友情链接：
根系结构性状对植物来说很重要，如植物营养和水分的吸收，固定和机械支持，以及碳水化合物和营养物质的储存。解开根系结构发育的秘密，有助于更好地选择最有效获取土壤养分和水分的作物和栽培种，这些品种的选择可能会增加植物产量和优化农业用地。然而，测量在土壤中生长的根系结构特征往往是耗时且繁琐的。在过去的十年中，出现了一系列技术来大规模筛选植物，并测量根系的不同特征。
● 根特性
对于被子植物，通常有两类根系：直根系和须根系。直根系主要存在于双子叶植物中。它由主根和较小的侧根分支组成。一般来说，与具有须根系的植物相比，具有直根系统的植物根深蒂固。直根系使植物能够更好地锚定到土壤并达到深层地下水位。相比之下，须根系由茎部产生的密集的细根组成。根从茎部向下和向外生长，并在植物下多次分枝结合到上层土壤层。须根系存在于单子叶植物中，例如百合科和棕榈科植物。
对于这两种分支类型，大家一般对如下结构性状更有研究兴趣：
•主根长度：主根的长度
•侧根长度：分枝根的总长度
•根系长度：所有可见根长度的总和
•根长密度：根系长度与根系表面积之比
•根系深度：整个根系的最大垂直深度
•根系宽度：整个根系的最大水平宽度
•茎生根的角度：水平面与茎生根之间的夹角
•侧根的分枝角度：主根与分枝侧根之间的角度
● 利用LemnaTec软件中的骨架分析功能，以确定根系长度（RSL）
我们可以使用Skeleton Extractor从根图像图层中确定前景形状的中轴。
LemnaTec软件骨架分析流程
● 下表总结了Skeleton list确定的表型特征
bone count | joint count | skeleton number | sum horizontal | sum ends side | sum end bone length |
end bone count | single bone count | Sum bone length | sum vertical | sum ends up | Sum inner bone length |
inner bone count | sub skeleton count | sum diagonal | Sum ends down | sum ends up side | sum single bone length |
● 根系形态学参数的提取与分析（如根系深度WRS和根系宽度DRS）
在拓扑骨架的基础上，我们分析了根系的形态。拓扑骨架首先转换为对象列表（通用转换器Universal Converter），然后对象在一起被分组（图像对象组成Image Object Composition）。最后计算结果并在DB编写器—Object显示出来，并写入数据库。
该组预定义的形态参数是自动计算的，无需调整任何设备设置。示例参数：
•质心<x，y>
•对象范围x =宽度
•对象范围y =深度
•二分比例
•紧密度
● 分析根段的形状（SRS）
通常研究者需要评估定向根的发展，可能想知道它们是否垂直生长，或者它们是螺旋还是长时间偏斜生长。为了确定RSA的线性比例，我们应用霍夫变换算法Hough transform algorithm提取线性排列的前景像素(Line Extractor device)。
我们利用Color Classification测量了线性片段和非线性片段的相对比例，具体流程如下：
● 测量根厚度分布（RTD）
从确定的拓扑骨架列表中，我们使用Diameter Classification来测量根的厚度。
● 寻找主根长度（MRL）
根系可以被成像为连接的根段的网络。主根可以定义为在拓扑骨架图中沿垂直轴的两个最远点之间的最短路径。
● 计算根分支
根图像中的拓扑骨架可用于计算根分支。
我们使用通用转换器（LemnaGrid 6.7或更高版本）来完成根分支计数。
● 确定根可达表面积（ASA）
根系可接触的表面积对吸收水分和营养物质至关重要。
● 计算根长密度（RLD）
为了分析在不同土壤深度根的密度，我们利用Area Distribution Maker创建一组水平区域作为对象。然后我们使用Color Classification来量化每条中的水平根分布。
因此，我们使用检测到的根组织的二值图像作为图像参考，并将像素分类为土壤（黑色）或根（白色）。这个图像分析的结果是一张有五列的表格：ROI标签，土壤abs [px]，根abs[px]，土壤rel [％]，根rel [％]。数据用DB Writer— Object CC保存到数据库。
● 如何进行根系结构分析RSA
该应用程序在LemnaGrid框架（6.7及更高版本）内工作。具体操作如下：
•下载RSA App（root-2015-09-01-1328.iac）
•导入IAC文件
•在LemnaGrid中打开RSA App
•从您的LemnaBase中选择一个包含根的图像
•调整图像分割模块
•调整图像对象
•调整直径分类
•将编辑好的RSA App保存到你的LemnaBase中
•运行批处理分析
•检索LemnaMiner中的结果
•将数据表导出为.csv文件
•下载R脚本
•运行带有.csv文件的R脚本作为输入
针对不同根系统提取的特征的比较结果
结语
希望总结的如上分析流程，可以帮助大家更好的开始数字化的分析根系构型。
延伸阅读：
