse, G. & Livingston, AE Messung der Stokes-Parameter von Licht. Appl. Opt. 16, 3200 (1977).

Artikel ADS CAS Google Scholar

Flueraru, C., Latoui, S., Besse, J. & Legendre, P. Fehleranalyse eines rotierenden Viertelwellenplatten-Stokes-Polarimeters. IEEE Trans. Instrument Meins. 57, 731–735 (2008).

Artikel ADS Google Scholar

Lizana, Á., Campos, J., Van Eeckhout, A. & Márquez, A. Einfluss der zeitlichen Mittelung auf die Leistung eines bildgebenden Stokes-Polarimeters mit rotierendem Retarder. Opt. Express 28, 10981 (2020).

Artikel ADS Google Scholar

Referenzen herunterladen

Ministerium für Handel, Industrie und Energie (20011031); National Research Foundation of Korea (2019H1A2A1074764, 2019R1A2B5B01069580, 2019R1A6A1A09031717); Jeonbuk National University (BK21 Four Program).

Abteilung für Elektrotechnik, Forschungszentrum für zukünftige Halbleiterkonvergenztechnologie, Jeonbuk National University, Jeonju, 54896, Korea

Jongyoon Kim, Yunsu Nam und Ji-Hoon Lee

Abteilung für Gartenbau, Hochschule für Landwirtschaft und Biowissenschaften, Jeonbuk National University, Jeonju, 54896, Korea

Yu Kyeong Shin & Jun Gu Lee

Kernforschungsinstitut für intelligente Roboter, Jeonbuk National University, Jeonju, 54896, Korea

Yu Kyeong Shin & Jun Gu Lee

Institut für Agrarwissenschaft und -technologie, Jeonbuk National University, Jeonju, 54896, Korea

Jun Gu Lee

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

JK entwickelte das polarimetrische Bildgebungssystem von Stokes, analysierte die Ergebnisse, schrieb das Manuskript und erstellte die Figuren. YKS bereitete die Salatsämlinge vor und behandelte sie mit Hilfe von JGLYSN und erfasste die polarimetrischen Bilder von Stokes. J.-HL schlug das System vor und verfasste die Manuskripte. Alle Autoren haben zum Manuskript beigetragen.

Korrespondenz mit Ji-Hoon Lee.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Kim, J., Shin, YK, Nam, Y. et al. Optische Überwachung des Pflanzenwachstumsstatus mittels Polarimetrie. Sci Rep 12, 21841 (2022). https://doi.org/10.1038/s41598-022-26023-2

Zitat herunterladen

Eingegangen: 07. September 2022

Angenommen: 08. Dezember 2022

Veröffentlicht: 17. Dezember 2022

DOI: https://doi.org/10.1038/s41598-022-26023-2

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.