专利名称：用于从植物群体中选择植物的系统的制作方法
技术领域：
本发明涉及在农业中使用的方法和系统。
背景技术：
由于农业向原先未耕作区域的扩展，新的抗非生物胁迫栽培品种，即对诸如干旱、 极端温度或盐度之类的胁迫条件具有抵抗力的这些栽培品种的全球范围内的发展成果正在增加。这些区域经常遭受土壤不肥沃、可变盐度的地下水、对水浸的敏感性、灌溉水质的恶化以及使用高氯化物浓度的劣质水灌溉之苦。预计全球变暖的威胁以及气候条件和降水量水位的相关波动将加速农业向原先未耕作区域的扩展。很多植物物种对非生物胁迫的主要和直接的反应是生长速率的降低，这最终导致产量的显著减小。处于非生物胁迫条件下生长速率降低的原因当中的是根系传导率的减小，这引起了突然的气孔关闭，导致蒸腾和光合作用的速率减小。植物能够使用各种胁迫抵御机制(诸如其中的渗透调节、抗氧化剂保护和离子平衡机制)来应付非生物胁迫。这些机制使得植物即使处于非生物胁迫条件下仍能够在维持一定的产量水平的同时完成其生命周期。两种主要方法已经被用于通过产生新的抗胁迫栽培品种来应付这些问题。第一种是使用各种候选基因的基因工程，而第二种是经典育种。然而，由于野外土壤、土壤和湿度条件、盐度和光强的空间变化，在野外条件下评估胁迫条件下的植物产量是很困难的。
发明内容
本发明提供用于同时监控两种或更多种植物的群体中的蒸腾速率并在该群体中识别具有根据植物的蒸腾速率确定的优越特性的那些植物的系统。植物的蒸腾速率是通过蒸发经气孔从植物损失水分的速率。本发明的系统包含两个或更多个监控单元。各监控单元被配置成监控群体中植物的蒸腾速率。各监控单元包括感测与植物相关联的参数的一个或更多个传感器，并生成指示传感器感测的测量参数的时间相依信号。在优选实施方式中，植物是装在容纳有一定量的水的容器中的盆栽植物，该水与花盆的容纳物流体连通。在该优选实施方式中，传感器是测量容器以及容器的包括水在内的容纳物的质量的称重传感器。植物的蒸腾导致容器中的水的量随着时间减少，这反映在传感器感测的质量的减小上。因而，通过在一段时间内监控各容器的质量，可以计算出该段时间内的蒸腾速率。传感器随时间生成的信号被处理，以确定在一个或更多个时间段内的蒸腾速率。对于各时间段，该处理可以包括计算该时段期间蒸腾的水的平均和标准偏差或者在该时段内在群体中观察到的该特定时段期间蒸腾的水和植物质量增加之间的比(被称为植物的水利用效率或“WUE”)。该处理还包括根据统计分析对群体中的植物中的每一种进行分级，例如，根据其蒸腾速率和/或根据其WUE对植物进行分级。这使得群体中的具有优选特性的植物能够被识别。在一个实施方式中，在两个或更多个时段内处理信号，其中该两个或更多个时段中的各时段由植物群体所暴露于的一个或更多个环境条件的集合进行表征。在一个时段期间，环境条件可以是“对照”环境条件，而在另一时段期间，环境条件可以是“胁迫”条件。条件可以设置回“对照”，以检查植物从“胁迫”的恢复。可以通过“胁迫”和恢复的不同组合来重复该场景。可以在两个时段之间变化的环境因素例如包括水的可用性、湿度、温度、照射、 盐度、土壤矿物质含量以及诸如土壤中的细菌和病原体之类的生物参数。例如，在胁迫环境条件下具有高蒸腾速率的植物可以比相同条件下具有低蒸腾速率的植物分配更高的等级。 在该实施方式中，处理可以进一步包括在植物暴露于变化的环境条件中时以及在从该胁迫恢复期间，计算蒸腾速率的变化速率。分级还可以涉及在植物的环境条件变化时检测到的蒸腾速率的变化速率。在环境条件变得更加胁迫时蒸腾速率降低缓慢的植物将比其蒸腾速率降低地更快的植物分配更高的等级。在环境条件变得较不胁迫时蒸腾速率快速增加的植物比蒸腾速率更缓慢地增加的植物分配更高的等级。在一个实施方式中，本发明用于识别用于生长的植物的最佳环境条件。在该实施方式中，在两个或更多个时段中的各时段中，植物暴露于不同的环境条件。植物的分级通过若干方法中的任意一种来完成，实现不同级别的筛分。一种方法涉及比较在预定时段内目标植物和对照植物的积累的重量。各独立植物的重量增加由统计工具与目标植物群体和对照植物的平均重量增加相比较。在用于对植物分级的另一方法中，累积蒸腾用于通过对每日蒸腾进行求和来提供对给定时段期间植物蒸腾的水量的测量。各独立植物的累积蒸腾与目标植物群体和对照植物的平均累积蒸腾进行比较，且二者与潜在的蒸腾速率进行比较(大气要求)。在又一方法中，通过将某一时段期间的累积重量增加除以该时段期间的累积蒸腾来确定WUE。可以通过一系列计算根据测量的重量时间序列确定瞬时蒸腾速率。该数据首先被平滑(即经过噪声减小)到一定程度，以隔离每日蒸腾(水损失)趋势。然后通过平滑的重量的变化的一阶导数计算每日蒸腾速率的模式。将针对各独立植物的峰蒸腾速率及其时机与目标植物群体和对照植物的平均峰蒸腾速率和时机进行比较，且二者与潜在的蒸腾速率进行比较(大气要求；例如，如图12所示)。因而，在本发明的第一方面，本发明提供一种用于在两种或更多种植物的群体中识别一种或更多种植物的系统，包含(a)两个或更多个监控单元，各监控单元包含被配置成感测所述群体的与监控单元相关联的植物的一个或更多个参数的一个或更多传感器，并生成指示所述一个或更多参数的值的一个或更多时间信号；以及(b)处理器，其被配置成⑴从监控单元接收时间信号，并对所述信号进行处理，以计算在一个或更多个时间间隔中的各时间间隔内植物的蒸腾速率或蒸腾速率的变化速率二者之一或全部；(ii)使用涉及植物的计算出的蒸腾速率的算法对群体中的植物进行分级；(iii)识别等级高于预定等级的植物；以及(iv)在显示设备上显示识别出的植物的标识符；以及(c)显示设备。在本发明的另一或其方面，本发明提供一种在两种或更多种植物群体中识别一种或更多种植物的方法，该方法包括以下步骤(a)监控所述群体中与监控单元相关联的植物的一个或更多个参数，并生成指示所述一个或更多参数的值的一个或更多个时间信号；以及(b)对所述信号进行处理，以计算在一个或更多个时间间隔中的各时间间隔内与各监控单元相关联的植物的蒸腾速率或蒸腾速率的变化速率二者之一或全部；(c)使用涉及植物的计算出的蒸腾速率的算法对所述群体中的植物进行分级；(d)识别等级高于预定等级的植物；以及(e)在显示设备上显示识别出的植物的标识符。
为了理解本发明且明白本发明在实际中如何实施，现在参考附图，仅以非限制性示例的方式来描述实施方式，附图中图IA示出了在夜晚以及随后的白天时间期间，在温度受控的温室中生长的对照番茄植物因蒸腾引起的重量变化；图IB示出了计算出的图IA的植物的WPT ；图2A、2B和2C分别示出了植物、湿芯和恒定重量的重量变化速率中的平均和叠加振荡；图3A、3B和3C分别示出了图2A、2B和2C的图表的自相关函数；图3B、3D和3F分别示出了用于全植物、淹没芯和恒定重量剩余时间序列的谱；图4A示出了 5天的脱水对于瞬时WPT速率的影响(平滑的振荡)；图4B示出了叠加在图4A的平滑模式上的WPT速率中观察到的振荡模式；图4C示出了来自湿芯的平滑的和振荡的蒸发速率；图4D示出了叠加在图4C的平滑模式上的蒸发中的振荡模式；图5示出了针对典型的番茄全植物、切芽的平滑WPT速率和叠加振荡以及针对湿芯的蒸发速率和叠加振荡；图6示出了针对ABA缺陷型sitients植物和对照植物的振荡的和平滑的WPT速率以及针对湿芯的蒸发速率和叠加振荡的代表性结果；图7示出了针对两棵白杨(银白杨)植物的振荡的和平滑的WPT速率以及针对湿芯的蒸发速率和叠加振荡的代表性结果；图8示出了对照植物和突变体植物；图9A示出了来自图8的对照植物的蒸腾，且图9B示出了来自图8的突变体植物的蒸腾；图10示出了图8的对照植物和突变体植物的气孔尺寸；图11示出了根据本发明的一个实施方式用于识别植物群体中的植物的系统；以及图12示出了与以C表示的参考(浸没芯)环境蒸汽压差(VPD)相比，5天的脱水处理(A和B)期间两种番茄植物的蒸腾速率。
具体实施方式
图11示出了根据本发明的用于同时监控两种或更多种植物的群体中的蒸腾速率并识别该群体中具有优越特性的那些植物的系统1。系统1包含两个或更多个监控单元2， 其中各监控单元2用于监控各植物4中的蒸腾速率。为简单起见，且仅以举例的方式，在图 11中示出了两个监控单元2a和2b。典型地，系统1将被配置成包括数目等于要监控的群体中植物的数目的监控单元1。各监控单元2包括感测与植物相关的一个或更多个参数的一个或更多传感器6。 各传感器6生成指示传感器感测的测量参数的时间相依信号，如下面解释，该时间相依信号被发送到处理站8以进行进一步处理。传感器6和处理站之间的通信可以经由如图11 所示的有线通信信道，其中各传感器6通过相应的有线通信线10连接到处理站8。另选地， 传感器可以通过无线通信信道与处理站8进行通信。在如图11所示的优选实施方式中，植物4是盆栽植物，且各花盆12装在容器14中。在图11中以断面图示出了容器14，以显示花盆12和植物4的包含在容器14中的部分。各花盆12包含生长培养基，生长培养基可以是诸如土壤或人工生长培养基的固体，或在可溶液培养的植物生长的情况下可以是液体。各容器14包含经由花盆12中的孔16与花盆12的容纳物流体连通的一定量的水 18。在该优选实施方式中，传感器6是测量容器14以及容器的包括水18在内的容纳物的质量的称重传感器。植物4的蒸腾导致容器14中的水18的量随着时间减少，这反映在由传感器6感测的质量的减少。一天一次(通常在蒸腾速率很低的夜晚)对容器填充水到预定水平(系统预设)。取决于应用的胁迫，将在干旱胁迫时段内不对容器进行填充，将在盐度胁迫期间对容器填充盐水等等。花盆12覆盖有盖20，植物的茎22穿过盖20以减小或防止水从花盆容纳物中的蒸发。类似地，各容器14覆盖有盖24，茎22穿过盖24以防止水从容器14蒸发。因而，如下面所解释的，通过在一段时间内监控容器14的质量，就可以在处理单元8计算这段时间内的蒸腾速率。称重传感器6还可以用于监控花盆12以及花盆的包括植物4在内的容纳物的质量。随着植物4生长，植物的质量增加，并且如下面所解释的，通过监控花盆4的质量，以便于在一段时间内监控花盆12的质量能够使得在处理单元8计算出该段时间内植物的生长速率，并由此在处理单元8计算出该段时间内植物的产量。系统1还包括用于确定大气对水的要求的设备26。设备26包括芯28，该芯28优选地由织物制成。芯28的一部分浸没在容器32中的水30中。大部分芯暴露于环境空气， 使得从容器32吸收到芯28中的水可以从芯蒸发。设备26还包括传感器34，该传感器34 是监控容器32及其容纳物的质量的称重传感器。称重传感器34生成指示容器及其容纳物的质量的时间相依信号，该时间相依信号经由可以是有线信道或无线信道的通信信道36 被传输到处理站8。容器32每日被添水到预定水平。系统1可以包括附加的传感器，诸如监控顶盖随时间的温度、花盆中的含水量或水位的传感器。如上所述，传感器6和34中的各传感器生成时间相依信号，该时间相依信号被传输到处理站8。处理站8包括CPU 38，CPU 38包括多路复用器40，该多路复用器40顺序地将输入信号中的各输入信号发送到模拟数字转换器42，模拟数字转换器42以预定次数并以预定频率对输入信号进行采样。采样频率例如可以是每12小时，更优选地，每2小时，更优选地，每小时，更优选地，每10分钟，甚至更优选地，每5分钟或者每分钟，还要更加优选
7地，每30秒或者每10秒。较高的采样频率允许趋向于显示瞬时蒸腾速率的更短的采样时间，该瞬时蒸腾速率包括蒸腾速率的振荡，该蒸腾速率的振荡可能在较低采样频率时被漏掉。数字化信号的样本借助于时钟43加上时间戳，且加上时间戳的样本被存储在CPU的存储器44中。各信号存储在存储器44的文件45中，该存储器44可以通过生成该信号的监控单元的标识符进行寻址。CPU包含处理器46，该处理器46被配置成处理存储在存储器44 中的信号。该处理优选地包括从信号中过滤设备相关的噪声。对于称重传感器6生成的信号，该处理将包括例如通过计算过滤后的信号的时间导数来计算监控单元的植物4的蒸腾速率。该处理还可以包括例如通过计算信号的时间导数来在监控单元计算植物4的生长速率。该处理还可以包括将计算的蒸腾速率与来自芯28的蒸发速率进行比较。该处理还可以包括计算各植物的蒸腾速率与其生长速率之间的比。处理站8还包括用户输入设备48，该用户输入设备48可以是键盘50或者计算机鼠标52，允许用户向存储器44输入任意相关信息，诸如在各监控单元处的植物的标识符、 获得信号的环境条件。诸如CRT屏的显示设备54用于显示输入信号或任意处理结果中的任意一个。根据本发明，在两个或更多个时段中的各时段内执行对信号的处理。典型地，两个或更多个时段中的各时段由植物群体所暴露于的一个或更多环境条件的集合进行表征。在一个时段期间，环境条件可以是“对照”环境条件，而在另一时段期间，环境条件可以是“胁迫”条件。系统1因而还可以包含用于产生植物的环境中所需的条件的装置(在图11中未示出)。这种装置可以包括用于产生所需温度、湿度、水盐度等的装置。处理器46可以被配置成将蒸腾速率相对于各植物的叶子的表面积或叶子中的气孔密度进行归一化。如本领域中已知，叶子的表面积可以使用业界已知的扫描仪来确定。针对各时段，处理可以包括计算蒸腾速率的平均和标准偏差或在该时段内在群体中观察的蒸腾速率和生长速率之间的比。处理还可以包括根据统计分析对群体中的各植物进行分级，例如，根据植物的蒸腾速率或根据植物的蒸腾和生长速率的比对植物进行分级。示例在以色列雷霍沃特的农业、食品和环境质量科学学院的温室中执行了使用本发明的系统的实验研究。系统包括放置在温度补偿称重传感器(以色列Tadea-Himtleigh) 上的3. 9升生长花盆，该温度补偿称重传感器连接到CRlO数据记录器(美国Campbell Scientific公司)的。花盆用商业化生长培养基(泥炭和泥灰岩矿渣的混合物)进行填充且单株植物在各花盆中生长。每个花盆通过容器顶盖中的孔陷入在塑料容器 (13X21. 5X31. 5cm HWL)中。花盆和容器的顶部由铝箔密封以防止蒸发。在高灌溉条件下，每天用过量的水填充容器到超过花盆基本灌溉2cm的高度，过量的水倾向于滤去在每天在生长培养基中累积的盐。将商业化肥料溶液0.2% (超级成长，Hortical Israel)添加到灌溉水中，处理此处被称为“加肥灌溉”。加肥灌溉确保a)植物不经受水胁迫；以及b) 容器重量在一天期间仅通过植物蒸腾单调地降低。每10秒读取一次的花盆重量读数在3分钟的时段内进行平均。该平均时段低于振荡频率(20至40分钟)且高于奈奎斯特频率(可以从一组数据获得有意义的有关信息的最高频率)，且发现对于振荡具有最小影响。在通过使70gr的钢珠从700mm (制造商的数据)高度下落进行的激励之后，称重传感器读数在2秒之后稳定。因而，10秒的重量采样间隔确保适当地遵循重量减小每10秒0. 5g的最大速率。为了识别和隔离由测量和数据采集系统从植物蒸腾速率的短期波动引入的任何噪声，约6kg的恒定重量(约等于容器+花盆+植物的质量)在温室中被放置在称重传感器上2天。植物番茄植物(原先被称为为番茄L (Lycopersicon esculentum L)的番茄(Solanum Iycopersicom))在受控环境和商业化温室中以包含14小时的光照和10小时的黑暗的光周期生长。受控环境温室中的温度在夜晚时间为18°C而在正午时间为35°C，在这两个极值温度之间逐渐变化。商业化温室中的周围条件由具有湿垫的风扇进行控制。脱落酸(ABA)缺陷型系sitiens品种(艾丽莎克雷格，背景为近同基因系，Andrew J. Thompsom博士的友好礼物)和白杨植物(银白杨)在商业化温室中生长。在这些实验中使用从1年大的白杨植物插条(高于生长培养基表面约10厘米)再次生长出的4个月大的芽。通过切下放置在称重传感器上的5种植物当中两种野生类型的番茄植物的根系来执行切割番茄芽实验。在晚间在将植物浸没在自来水下的同时完成根系去除，以防止气泡渗透到木质部。番茄芽然后浸入放置在称重传感器上的盛有2升自来水的容器中。通过停止灌溉6天来创建脱水条件。叶子面积测量；在实验结束后立即将番茄叶子切下并使用自动扫描仪进行扫描 (Li cor，模型Li 3100面积仪表)。在不切下叶子的情况下使用便携式叶面积扫描仪(Li cor，模型Li-3000A)对白杨叶面积进行测量。对源自其下端浸入水中的垂直悬挂的编织布(0. 14m2)(此处称为“湿芯”)的重量损失进行测量。源自湿芯的重量损失的速率提供了对瞬时大气要求的评估。与湿芯的重量降低相关的噪声还可以用于指示与响应动态单调重量变化的称重传感器相关的噪声水平。 如下面所解释的，通过时间序列分析来分析来自具有植物、湿芯的称重传感器的数据和恒定重量数据。数据分析通过测量的重量时间序列的一阶导数来计算作为全植物蒸腾(WPT)速率的负值
的、来自容器的水损失速率
Γ WPT-册 Wk+l-WkWF1 =_^~ _ , _f
ai lk+\ ~lk [i]其中Wk和Wk+1是在时间tk和后续时间阶tk+1测量的容器的重量。一般而言，微分用作高通滤波器，且因而明显地放大高频噪声。噪声可以通过对测量数据(时间序列)进行平滑(去趋势)而被减小或消除，使得噪声在谱分析之前变得固定。对主要变化模式的微分提供了平滑模式WPT速率。任意方法可以用于平滑数据，包括非参数平滑(例如，移动平均、Savitzky-G0Iay以及FFT过滤)以及非参数回归(对测量的数据的各阶拟合多项式、 指数函数、对称和非对称传递函数等)。此处假设容器重量时间序列遵循加性模型Wk = ff(tk)+ ε k, 1 ^ k ^ η 、< t2 < · · tk · · < tn [2]其中如果重量随时间平滑地变化，则W是在时间tk的重量，且{>k}是该值的偏差。叠加在平滑时间序列上的系统重量振荡也是时间序列，且被命名为“余量时间序列”(余量是测量的数据和拟合曲线之间的差)。当余量时间序列的平均数是0时，测量时间序列的趋势被适当地去除。我们假设余量时间序列￡k(等式2)是两个时间序列的叠加；一个是 ，由源于数据采集和其他系统相关噪声的余量形成，且另一个是、，源于WPT中本征振荡的余量。针对恒定重量、湿芯和植物生长独立测量的时间序列用于研究、和\的属性且通过自相关函数检查它们的随机性(白噪声)。ε k的谱分析用于探究循环模式的存在。谱分析将具有循环成分的复杂时间序列分解成特定波长的几个基本正弦(sine和cosine)函数。通过识别重要的基本循环成分， 将认知感兴趣的现象的特性，即，识别波长和WPT速率中基本循环成分的重要性。该谱分析揭示了时间序列中不同长度的循环。余量时间序列的频谱(振幅与频率的关系)通过快速傅立叶变换(FFT)计算出， FFT将时域信号或时间序列分解成复杂的指数(正弦和余弦)。恒定重量余量时间序列\ 的频谱将用于确定将用于从植物重量余量时间序列、滤除高频噪声(低通滤波)的频率阈值。随后，过滤后的频谱通过逆FFT被重构回时间序列(在时域中)。重构的经低通滤波的时间序列的时间导数d(￡k' )/dt(ek'是的低通滤波)提供了叠加在平滑WPT速率上的振荡蒸腾速率。示例1 全植物蒸腾(WPT)速率中的振荡在图IA中示出了在温度受控的温室中生长的对照番茄植物在夜晚以及随后的白天时间期间蒸腾的典型测量重量变化。通过如图IB所示的对测量的重量时间序列(等式 1)的时间导数来计算WPT速率。尽管是明显的相对平滑的重量减小模式(图1A)，该时间导数是有噪声的。噪声幅度在夜晚和清晨时间较低且随后增加，在靠近正午的上午和近正午的下午达到最大值，且在晚间时间再次减小。重量在平滑模式附近的波动通常被认为是随机信号(白噪声)，该随机信号不包含与蒸腾速率的模式相关且其依赖于周围条件的有用信息，且因此在数据平滑处理期间被忽略。另选地，通过首先平滑重量时间序列并然后计算时间导数(图1B)来计算WPT速率。测量重量时间序列通过使用30个数据点窗口宽度的Savitzky-G0Iay(S-G)方法进行平滑。该平滑方法基于数据内移动窗口上的最小平方二次多项式(尽管也可以使用更高阶) 拟合。S-G方法可以针对过滤窗口的各种宽度而应用，且它被认为是产生精确的平滑导数的极好的方法，对于其中通过重量减小的导数确定蒸腾/蒸发速率的当前研究是有利的。对于宽范围的过滤窗口宽度，使用S-G方法获得极高R2值，且拟合随着过滤窗口宽度减小的而改善。然而，当过滤窗口宽度减小时，预测的吸水模式包括较低频率和较高幅度的波动， 且对于极窄的窗口，R2 — 1，这意味着平滑的曲线通过所有数据点，且导数模式与通过测量数据的数值微分获得的模式(图1B)相同。图IB中示出了对全植物先前通过S-G方法平滑的数据时间序列的时间导数。图2A、图2B和图2C中分别示出了针对全植物、湿芯和恒定重量的重量变化速率的平均和叠加振荡。计算振荡蒸腾速率的方法在后续说明。针对全植物、湿芯和恒定重量的不同振荡模式指示WPT速率中的振荡确实是生理现象，与称重传感器和数据采集系统中的噪声或者周围条件中的直接波动无关。为了排除WPT速率中的振荡是系统和环境噪声的可能性，通过计算信号的自相关来针对随机性(白噪声)检查针对全植物、湿芯和恒定重量的余量(测量数据和S-G方法
10平滑的数据之差)时间序列。三种情况的自相关函数分别在图3A、图3C、图3E中示出。受控的重量余量时间序列、的自相关函数(图3E)在lag = 0处具有强峰，而对于所有其他滞后(lag)接近于零。这种形状指示、可以被认为是白噪声。相反，全植物余量时间序列 \的自相关函数(图3A)对于最初的200个滞后(lag)是周期性的，40个滞后的平均从峰到峰不同。这指示全植物余量时间序列可以与白噪声相区别。湿芯的自相关函数(图3C) 指示针对该数据的余量时间序列也不是随机的。在这种情况下从随机性的偏离可以与室温中周围条件的变化相关。针对全植物和湿芯(分别地见图3A和图3C)的自相关函数之间的明显差异以及二者与恒定重量(图3E)的自相关函数之间的明显差异指示全植物的余量时间序列包含与叠加了平滑重量减小模式的振荡植物蒸腾模式相关的非随机噪声，超过湿芯蒸发中叠加的波动。用于随机性的附加测试是还用于从“有色”噪声中过滤白(随机)噪声的频谱分析。针对全植物、浸没芯和恒定重量余量时间序列的频谱分别在图3B、图3D和图3F中示出。恒定重量(图3F)中的整体平坦的频谱指示其余量时间序列实际上是随机信号(白噪声)。针对全植物的频谱(图3B)在低于2. 51Γ1的频率具有高振幅，并在更高的频率具有较低的振幅。湿芯频谱在低于21Γ1的频率具有高振幅(仍低于全植物的情况)，并在更高的频率具有较低的振幅。为了过滤白噪声，在进一步分析之前，使用低于21Γ1的滤波器通过频率的切割，对两个频谱进行低通滤波。重构的经低通滤波的余量时间序列的时间导数分别揭示了针对植物的WPT速率的振荡以及湿芯的蒸腾速率的振荡(图2A、2B)，这些振荡叠加了平均蒸腾/蒸发速率。针对不同周围条件，对于不同的天数和植物，获得与图2和3类似的结果。干旱对WPT速率模式中振荡的影响在图4A中示出了通过在生长培养基中逐步耗尽水而获得的5天脱水对瞬时WPT 速率(平滑振荡)的影响。在图4B中单独示出了叠加在图4A中的平滑模式上的在WPT速率中观察到的振荡模式。最后的灌溉在图4中第一天之前的晚间提供。为了比较，在图4C 中示出来自湿芯的平滑的和振荡的蒸发速率，并在图4D中单独示出叠加在图4C中的平滑模式上的蒸发中的振荡模式。图4示出了 1)在最初的两天期间，水对植物是可用的以满足大气要求，且平滑的和振荡的WPT速率特性模式与图2A中示出的类似。平滑的蒸腾速率模式在每一天期间具有两个峰(图4A)早上的较低的峰和下午的较高的峰。2)由于生长培养基中的水耗尽，蒸腾速率在最后两天期间大为减小。这些天中的每一天的两个峰具有类似的高度，它们之间有显著的骤降。与全植物中每日双峰模式相反，在平滑的湿芯蒸发速率中具有一个为恒定值的峰(图4C)。单个每日峰的时机与平滑的WPT速率中的第二峰一致。3) WPT速率中的振荡模式实质上不同于湿芯蒸发速率的振荡模式，湿芯蒸发速率的振荡模式在白天时间期间具有稍微不同于晚上时间的振幅值的均勻振幅值(图4C、图4D)。相比之下，WPT速率的每日振荡模式随着时间明显变化。它在夜晚时间低，在上午9:00左右开始增加，在VPD和蒸腾速率高的正午或靠近正午的下午时强化，并在傍晚时间逐渐减小(图 4A、图4B)。在白天和夜晚时间(分别是图4B和图4D)WPT和蒸发速率之间的振荡振幅的显著差异指示WPT速率的振荡是与变化的周围环境条件相关联的本征生理过程。4)如从图4A、图4B中的最后两天可以看出，WPT速率的振荡的振幅依赖于水的可用性。在正午时间期间它们相对于平滑蒸腾速率的值远高于最初的三天。5)不希望地，观察到了振荡的夜晚蒸腾速率模式(图4A，图4B)；它在最初的三个晚上较高，而在后面的两个晚上接近零。全植物VS切芽在图5中示出了针对典型番茄全植物、切芽的平滑的WPT速率和叠加振荡以及针对湿芯的蒸发速率和叠加振荡。图5D示出了针对“母”植物的芽的结果，“母”植物的结果在图5C中示出。与平滑的WPT速率的每日双峰模式(图2，图4和5A-5C)相反，针对切芽的平滑蒸腾速率模式(图5D)在早上具有单个峰，随后蒸腾速率单调递减。如前面可以看出的(图2和图4A)，WPT速率的每日的第二峰与湿芯的单个峰相一致(图5E、图5F)。注意的是，可能由于根系对于全植物中的流的抵抗力，图5D中的单个峰高于此时全植物的瞬时蒸腾速率(图5B)以及前一天的同一时间全植物的瞬时蒸腾速率(图5A、C)。芽蒸腾速率的振荡模式和振幅(图5D)大致上类似于针对来自湿芯的蒸发速率获得的模式和振幅(图 5E、图5F)，且二者都低于WPT速率的模式和振幅(图5A-5C)。ABA缺陷型突变体图6中示出了针对ABA缺陷型sitiens植物和对照植物的振荡的和平滑的WPT速率以及针对湿芯的蒸发速率和叠加的振荡的代表性结果。由于比较两种不同的植物，将蒸腾速率相对于单种植物的叶面积进行归一化，且湿芯相对于自己的表面积进行归一化。当与对照物相比(图6A)时，sitiens突变体显示出明显更高的每日蒸腾速率。与对照植物相比，这些植物显示出独特的且远远更高的振幅和频率振荡模式。这些振荡在黎明时开始且持续整天(图6B和6C)。尽管sitiens植物在上午9点左右失去膨胀，它在白天继续蒸腾，且在夜晚期间保持膨胀。与作为较高木质部敏感植物的白杨的比较图7中示出了针对两棵白杨(银白杨)植物的振荡的和平滑的WPT速率以及针对湿芯的增发速率和叠加振荡的代表性结果。将蒸腾速率相对于单个植物的叶子面积进行归一化。白杨的相对低的蒸腾速率(大致与芯相同)是由于它们的较小尺寸(图7)。白杨植物的振荡模式实质上不同于对照番茄植物的振荡模式(图2，以及图4-图6)，但是类似于 sitient植物的振荡模式(图6)。如从WPT中的黎明之后的振荡可以检测到的，振荡已经得到强化并且在白天时间保持相同的模式。这种蒸腾速率模式(包括振荡)可能涉及番茄和白杨之间气穴脆弱性胁迫的差异。示例2 针对蒸腾模式测试同基因番茄突变体将本发明的方法用在自交系品种M82的遗传背景中的同基因番茄“突变体库”上。 该库的野外预先筛分得出29个突变体系，该突变体系即使在良好灌溉营养供应的条件下也显示出萎蔫响应。各系中的成员的数目从1到11不等，总共有350个个体。筛分方法包括6个高度敏感的温度补偿的称重传感器(称重渗漏测定仪)，该称重传感器连接到数据记录器且每3分钟进行一次采样。单个盆栽植物放置在称重传感器上 1-2天。该时间基于与对照植物和浸没芯(提供关于大气要求的信息)相比识别测试的突变体的蒸腾模式的能力而决定。通过用铝箔覆盖生长培养基表面来防止从花盆表面的蒸发。 植物在每个晚上被加肥灌溉。花盆浸入容器中以对根系保持恒定的水的可用性。从350个植物识别出代表两个突变体系的两种独立植物。这两种植物(从温室中同时被监控的阵列上的42种植物选出)在干旱处理期间显示出两种不同的蒸腾速率模式(策略)。该图呈现植物阵列在高产量选择过程(见材料
12和方法)期间使用的5个标准之一。具有比对照植物(图8)低40%的叶面积的突变体#30蒸腾类似的水量(图9a)， 即，具有每叶面积单位较高的蒸腾速率。具有比对照植物远远更小的叶面积的突变体#7蒸腾远比对照物(图9b)少得多的水。寻找这些突变体之间的蒸腾差异的原因，我们发现了气孔尺寸(图10)和密度的显著变化。突变体#7的每0. 1 (mm) 2叶尺寸的气孔平均数目 (11 士0. 16 ；平均士SE，N = 29)明显比对照物(17士0. 14 ；平均士SE，N = 29))低，而另一突变体(#30)具有明显更高的每0. 1 (cm) 2叶的气孔数目。突变体#30的平均气孔尺寸 (11. 86士6. 3 ；平均士SE，N = 29)与对照物相比(26. 94士 12. 4 ；平均士SE，N = 29)明显更小，而突变体#7的平均气孔尺寸则明显更高(66士 12.4 平均士SE，N= 29 ；P值=0. 001)。这些结果允许在约8周的监控之后的350个植物群体中识别气孔缺陷型突变体， 该8周时间明显比常规的野外筛选方法短。
权利要求
1.一种用于在两种或更多种植物的群体中识别一种或更多种植物的系统，该系统包括(a)两个或更多个监控单元，各监控单元包括被配置成感测所述群体中与该监控单元相关联的植物的一个或更多个参数的一个或更多个传感器，并生成指示所述一个或更多个参数的值的一个或更多个时间信号；以及(b)处理器，其被配置成(i)从所述监控单元接收所述时间信号，并对所述信号进行处理，以计算在一个或更多个时间间隔中的各时间间隔内与各监控单元相关联的植物的蒸腾速率或蒸腾速率的变化速率二者之一或全部；( )使用涉及植物的计算出的速率的算法对所述群体中的植物进行分级；(iii)识别等级高于预定等级的植物；以及(iv)在显示设备上显示识别出的植物的标识符；以及(c)显示设备。
2.根据权利要求1所述的系统，其中，各监控单元还包括容器，该容器适于容纳水且容纳来自群体的盆栽植物。
3.根据权利要求2所述的系统，其中，所述监控单元包含传感器，该传感器是适于测量容器及容器容纳物的质量的称重传感器。
4.根据权利要求2或3所述的系统，其中，所述容器被覆盖以减少或防止水从容器的蒸发。
5.根据权利要求3或4所述的系统，其中，所述处理器被配置成根据所述称重传感器在所述一个或更多个时间间隔中的各时间间隔内生成的时间相依信号计算蒸腾速率。
6.根据前述权利要求中任一项所述的系统，其中，所述处理器被配置成确定一段时间内蒸腾速率的变化速率，并且其中，所述分级涉及计算出的蒸腾速率的变化速率。
7.根据权利要求3所述的系统，其中，各监控单元包括传感器，该传感器被配置成生成指示与所述监控单元相关联的植物的质量的时间相依信号。
8.根据权利要求7所述的系统，其中，所述处理器还被配置成计算与各监控单元相关联的植物的水利用效率。
9.根据前述权利要求中任一项所述的系统，所述系统还包括确定大气对水的要求的设备，该设备生成指示大气对水的要求的时间相依信号，并且其中，所述处理器被配置成从所述设备接收该时间相依信号。
10.根据权利要求7所述的系统，其中，确定大气对水的要求的所述设备包含(a)芯、 容纳有水的容器，所述芯的一部分浸没到所述水中，以及(c)监控所述容器及其容纳物的质量的称重传感器。
11.根据前述权利要求中任一项所述的方法，其中，所述处理器被配置成根据所述监控单元的传感器生成的时间信号的时间导数计算与监控单元相关联的植物的蒸腾速率。
12.根据权利要求7或8所述的系统，其中，所述处理器还被配置成计算蒸腾速率和大气对水的要求之间的比。
13.根据前述权利要求中任一项所述的系统，所述系统还包括用于在植物的环境中生成所需的条件的装置。
14.根据权利要求11所述的系统，其中，所述用于在植物的环境中生成所需的条件的装置是用于生成所需温度的装置、用于生成所需湿度的装置和用于生成所需水盐度的装置中的任意一个或更多个。
15.根据前述权利要求中任一项所述的方法，其中，所述处理器能被配置成将蒸腾速率相对于各植物的叶子的表面积或者相对于叶子中气孔的密度进行归一化。
16.一种在两种或更多种植物的群体中识别一种或更多种植物的方法，该方法包括以下步骤(a)监控所述群体中与监控单元相关联的植物的一个或更多个参数，并生成指示所述一个或更多个参数的值的一个或更多个时间信号；以及(b)对所述信号进行处理，以计算在一个或更多个时间间隔中的各时间间隔内与各监控单元相关联的植物的蒸腾速率或蒸腾速率的变化速率二者之一或全部；(c)使用涉及植物的计算出的蒸腾速率的算法对所述群体中的植物进行分级；(d)识别等级高于预定等级的植物；以及(e)在显示设备上显示识别出的植物的标识符。
全文摘要
本发明提供一种用于在两种或更多种植物(4)的群体中识别一种或更多种植物的系统(1)和方法。该方法包括监控所述群体的植物(4)的一个或更多个参数，并生成指示该一个或更多个参数的值的一个或更多个时间信号。对所述信号进行处理，以计算一个或更多个时间间隔中的各时间间隔内的各植物的蒸腾速率和蒸腾速率的变化速率二者之一或全部。然后使用涉及计算出的蒸腾速率的算法对植物进行分级，并识别等级高于预定等级的植物。本发明还提供用于实施本发明的方法的系统。
文档编号A01G1/00GK102271492SQ200980153423
公开日2011年12月7日 申请日期2009年11月1日 优先权日2008年10月30日
发明者M·莫施隆, R·瓦拉赫 申请人:耶路撒冷希伯来大学伊森姆研究发展公司