Фируз Фирдавсович Абдуллаев – аспирант, младший научный сотрудник
кафедры биофизики ННГУ им. Н.И. Лобачевского
Агрофотоника (с др.-греч. «ἀγρός» – «поле, пашня» и «φῶς» – «свет») – это перспективное направление на стыке сельского хозяйства, биологии и оптических технологий, которое изучает применение света для повышения эффективности агропроизводства. Одним из бурно развивающихся направлений агрофотоники является высокопроизводительное фенотипирование растений (High-Throughput Plant Phenotyping, далее ВПФР) – это автоматизированный, высокоинформативный и массовый процесс сбора данных о характеристиках растений, позволяющий ускорить и повысить точность оценки фенотипов для генетических исследований и селекции растений как в контролируемых, так и в полевых условиях.
ВПФР основано на оптических методах, среди которых можно выделить флуоресцентную и гиперспектральную визуализации, о которых пойдёт речь в данной статье.
Оба метода в настоящее время являются цифровыми, а приборы представляют собой камеры, позволяющие визуализировать флуоресцентные и спектральные характеристики, распределенные попиксельно на полученном изображении растительного объекта. Причем масштаб, в зависимости от прибора и цели исследования, может варьироваться от субклеточных уровней до целых экосистем.
Метод индукции флуоресценции хлорофилла. В 1931 году Х. Каутский и А. Хирш опубликовали статью, в которой описали обнаруженное ими явление флуоресценции хлорофилла, впоследствии названное «эффектом Каутского». Это открытие получило широкое развитие, и сегодня по флуоресценции хлорофилла, которым богаты растения, можно достаточно точно определять эффективность фотосинтеза.
Фотосинтез – это сложный процесс, который обеспечивает рост и развитие растений, водорослей и цианобактерий за счёт поглощения квантов света и запасания их в виде энергии химических связей. В растительных клетках он протекает в специализированных органеллах, пластидах – хлоропластах, в которых находятся множество молекул хлорофилла. Хлоропласты – это сложная структура, состоящая из тилакоидов, которые образуют граны (стопки из тилакоидов) и ламеллы, связывающие эти граны.
Световая (светозависимая) фаза фотосинтеза протекает на мембранах тилакоидов. Именно здесь молекулы хлорофилла поглощают энергию света, приводящую к целому каскаду сложных фото- и биохимических реакций, а точнее, приводящую в работу электрон-транспортную цепь. В результате этих процессов уже в темновой (светонезависимой) фазе ряд биохимических реакций, именуемый циклом Кальвина-Бенсона-Бассама, образует глюкозу.
Пигмент хлорофилл может поглощать квант света в синей и красной частях спектра, а зеленый свет – отражает, чем и объясняется зеленый цвет растений. Поглощая синий и красный свет, молекула хлорофилла возбуждается, т.е. электрон, поглощая квант света, переходит на более высокий энергетический уровень. Полученная энергия возбуждения должна быть каким-либо образом потрачена, а электрон должен вернуться на исходный уровень. Так, эта энергия может израсходоваться на колебательные движения электрона, при этом выделяется тепло, либо передаться другим молекулам хлорофилла, или же флуоресцировать. Эти три варианта взаимно конкурируют друг с другом, поэтому по флуоресценции хлорофилла можно достаточно точно измерить, какая часть энергии поглощенного света пошла на фотосинтез.
Высокая эффективность поглощения солнечной энергии при фотосинтезе обеспечивается квантовым процессом FRET (Förster Resonance Energy Transfer), в ходе которого энергия возбуждения мигрирует между молекулами хлорофилла почти без потерь. Миграция энергии от пигментов светособирающих комплексов к реакционным центрам заставляет РЦ передать электроны первичным акцепторам электронов и запускает электрон-транспортную цепь и другие процессы световой фазы фотосинтеза.
Фотосинтез – сложный процесс, требующий слаженной работы сотен различных компонентов как в световой, так и в темновой фазах. Малейшие изменения в условиях среды (смена влажности или температуры, заражение патогенами или другие стрессоры) заметно влияют на эффективность фотосинтеза, что может быть обнаружено с помощью методов индукции флуоресценции хлорофилла, реализованных в различных флуориметрах.
Гиперспектральная визуализация – это спектроскопический метод, позволяет получать изображение объекта, каждый пиксель которого хранит информацию о непрерывном спектре (обычно диапазон от 400 до 1000 нм – удобен для исследования растений, в целом различные гиперспектральные камеры могут иметь диапазоны, начиная с 250 нм вплоть до 15 000 нм).
Массив полученных данных (полученное изображение) именуют «гиперкубом», т.к. на выходе получается 4 оси данных: x и y, по которым распределены пиксели 2D-изображения, и еще две оси с каждого пикселя: IR – интенсивность отражения и λ – длина волны электромагнитного излучения (света).
Как уже говорилось выше, в видимом диапазоне спектра растение поглощает синий и красный свет, отражая зеленый. И, соответственно, но с некоторыми оговорками, чем сильнее отражается зеленый свет и чем сильнее поглощаются синий и красный, тем растению лучше, тем лучше протекает фотосинтез. Однако более полезную информацию можно получить в диапазоне спектра, лежащем за красным светом – невидимая для человеческого глаза ближняя инфракрасная область спектра (near-infrared, NIR). NIR-диапазон спектра связан со структурой клеток и межклеточного пространства, который очень чувствителен к изменениям условий среды.
В начале 1970-х американские исследователи (Ф. Криглер, позже Дж. Роуз) использовали математические методы для обработки тогда ещё мультиспектральных снимков. В результате был получен спектральный индекс, который позволял отделять территории, покрытые растительностью, это был NDVI. NDVI – нормализованный разностный вегетационный индекс (normalized difference vegetation index) – самый известный, распространенный спектральный индекс, позволяющий оценивать зеленую биомассу, а, например, индекс фотохимического отражения – PRI (photochemical reflectance index) – связан с фотосинтезом. Сегодня существуют сотни спектральных индексов, которые позволяют оценивать состояние растений. Использование методов машинного обучения значительно ускоряет и улучшает анализ гиперспектральных снимков, образующих большой массив данных.
В течение роста и развития сельскохозяйственные растения сталкиваются с различными стрессорами, которые могут значительно сократить выход урожая. Тем не менее за миллионы лет эволюции геном растений содержит в себе множество механизмов устойчивости, которые работают не в полную силу.
Первая аграрная революция (неолитическая революция, около 10 тыс. лет назад) берёт своё начало в Плодородном полумесяце, которое привело к освоению земледелия и скотоводства (к одомашниванию растений и животных) и, как следствие, к переходу к оседлой жизни. За тысячелетия отбора, селекции растений люди смогли оценить потенциал, хранящийся в геноме, лишь менее 100 лет назад, и он далеко не исчерпан. Сегодня технологии генотипирования и фенотипирования позволяют ускорить селекцию и значительно улучшить культурные растения, которые могут сохранять как высокую урожайность, так и повышенную устойчивость к различным биотическим (патогены – грибы, бактерии, вирусы и т. д.) и абиотическим (засуха, засоление и др.) факторам.
Активно развивающиеся технологии агрофотоники сегодня меняют вид сельского хозяйства до неузнаваемости, внедряя смарт-технологии в уже «точное земледелие», и значительно повышают эффективность аграрного производства.
При грантовой поддержке Минобрнауки России в рамках Десятилетия науки и технологий
