Interessant

Aroid (Aronic)

Aroid (Aronic)


Aglaonema (lat. Aglaonema) gehört zur Familie der Aroiden und hat 20-50 Arten. Die Gattung lebt in den Regenwäldern des tropischen Teils Neuguineas, des malaiischen Archipels und in Südostasien entlang der Flussufer in den Ebenen und im unteren Waldstreifen.


Herkunft und Verbreitung [Bearbeiten | Code bearbeiten]

Die Familie umfasst über 80 Gattungen und über 2000 Arten. [3]

Gewürznelken sind auf allen Kontinenten der Erde verteilt, jedoch ungleichmäßig. Die meisten Arten kommen im Gebiet des alten Mittelmeers sowie in Regionen Zentral- und Ostasiens vor. Nelken spielen in vielen krautigen Pflanzengemeinschaften eine wichtige Rolle und können in Wüsten, Tundra, Hochland der Subtropen und Tropen wachsen, wo sie durch eine besondere Kissenform dargestellt werden.

Zwei Vertreter der Nelkenfamilie sind es wert, in das Guinness-Buch der Rekorde aufgenommen zu werden - dies sind Colobantus quito ( Colobanthus quitensis ) und kriechende Seesterne ( Stellaria decumbens ). Die erste Pflanze ist in der blühenden Flora der Antarktis enthalten, die nur aus zwei Arten besteht. Die zweite befindet sich im Himalaya auf einer Höhe von 6.000 Metern über dem Meeresspiegel. [vier]


Biologische Beschreibung [Bearbeiten | Code bearbeiten]

Vertreter der Gattung sind meist Sträucher oder Sträucher, gelegentlich kleine Bäume. Es gibt auch ungewöhnliche Lebensformen: zum Beispiel Lorbeerblaubeere ( Vaccinium laurifolium ) ist ein Semi-Epiphyt - diese Art beginnt ihre Entwicklung als Epiphyt, aber wenn die hängenden Wurzeln die Oberfläche erreichen, beginnt die Pflanze wie eine gewöhnliche Landpflanze zu wachsen und erreicht eine Höhe von 5 m, während sie ihren Stamm gegen den Baum lehnt auf dem es zu wachsen begann.

Rhizome normalerweise lang, schnurartig, mit zahlreichen Büschen darauf. Bei Heidelbeeren hat das Rhizom eine Länge von bis zu 3 m, bei einigen Arten von Vaccinium beträgt die Länge des Rhizoms 10 m. Wie bei anderen Heiden ist Mykorrhiza charakteristisch für Vaccinium - das für beide Seiten vorteilhafte Zusammenleben von Pflanzenwurzeln mit Pilzmyzel [14 ].

Fluchten oder aufrecht oder kriechend.

Blätter Sie können sowohl für den Winter abfallen als auch die Winterkanten mit glatten und gezahnten Kanten überwintern. Die adaxiale (obere) Seite des Blattes ist hellgrün, die abaxiale (untere) Seite hat verschiedene Farben, von hellgrün bis weiß. In jungen Jahren sind die Blätter manchmal rot, im Herbst bei einigen Arten auch rot (z. B. bei hohen Blaubeeren), oft ledrig [9] [15]. Bei einigen Arten kräuseln sich die Blätter zu Beginn der Trockenperiode zu einer Röhre: Diese Eigenschaft besitzt insbesondere die Preiselbeere [14].

Blumen mit einer doppelten Blütenhülle. Die Krone ist mehr oder weniger kongenial, bei Arten der Untergattung Vaccinium hat sie eine glockenförmige (Kelch, tonnenförmige) Form, bei Arten der Untergattung Cranberry ähnelt eine voll entwickelte Blume einer Alpenveilchenblüte ( Alpenveilchen ): Die Blütenblätter sind zurückgebogen. Die Farbe der Blütenblätter reicht von weiß bis leuchtend rot. Blumen sind oft viergliedrig, seltener fünfgliedrig (trotz der Tatsache, dass die meisten Heideblumen fünfgliedrige Blüten haben). Die Anzahl der Staubblätter ist doppelt so hoch wie die der Kronlappen [5]. Die Staubblätter sind frei, zweizellig wie bei anderen Heiden, mit zwei durch Poren geöffneten "Hörnern", Pollenkörner durch vier verbunden [10] [14]. Die Blüten sind bisexuell, aber manchmal wird das Phänomen der funktionellen Unisexualität beobachtet. Beispielsweise sind gewöhnliche Blaubeeren durch schwache Proterandrien (Reifung von Androecium vor Gynoecium) gekennzeichnet [14]. Unterer Eierstock [16].
Blütenformel: ∗ K (5) C (5) A 5 + 5 G (5 ¯) < displaystyle ast K _ <(5)> C _ <(5)> A_ <5 + 5> G. _ <(< overline <5 >>) >> [17] .
Die Bestäubung erfolgt mit Hilfe von Insekten. Die Staubblätter sind mit hornartigen Anhängen ausgestattet. Wenn Insekten eine Blume besuchen, dienen die Anhänge als Hebel, mit denen Insekten selbst Pollen auf sich selbst gießen. Früchte entstehen auch dann, wenn eine Fremdbestäubung nicht möglich ist, aber nur unter der Bedingung, dass die Blüten in der Natur geschüttelt werden, erfolgt das Schütteln mit Hilfe des Windes. Daher gibt es an Orten, die durch umgebende Pflanzen vor dem Wind geschützt sind, normalerweise weniger Blaubeeren und Blaubeeren [14].

Fötus - saftige Beere. Die Farbe reifer Beeren ist entweder rot oder blau (in verschiedenen Farbtönen, von bläulich bis dunkelblau, fast schwarz). Vertreter der Gattung sind durch Endozoochorien gekennzeichnet - eine Methode der Samenverteilung, bei der Tiere (Vögel und Säugetiere) die gesamte Frucht fressen und die Samen in ihnen, die durch den Verdauungstrakt gelangen, zusammen mit Exkrementen intakt austreten [14].

Vaccinium-Arten sind das erste Glied in vielen Nahrungsketten, insbesondere sind sie Nahrungspflanzen für Raupen vieler Schmetterlingsarten [18].


Gloriosa: eine Fantasy-Blume, eine fabelhafte Phoenix-artige

Gloriosa gehört zum Knollen-Es. Geophyten sind mehrjährige Pflanzen, während der Ruhephase stirbt ihr grüner oberirdischer Teil ab und das Leben schimmert in der Offensive. Aus der unterirdischen Quelle wird Gloriosa wie Phoenix nur nicht aus der Asche, sondern aus der Knolle wiedergeboren.

Feurige Farbe und erinnernd, die Form der Flammenzunge ist Gloriosa

Gloriosa ähnelt in Form und Farbe einem feurigen Vogel. Seine Blüten werden flammende Lilie genannt (obwohl es nichts mit Lilienpflanzen zu tun hat, sondern zur Blüte gehört). Die melanthöse Blume der Gloriosa ist ein stark gebogenes Blütenblatt, manchmal berühren sich ihre Spitzen und lange offene Staubblätter, die nach unten schauen. Blütenblätter Der Rand kann gleichmäßig oder farbig sein, und Wellpappe ist immer zwei- oder dreifarbig. Meistens sind dies verschiedene Scharlachrottöne: Flamme, Purpurrot, Gelb, Orange. Und die ganze Pracht ruht auf sehr langen elastischen Blumen. Der Stiel schwankt, dank dessen entsteht der Eindruck, dass Sie ein lebendes Feuer einer kleinen Blüte sehen Fackel der Gloriosa 3-4 Monate hintereinander. Blütenstände halten nicht lange an, aber jeder Trieb produziert bis zu 7 Blätter.

Gloriosa-Blüten sind mit einer anmutigen Ranke gekrönt, die hilft, die Stütze festzuhalten

Die prächtige Gloriosa ist eine Blume, die in der Afrikanischen Republik Simbabwe und in der indischen Provinz Tamil Nadu zum Symbol geworden ist. Dort nennt man es eine Flammenblume.

Die tropische Liana Gloriosa, die in unsere Häuser und Wohnungen gezogen war, änderte ihre Gewohnheiten nicht. Sie liebt immer noch feuchte und warme Luft, hell liebt Licht. Eine feurige Lilie kommt also nicht ohne einen Floristen der Aufmerksamkeit aus. Es ist aber nicht schwer, sich um die Pflanze zu kümmern. Darüber hinaus ist nicht das ganze Jahr über Pflege erforderlich. Im Winter gibt sich Gloriosa eine Pause. Sie hält nicht nur Winterschlaf, sondern versteckt sich vollständig in ihrem Topf.

Gloriosa wird angebaut und geschnitten, seine Blüten sehen in einem Blumenstrauß großartig aus

Aber wenn es in Ihrem Haus keine Bewohner gibt, die die Blätter oder Blüten von Gloriosa essen können, können Sie diese ursprüngliche Pflanze züchten. Ihre flammende Lilie wird Sie schließlich verherrlichen können. Floristen aus der lateinischen Sprache "Gloria" übersetzen Ruhm als.

Gloriosa luxuriöse und andere Verwandte

Diese Blume weckt die Fantasie

Gloriosa inspiriert die besten Juweliere. Es ist bekannt, dass die Schmuckkollektion von Königin Elizabeth II. Von Großbritannien eine goldene Diamantform in einer Gloriosa-Blumenbrosche hat.

    Gloriosa ist luxuriös, sie ist großartig, es ist kein Zufall, dass sie solche Beinamen erhalten hat. zwei Meter Diese Liane indischen Ursprungs hat üppiges Grün und luxuriöse Blumen. Sie blühen abwechselnd 3-4 Monate von Frühsommer bis September. ca. Blüten 10 cm groß, die Außenseite der Blütenblätter ist lila-rosa, die Innenseite rot-gelb. Der Rand der Blütenblätter ist gewellt, die Spitzen sind von der Mitte nach oben gebogen, aus denen grünliche Staubblätter hervorgehen. Sie sind fast horizontal. Während des Wachstums kann sich die Farbe der Blume ändern. Eine Unterart der luxuriösen Gloriosa - gelbe Lutea Gloriosa. Es ist eine Miniaturrebe mit gelb-zitronigen Blüten. Sie haben stark gewellte Gloriosa. Rothschild-Blütenblätter in freier Wildbahn wachsen im Süden Afrikas. Diese Rebe ist schmaler und länger als die Blätter des indischen Verwandten. Und die Blüten sind burgunderrot in farbigen, purpurroten Tönen in der Mitte und gelb reich am Rand. Die Blütenblätter sind stark gewellt. Citrin Gloriosa ist die beliebteste Rothschild-Sorte. Es ist groß mit Lianenblüten von zarter zitronengelber Mitte, die Farbe ist mit roten Flecken verziert. Gloriosa Grena luxuriös ist neugierig, weil die Sonnenblätter der gelben Blüten nicht wellig, sondern absolut gleichmäßig sind. Sie ähneln einer herabhängenden Lilie, die ihren Stiel in die Blütenblätter verwandelt hat. Gloriosa simple wächst zu eineinhalb Lianen. Große Blüten blühen meterweit, am Rand des Mains leicht gleichmäßig, gebogen oder leicht gewellt. Die Blütenblätter sind grünlich-gelb, die Mitte ist rosa-rot. Gloriosa Carsoni (Carsona) - nicht sehr lange Liane, sie wächst maximal 1,5 Meter. Die Blütenblätter in der Mitte sind lila mit einem bräunlichen Farbton, die Ränder sind gelb, weich und leicht gewellt. Gloriosa Modesta tropisch aus südafrikanischen Wäldern und kommt in der Indoor-Blumenzucht selten vor. Es ist eine kurze Liane mit orange-gelben Blüten, ähnlich wie Glocken. Sie haben nicht die charakteristische Biegung der Blütenblätter.

Pflanzen ziehen uns mit ihrem Aussehen an. Probieren Sie es aus, egal ob Sie schöne Blumen schnuppern oder zupfen möchten. Früchte denken daran, dass Pflanzen häufig giftig und gesundheitsschädlich sind.

Sie haben kaum von einer solchen Pflanze wie einem Gebetsabrus (Abrus Precatorius) gehört, da ihr bemerkenswertester Teil die leuchtend kleinen roten Samen sind, die häufig im Schmuck- und Werkzeugbau verwendet werden.

Die Frucht ist ascheartig, schwarz wie eine Olive. Der Extrakt aus den Zweigen wurde durch Benetzen der Pfeilspitzen aufgetragen.

Aschesäulen (Burning Bush) ist eine Art mehrjähriger krautiger Pflanzen der Gattung (Dictamnus) der Familie Rutaceae (Rutaceae). hoch Ausreichend krautige Pflanze (bis zu 70 cm).

Weiße Asche (Dictamnus. Lat albus) hat andere russische Wildtiere - die Namen Sternanis, Volkana, Esche, schlecht.

Sosnovsky Hogweed (Heracleum sosnowskyi). In freier Wildbahn wachsen in Ländern Afrikas, Asiens, Europas und Amerikas etwa siebzig verschiedene Arten von Vogelmiere. Es handelt sich um eine mehrjährige Pflanze aus Vogelmiere mit Stielen, die eine Höhe von bis zu vier Metern erreichen kann. Der lateinische Name "Heracleum" wurde der Pflanze zu Ehren von Herkules, dem Helden der antiken griechischen Mythen, für ihre schnelle Wachstumsfähigkeit, gigantische Größe und ihr sehr kraftvolles Aussehen gegeben. Sie können "Heracleum" als "Hercules Herb" übersetzen.

Als Kulturpflanze war die Rizinusbohne Ricinus (common communis) aus der Familie der Euphorbiaceae oder Euphorbiaceae (Euphorbiaceae) auch in tiefen Samen bekannt: Ihre Antike wurde in den Gräbern ägyptischer Informationen gefunden. Pharaonen über sie finden sich in vielen literarischen alten Quellen der Griechen, Ägypter, Römer und Araber. Pflanze In der Bibel erwähnt. Rizinusbohnenbilder schmückten Tempelwände in Theben.

Im 1. Jahrhundert v. e. Der römische Wissenschaftler Plinius beschrieb die Eigenschaften dieser Pflanze und nannte den Zaubernden "sein", was übersetzt "Milbe" bedeutet, da die Samen diesem Insekt ähnlich sind. Daher stammt der Name der generischen Rizinusölanlage. In Europa trat das Interesse an Rizinusöl erst Ende des 18. Jahrhunderts auf, nachdem die Briten Samen aus ihren südlichen Kolonien nach London gebracht hatten. Rizinus-Samen enthalten eine giftige Substanz - Ricin, die während der industriellen Produktion nicht zu Öl wird. In Rizinusbohnen sind nicht nur Früchte wirksam, sondern auch Blütenstände - kugelförmige Kapseln mit kurzer Dicke oder Dornen ohne sie. Sie reifen im Inneren. September-Kapseln - kleine ungenießbare Samen mit grauen mosaikblauen Flecken auf dunklem Hintergrund. Die Samen in den Körnern enthalten durchschnittlich 65-75% des wertvollen Rizinusöls, aber sie enthalten Öle und ein giftiges Protein - Ricin.

Stramonium Datura L. - Stechapfel stinkt oder gewöhnlich (stark giftige Pflanze). Der bekannte Wissenschaftler Avicenna befasste sich mit der Untersuchung der Eigenschaften von Dope. Darüber haben wir die Möglichkeit, seinen "Medical Canon" zu beurteilen. In der Wissenschaft stellte der Autor fest, dass Dope "schädlich und berauschend für das Gehirn ist".

Der lateinische Name Datura stammt aus arabischen und persischen Wörtern und bedeutet "stachelige Frucht". Der Artname Stramonium bedeutet "zeigt" und den stinkenden Geruch der frischen Blätter dieser Pflanze. Die frische Pflanze stößt einen schwachen berauschenden und unangenehmen Geruch aus. Die stärksten Halluzinationen, Orientierungslosigkeit und Gedächtnis im Weltraum werden durch Alkaloide verursacht, die in der Zusammensetzung der Samen und Kapseln enthalten sind. Aber alles wird gut, du kannst sie nicht kauen.

Eine Pflanzengattung aus der Familie der Solanaceae. Art der zugewiesenen Stechapfel. Dazu gehören kleine Sträucher und Bäume.

Die Gattung ist nach dem niederländischen Botaniker Sebald Justinus Brygmans benannt. Die Gattung zählt 10 It. Spezies ist eine sehr spektakuläre Pflanze mit großen Blüten, schön, die sich um ein berauschendes Aroma ausbreiten. Brugmansia ist thermophil, es wächst und blüht fast das ganze Jahr über ohne Unterbrechung! In der Literatur wird die Pflanze auch von vielen unter anderen Namen erwähnt: Englisch. Stechapfelbaum (Stechapfelbaum, Woody Dope), dt. Trompete Engel (Engelstrompeten), dt. Baum des Bösen der Adler, Brügge.

Die Blüten sind überwiegend weiß, aber in einigen, wie der großblättrigen Hortensie (Hydrangea macrophylla), können sie blau, rot, rosa und lila sein.

Die Blätter und Hortensienblüten sind extrem giftig, sie enthalten eine Mischung, die Cyanidionen enthält, die sich manifestieren, wenn sie mit Wasser oder Speichel in Kontakt kommen.

Rhododendren und Magnolien, Hortensien und Glyzinien, Dieffenbachien und Amaryllis ziehen mit ihrer Schönheit an. Aber denken Sie daran, dass sie alle giftig sind und bewundern Sie sie einfach.

Seit jeher hat der Mensch sein Zuhause mit dekorativen dekoriert, die die Augen mit Pflanzen erfreuen, die Luft reinigen und die dekorative Funktion erfüllen. Heute möchte ich wichtige Informationen mit lieben Lesern teilen.

In den letzten Jahren haben exotische Innenkulturen (dekorative Blüte, Laub, Sukkulente usw.), die mit ihren ungewöhnlichen Formen und ihrer eleganten Schönheit die Fantasie in Erstaunen versetzen, große Popularität erlangt. Aber es ist nicht jedem bekannt, dass die meisten von ihnen giftig sind! Potenzial gleich Welche Bedrohung für die menschliche Gesundheit und Tiere tragen grüne Haustiere? Welche giftigen Pflanzen in Innenräumen: Fotos und Namen?

Bevor Sie ein Haus zu einer anderen exotischen Pflanze bringen, sollten Sie nur die Besonderheiten der Pflege nicht sorgfältig untersuchen, sondern auch die Berater fragen oder im Nachschlagewerk lesen, welche chemischen Verbindungen in verschiedenen Teilen der Pflanze vorhanden sind (Knollen, Zwiebeln, Stängel, Samen, Früchte, Stiele, milchiger Saft). Ich mache Sie auf eine Liste der Arten der wichtigsten "giftigen" Innenräume aufmerksam.


Zimmerpflanzen | Lieferung nach London

Einführung

Die Eigenschaften der Landbedeckungsstruktur und ihre räumlichen Veränderungen sind mit verschiedenen pflanzlichen Prozessen verbunden, wie z. B. Strahlungsabsorption, Pflanzenwasserhaushalt, Abfangen von Niederschlägen und photosynthetische Aktivität (Harley und Baldocchi, 1995). Kuppelstruktur- und biochemische Variablen werden häufig als Einschränkungen für die Modellierung von Wechselwirkungen zwischen der Erdoberfläche und der Atmosphäre verwendet (Sellers et al., 1997). Darüber hinaus hängen viele Studien, die die Auswirkungen des Abfangens und der Übertragung von Licht auf den Artenwettbewerb, die Artenvielfalt, die Dynamik von Ökosystemen und Agrarökosystemen sowie die Holzproduktion untersucht haben, von der räumlichen Verteilung von Blättern und Zweigen ab (Pretzsch, 2009).

In der Pflanzenökologie und -physiologie sind zirkadiane Rhythmen Aktionen, die in einem Zyklus von etwa 24 Stunden aufgrund ökologisch vorteilhafter Anpassungen in Bezug auf Pflanzenphysiologie und Umwelt auftreten (Sadava et al. 2009). In diesem Zusammenhang werden die Muster des Wurzel- und Blattwachstums durch den zirkadianen Uhr- und Blattstärkestoffwechsel bestimmt (Ruts et al., 2012). Dieleaf-Bewegungen sind daher ein gut typisiertes Symbol der circadianen Uhr (Farré, 2012). Diese Bewegungen wurden lange Zeit intensiv untersucht (Barak et al., 2000). Die Forscher identifizierten zunächst zwei Gründe: die Betreiber dieser Schwankungen: den Wasserhaushalt von Pflanzen (Chapin et al., 2011) und den Photoperiodismus (Sysoeva et al., 2010), die mit der Schnelligkeit der photosynthetisch aktiven Strahlung in der Pflanze verbunden sind. Um das Abfangen von einfallendem Licht zu optimieren und thermische Belastungen zu vermeiden, wird der Blattwinkel angepasst (Medina et al., 1978 Ehleringer, 1998). Die Pflanzenvisualisierung zielt darauf ab, die Entwicklung, das Wachstum, die physiologischen und anderen phänotypischen Eigenschaften von Pflanzen durch eine Vielzahl präziser und automatisierter Prozesse zu analysieren und zu quantifizieren. Die vollständige Übersicht konzentriert sich auf die jüngsten Fortschritte bei der bildbasierten Pflanzenphänotypisierung mit hohem Durchsatz (Fahlgren et al., 2015). Obwohl viele Fortschritte gemeldet wurden, erfordern bildbasierte Techniken möglicherweise die Verwendung von Blitzlicht bei schlechten Lichtverhältnissen, während das Einrichten und / oder Verarbeiten einige Anstrengungen erfordert, um 3D-Ergebnisse manuell oder automatisch zu erzeugen.

TLiDAR hat sich als vielversprechendes Werkzeug zur schnellen Messung der 3D-Vegetationsstruktur auf Standortebene mit hoher räumlicher Auflösung und Millimetergenauigkeit herausgestellt (Dassot et al., 2010). Light Detection and Ranging (LiDAR) ist eine aktive Fernerkundungstechnik, die Entfernungen genau misst, indem Laserenergie übertragen und die Ankunftszeit der zurückgegebenen Energie bestimmt wird. Als aktive Technik ist sie praktisch unempfindlich gegenüber sich ändernden Umgebungslichtbedingungen und in der Lage Daten auch ohne Licht erfassen ... TLiDAR-Daten werden häufig in technischen Anwendungen zur Überwachung morphologischer Veränderungen im Relief verwendet (Herrero-Huerta et al., 2016). Das Interesse an TLiDAR für Landbedeckungsmessungen begann im letzten Jahrzehnt in der Forstwirtschaft (van Leeuwen und Disney, 2018) und (Thies und Spiecker, 2004). Kürzlich haben Raumonen et al. Ein vollautomatischer Ansatz zur strukturellen Modellierung von Bäumen auf Graphenebene wurde vorgeschlagen (2013). Zirkadiane Rhythmen in der Baumgeometrie können mit TLiDAR im Freien im Millimeterbereich und mit einer Zeitauflösung von weniger als einer Stunde genau verfolgt werden (Puttonen et al., 2016). Dornbusch et al. Zur Analyse der zirkadianen Bewegungen und des rhythmischen Wachstums von Blättern von Arabidopsis-Rosetten mit einem Nahinfrarot-Laserscanner (Dornbusch et al., 2014). Zu diesem Zweck haben Paulus et al. Es wurden kostengünstige 3D-Rendering-Tools verwendet. (2014) und auf die metrische Qualität der geschätzten Pflanzengeometrie bewertet. Zusammenfassend lässt sich sagen, dass TLiDAR das Potenzial hat, die Vegetationsgeometrie auf verschiedenen Skalenebenen zu überwachen. Darüber hinaus kann das Scannen im Freien durchgeführt werden, ist unempfindlich gegenüber verschiedenen Lichtverhältnissen und kann mit einer Zeitauflösung von bis zu mehreren Minuten betrieben werden. Der Scanmechanismus basiert auf einem schnell rotierenden polygonalen polygonalen Spiegel, sodass nur eine geringe Wirkung auf die Pflanzen übertragen wird. Als Nachteil können Punktwolken keine direkten biochemischen Parameter von Pflanzen liefern, wie dies bei hyperspektralen und thermisch fluoreszierenden Bildern von Chlorophyll der Fall ist (Fiorani und Schurr, 2013). Andererseits erfordert die bildbasierte 3D-Modellierung einen erheblichen Nachbearbeitungsaufwand. während TLiDAR höhere Kosten erfordert.

Ziel dieser Studie ist es zu zeigen, wie TLIDAR Pflanzenbewegungen effektiv erfassen und parametrisieren kann. Im Allgemeinen wird das Sammeln von Daten mit TLIDAR als relativ einfach angesehen. Es fehlt jedoch immer noch an Methodik und zugehörigem Softwaretool, um geometrische Parameter automatisch aus einer Stichprobe von Punktwolkendaten von sich bewegenden Pflanzen zu extrahieren. Ziel dieser Studie ist es daher, eine phänotypische Pipeline zur automatischen Erfassung der Blattbewegung in Zimmerpflanzen über TLiDAR vorzuschlagen.

Die Arbeit ist wie folgt organisiert: Nach dieser kurzen Einführung wird die vorgeschlagene Methodik im Abschnitt Methodik beschrieben. Weitere Ergebnisse und Diskussionen werden im Abschnitt Experimentelle Ergebnisse bzw. Diskussion vorgestellt. Schließlich werden die Schlussfolgerungen gezogen.

Methodik

Versuchsaufbau

Ein Experiment wurde mit der Art des Unterholzes durchgeführt Calathea roseopicta (Linden) Regel, heimisch im tropischen Amerika, mit rosettenförmigen Grundblättern, aufgrund des Foto- und Thermotropismus der meisten tropischen Pflanzen, Calathea öffnet seine Blätter und bewegt das gesamte System einschließlich des Rumpfes in Richtung Licht, um die Oberfläche für die Absorption von Sonnenlicht zu optimieren. Während der Dunkelperiode (Nacht) kräuseln sich die Blätter und minimieren die Oberfläche, um ein Abkühlen der Pflanze zu verhindern. Daher eignet sich diese Art zur Überwachung der komplexen räumlichen Bewegung des Stamm-Blatt-Systems. Es erfordert eine Mindesttemperatur von 16 ° C, daher wird es normalerweise in gemäßigten Systemen in Innenräumen gelagert, und seine nicht verholzten Gewebe ermöglichen Weichgewebe, das für Bodenwasser und Licht anfällig ist (Chao-ying, 2009). Es wurden zwei Pflanzen getestet, die in einen 850 cm³ PVC-Behälter gepflanzt wurden, der mit einem sandigen Substrat mit einem hohen organischen Gehalt gefüllt war. Während der Messungen hatte die untersuchte Pflanze Nr. 1 eine durchschnittliche Höhe

31 cm, während Pflanze Nr. 2 hatte

29 cm, wie in Abbildung 1 gezeigt.

Bild 1 .Bild Calathea roseopicta Anlage 2.

Das Experiment wurde im Dezember 2016 durchgeführt. Die Lufttemperatur (° C) und die relative Luftfeuchtigkeit (%) wurden während des Probenahmezeitraums unter Verwendung der Wetterstation HOBO U30-NRC in Probenahmeintervallen von 5 Minuten kontinuierlich überwacht. Die Beleuchtungsbedingungen wurden während des Experiments unter Verwendung der LuxMeterPro Advanced-Anwendung von AM PowerSoftware mit einer Genauigkeit von 12 Lux bei einer Entfernungsschätzung der Blattbewegung gemessen

Ausreißer entfernen

Eine Pflanzenpunktwolkenprobe kann aus verschiedenen Gründen Ausreißer und verrauschte Punkte enthalten, z. B. Rückstreuung durch Interferenz (Thies und Spiecker, 2004). Solche Punkte werden nicht als Proben der tatsächlichen Pflanze betrachtet, und der erste Schritt besteht darin, sie aus der Punktwolke herauszufiltern. Um einzelne isolierte Punkte oder Cluster von mehreren Punkten zu entfernen, wird die statistische Entfernungsanalyse wie folgt durchgeführt: Zunächst wurden alle Punkte besucht. Für jeden Abfragepunkt werden alle benachbarten Punkte innerhalb eines vorgegebenen Abstands bestimmt und alle Abstände vom Abfragepunkt zu diesen Punkten bestimmt. Nach dem Besuch aller Punkte der Mittelwert und die Standardabweichung dieser Abstände (d¯ und σ d beziehungsweise). Ferner ist der Schwellenwert ( L. d) ist definiert als:

wo p ist das Konfidenzniveau, ausgedrückt als kritischer Wert für die Standardkurve mit normaler Dichte (Palnick, 2014).

Wieder wurden alle Punkte besucht. Für einen bestimmten Punkt, wenn seine durchschnittliche Entfernung zum Nachbarn k überschreitet L. dwird es als Ausreißer markiert und entfernt (Rusu et al., 2008). Diese Methode ist schnell genug, wenn die Punkte in einer oktraähnlichen Datenstruktur organisiert sind.

Punktkartenberechnung und Abweichungsberechnung

Scans werden durchgeführt, ohne den TLiDAR während der Abtastperioden zu bewegen. Es kann jedoch nicht garantiert werden, dass zu unterschiedlichen Zeiten aufgenommene Scans vollständig ausgerichtet sind. Daher wird die Registrierung oder Ausrichtung von 3D-Punktwolken mit 7 externen sphärischen Zielen mit einem Durchmesser von 10 cm von Leica © überprüft. Dieser Registrierungsschritt wertet die Volumentransformation aus (nur Verschiebungen und Rotationen können auf Punktwolken angewendet werden). Der iterative Nearest-Point-Algorithmus von Besla und McKay (1992) wird verwendet, um einen vernachlässigbaren mittleren absoluten Fehler unter Zielen aus Mehrzeitdatensätzen zu erhalten.

Danach werden alle Punktwolken mithilfe eines gemeinsamen Begrenzungsrahmens abgeschnitten. In diesem Stadium ist das Erkennen der Entsprechung zwischen den Punktwolken für die Berechnung von Pflanzenbewegungen als Offsets zwischen mehrzeitigen Datensätzen unerlässlich. Daher werden die ersten Unterschiede zwischen Wolken zwischen aufeinanderfolgenden TLiDAR-Datensätzen unter Verwendung eines auf Fasen basierenden Ansatzes berechnet, der eine Octree-Organisation verwendet (Akmal Butt und Maragos, 1998). Zweitens werden die in diesem ersten Schritt erhaltenen Entfernungsstatistiken verwendet, um die Offsets zu verfeinern. Ein genauerer Abstand von Wolke zu Wolke zwischen zwei mehrzeitigen Punktwolken wird abgeleitet, indem ein lokales Approximationsmodell auf eine Referenzwolke mit einer quadratischen Oberfläche angewendet wird. Dies führt zu einer Karte der Verschiebungsabweichungen zwischen Punktwolken, die die Koordinaten genau definiert und die Pflanze quantifiziert Bewegungen.

Segmentierung in einzelne Blätter

Änderungen der Blattorientierung im Laufe der Zeit werden aus Punktwolkendaten geschätzt. Zu diesem Zweck werden einzelne Pflanzenblätter aus Punktwolken unter Verwendung einer Segmentierungsmethode extrahiert, die auf der Organisation der Punktwolke in einer Octree-Struktur basiert, wie in Woo et al. (2002) vorgeschlagen.

Anfänglich werden Punktnormalen unter Verwendung der Delaunay-Triangulation geschätzt (Golias und Dutton, 1997). Ferner sind die dreidimensionalen Punkte in einer Octree-Struktur organisiert, wobei die lokalen Punktnormalen als Kriterium für die Aufteilung der Octree-Zelle verwendet werden: Wenn die Punkte in einer bestimmten Tiefe des Octree die gleichen Normalen haben, endet die Unterteilung, andernfalls endet sie wird die Octree-Zelle geteilt. Dieser Vorgang wird wiederholt, bis sich die Normalen in einer bestimmten Tiefe stabilisiert haben oder die maximale Octree-Tiefe erreicht ist. Nach Abschluss der Trennung werden benachbarte Zellen mit derselben Ausrichtung in einem Bottom-up-Verfahren zusammengeführt. Zunächst werden Zellen mit einer großen Anzahl von Normalen einfach entfernt. Dieses Verhalten kann beispielsweise an den Blatträndern auftreten. Dann wird eine optimal flache Zelle als Anfangszelle ausgewählt und eine benachbarte Zelle wird unter dem Homogenitätskriterium hinzugefügt. Wenn ein solches Segment abgeschlossen ist, wird ein neuer Startwert ausgewählt und der Vorgang unter Verwendung der verbleibenden Zellen wiederholt. Die Standardabweichung der Normalenvektoren in der Zelle wird als Kriterium für die Homogenität herangezogen. Nach Abschluss dieses Vorgangs wird die Punktwolke unter Berücksichtigung der erhaltenen Segmente automatisch in bestimmte Bereiche unterteilt. Mit dem entsprechenden Kriteriumswert können Sie die Methode so konfigurieren, dass die resultierenden Segmente einzelnen Blättern entsprechen.

Der letzte Schritt ist das Abgleichen der einzelnen Blätter, was schwierig ist, da sich die einzelnen Blätter zwischen verschiedenen Datenabrufen bewegen und neu formen. Die automatische Co-Registrierung jedes Segments der Endpunktwolke erfolgt durch kleinste Quadrate überlappender Oberflächen (3D-Oberflächenabbildung mit kleinsten Quadraten). Die Parameter für die Umwandlung einer 3D-Vergleichsfläche (Blattsegment nach Bewegung) in eine 3D-Referenzfläche (Blattsegment vor Bewegung) werden durch das sogenannte verallgemeinerte Gauß-Markov-Modell angenähert, das auf der Minimierung der quadratischen Summe der euklidischen Abstände zwischen Flächen ( Gruen und Akca, 2008).

Blatt Normalberechnung

Nachdem die Blätter segmentiert wurden, wird die Blattorientierung durch die Normalen der Blätter angenähert. Zu diesem Zweck wird die Hauptkomponentenanalyse (PCA) verwendet (Weinmann et al., 2014). Diese statistische Analyse verwendet das erste und zweite Moment der Punkte und erzeugt drei orthogonale Vektoren, die im Schwerpunkt der Punktwolke zentriert sind. PCA synthetisiert die Verteilung von Punkten in drei Dimensionen und simuliert daher die Hauptrichtungen und Größen von Änderungen in der Verteilung von Punkten um den Schwerpunkt.

Koordinaten x ich, y ich und z ich für jeden Punkt ich = 1, ... k von der Punktwolke jedes Blattes wird es betrachtet. Die Kovarianzmatrix (Σ) (2) jeder Finite-Punkt-Wolke ( X. ) ist definiert als:

Σ = (Х-Х) Т (Х-Х) к = (σx2 σxy σxzσxy σy2 σyzσxz σyz σz2) (2)

wobei (σx2, σy2, σz2) die Varianzen der Koordinatenrichtungen sind und die Elemente außerhalb der Hauptdiagonale Σ die Kovarianz sind k Kopien des Mittelwerts von drei Koordinaten der Blattpunktwolke ( X. ). Die Hauptblattnorm ist der dritte Eigenvektor Σ (Jolliffe, 2002).

Orientierungsvariation berechnen

Die Änderung der Ausrichtung jedes Blattes wird in einem sphärischen Koordinatensystem charakterisiert, indem die Änderung als sphärischer Azimut (θ) (Aspekt) und Höhe (Φ) (Hyponastie) definiert wird. Aus diesem Grund werden zunächst die Normalen zu unterschiedlichen Zeiten von jedem Blatt abgezogen, immer in zeitlicher Reihenfolge in Bezug auf die erste Epoche. Diese Winkel werden aus dem Vektor der Normalendifferenz abgeleitet (x, y, z) werden wie folgt berechnet:

Abbildung 2 zeigt, wie eine Orientierungsänderungsberechnung durchgeführt wird.

Figur 2 ... Berechnung der Orientierungsänderung jedes Blattes über die Zeit.

Volumenvariationen von Canopy Mesh

Die Laubform der gesamten Pflanze kann helfen, den Strahlungsmodus und die Struktur des Baldachins zu verstehen. Einmalige Scans ergeben jedoch aufgrund des Einweg-Sichtfelds von TLiDAR nur eine teilweise Punktwolke. In diesem Abschnitt wird erläutert, wie Sie die Änderung des Kuppelvolumens aus einer Punktwolke einer Pflanze quantifizieren.

Der Ansatz wird durch die 3D-Pflanzenmodellierung unter Verwendung der 3D-Delaunay-Triangulation (Golias und Dutton, 1997) unterstützt, die zuvor für die Blattsegmentierung verwendet wurde (Abschnitt Segmentierung in einzelnen Blättern). Das Ergebnis ist ein 3D-Netz. Eine zusätzliche Filterphase ist erforderlich, um ein realitätsnahes Modell des Baldachins zu erhalten, das die in Attene (2008) gezeigte Näherung verwendet, die mehrere Glättungsoperatoren umfasst, um Netzprobleme wie Löcher und verschiedene Arten von Rauschen zu beseitigen (Fan et al., 2008).

Sobald das Kuppelnetz fixiert ist, wird seine Form durch eine dreidimensionale konvexe Hülle angenähert (Barber et al., 1996). Der konvexe Körper wurde aufgrund seiner Fähigkeit ausgewählt, einen wirksamen Bereich zu umfassen, der möglicherweise mit einer Auroralabsorption verbunden sein könnte. Alternativ kann in Zukunft eine Alpha-Näherung des Körpers verwendet werden, die mehr Flexibilität bei der Bewertung der Form des Baldachins der Pflanze durch Änderung des Alpha-Koeffizienten ermöglicht.

Da ein einzelner Scan nur Teilpunktwolken liefert, wird die Wiederherstellung der weniger gut sichtbaren Rückseite durch Symmetrie erreicht. Daher wird die Symmetrieachse durch ein 180 ° -Sichtfeld aus dem Datensatz geschätzt. Schließlich wird eine Kuppelform erhalten, die eine direkte Abschätzung des Volumens und von Änderungen über die Zeit ermöglicht.

Experimentelle Ergebnisse und Diskussion

Sonnenaufgangs- und Sonnenuntergangszeiten während des Experiments waren gleich. Daher sind die Probenahmezeiträume vergleichbar. Das Wachstumsmedium wurde gut bewässert, um den Effekt des Mangels an Wurzelwasser zu verringern. Die Raumtemperatur blieb während des Probenahmezeitraums konstant, jedoch variierte die relative Luftfeuchtigkeit zwischen den Tests A und B (Tabelle 2). Diese Änderung der Feuchtigkeit könnte zu Stress oder zu mehr Wasserbewegung in den Pflanzen in Test B führen.

Tabelle 2 ... Innenraumbedingungen während der Tests A und B [Sonnenaufgangs- und Sonnenuntergangszeiten sind in GMT (+1) angegeben].

Die Scan-Vorverarbeitungseinstellungen für die Rauschentfernung (Abschnitt Entfernen von Ausreißern) aus den Daten wurden auf die Größe der Nachbarschaft 1 eingestellt. Der Durchmesser der Kugel beträgt 6 cm. Die Bewegung der Blätter der Pflanze 1 von C. roseopicta Dies ist in Abbildung 3 dargestellt, indem ein um 7:00 Uhr aufgenommener Scan mit einem um 12:30 Uhr aufgenommenen Scan überlagert wird. während Test A (Abbildung 3A) und durch Berechnung der Abweichungskarte von der verglichenen Punktwolke (um 12:30 Uhr) zur Kontrollpunktwolke (um 7:00 Uhr) (Abbildung 3B), wie im Abschnitt „Punktwolkenregistrierung“ erläutert und Kartenberechnungsabweichungen ". Dieses Zeitintervall wurde gewählt, weil während dieser Zeit die größte Bewegung in Bezug auf die Blattverschiebung auftrat. Weitere Schätzungen können von diesem Produkt erhalten werden. Beispielsweise tritt die maximale Verschiebung von 7,92 cm zwischen zwei Scans auf Blatt Nr. 7 auf. Die durchschnittliche Verfahrstrecke dieses Blattes beträgt 3,67 cm.

Figur 3 ... Scans um 7.00 und 12.30 Uhr. Pflanzen 1 während Test A: überlagert (7:00 Uhr in Schwarz und 12:30 Uhr in Grün) (ABER) und Abweichungskarte (IM) .

Um die Segmentierungsmethode zum Extrahieren einzelner Blätter anzuwenden, müssen einige Parameter festgelegt werden, insbesondere die minimale Voxelgröße und die Anzahl der Iterationen. Diese Parameter wurden auf 1,8 cm bzw. 5 Iterationen festgelegt. Zusätzlich wurde die Standardabweichung der Punktnormalen in der Zelle als Toleranz für nachfolgende Unterteilungen auf 6 cm festgelegt. Um eine Übereinstimmung der kleinsten Quadrate für die individuelle Blattübereinstimmung zwischen Mehrfachdatensätzen durchzuführen, wurde der Schwellenwert für das Iterationskriterium auf 3,8 cm festgelegt. Als Ergebnis wurden 9 Blätter von Pflanze 1 und 11 Blätter von Pflanze 2 in allen Scans erkannt. 4 zeigt einzelne Blätter, die aus beiden Pflanzen um 7:00 Uhr morgens (Test A) in verschiedenen Farben extrahiert wurden, wobei die Normalen in Rot durch die PCA erhalten wurden. Die Emissionen sind dunkelblau gefärbt.

Figur 4 ... Einzelne Blätter einer Pflanze 1 (EIN) und Pflanzen 2 (B) extrahiert durch Octree-basierte Segmentierung (Blätter unterschiedlicher Farben) und sequentielle Orientierungsbewertung durch PCA (normaler roter Vektor jedes Blattes).

Die erreichte Gesamtgenauigkeit wurde durch Vergleich mit der manuellen Blattsegmentierung analysiert, indem jedes Blatt als Zielklasse und für jeden Punkt gezählt wurde. Es kann festgestellt werden, ob es in die richtige Klasse eingestuft ist. Die Ergebnisse sind verwirrt (nicht gezeigt) (Sasidharan et al., 2010). Die resultierende Gesamtgenauigkeit betrug 93,57% für Pflanze 1 und 87,34% für Pflanze 2. Die Morphologie der Pflanzenarten ermöglicht die Verwendung der vorgeschlagenen automatischen Segmentierungstechnik, da Blätter und Stängel unterschiedliche Orientierungen aufweisen. Sobald einzelne Blätter erhalten wurden, wird die Variabilität in der Orientierung jedes Blattes entlang der Probentests bewertet. 5 zeigt die Änderung der Blattorientierung von Pflanze 1 während Test A (5A) und während Test B (5B). Diese Variationen gingen erstmals von 7.00 bis 12.30 Uhr ein. (Pfeilanfang) und weiter von 12:30 bis 18:00 Uhr. (Pfeilende). Diese Intervalle wurden gewählt, weil in diesen Intervallen mehr Verkehr herrschte. Azimutänderungen werden auf der Achse dargestellt x , während sich der vertikale Winkel ändert, liegt er auf der Achse x (beide in hexadezimalen Grad) basierend auf der normalen Richtung jedes durch PCA erhaltenen Blattes. Die Farbe jeder Flugbahn entspricht der Farbe in Abbildung 1. Unterschiedliche Lichtverhältnisse entsprechen eindeutig unterschiedlichen Fahrtrichtungen. Die Orientierungsänderung im Dunkeln (Fig. 5B) ist geringer als bei natürlichem Licht (Fig. 5A).

Abbildung 5 ... Bewegungsmuster von einzelnen Blättern der Pflanze 1 basierend auf der Änderung der Winkelorientierung während der Probenahmezeiträume: während des Tests A. (EIN) und während des Tests B. (B) [Änderungen des Azimuts auf der x-Achse und Änderungen des vertikalen Winkels auf der y-Achse von 7.00:00 bis 12.30 Uhr (Pfeilanfang) und 12.30 Uhr. bis 18.00 Uhr (Ende des Pfeils).

Die Ergebnisse der Orientierungsänderungen für Setup 2 sind in Tabelle 3 gezeigt. Eine ähnliche Größenordnung der Orientierungsänderung wird für Setup 1 während beider Tests erreicht.

Tisch 3 ... Ergebnisse der Orientierungsänderung von Pflanze 2 während der Tests A und B.

Aus den Ergebnissen der Scan-Analyse haben wir geschlossen, dass C. roseopicta Es gibt eine signifikante Bewegung der Blätter während heller und dunkler Perioden mit unterschiedlichen Mustern sowohl für Tests als auch für Pflanzen. Diese Art zeigt eine merkliche Bewegung zwischen den getesteten Lichtverhältnissen. Diese Bewegung der Blätter kann jedoch durch wachsende Proben junger Blätter beeinflusst werden (Puttonen et al ., 2016).

Blatt Nr. 1 aus Werk 1 bewegt sich beispielsweise unter beiden Lichtbedingungen in die gleiche Richtung, unter natürlichen Lichtbedingungen ist seine Bewegung jedoch größer. In beiden Situationen ist der Startpunkt derselbe: Dies bedeutet, dass die Winkeländerung zwischen 7.00 und 12.30 Uhr liegt. vergleichbar. Umgekehrt ist der Endpunkt tatsächlich anders (von 12.30 bis 18.00 Uhr). Eine mögliche Erklärung ist, dass die Bewegung dieses Blattes am Nachmittag mit dem Prozess der Photosynthese zusammenhängt, so dass die Bewegung der Blätter am Morgen weniger Einfluss auf das Sonnenlicht hat. Dies könnte wahrscheinlich auf die unterschiedlichen Transpirationsraten zurückzuführen sein, die Blatt Nr. 1 während des Tages erzeugt.

Die zeitliche Variation der Kuppel kann quantifiziert werden. Wie im Abschnitt „Volumenvariationen“ des Überdachungsnetzes beschrieben, wird die konvexe Hülle der gesamten Anlage aus der Punktwolke erstellt. Dieser Prozess ist in Abbildung 6 dargestellt, in der die Umformung von Anlage 2 während Test A um 12:30 Uhr dargestellt ist . (Abbildung 6A) und 18.00 Uhr. (Fig. 6B) kann klar als "Blattverschluss" definiert werden (Fig. 6C). Das Volumen der konvexen Hülle wurde analysiert, um Änderungen zu verschiedenen Zeiten zu extrahieren. Tabelle 4 charakterisiert diese Werte in den Morgen- und Nachmittagsstunden in den Tests A und B für die beiden untersuchten Pflanzen, was zeigt, dass die Änderung unter natürlichen Lichtbedingungen immer größer ist.

Abbildung 6 Wolken von Baldachinpunkten um 12:30 Uhr. (ABER) und um 18:00 Uhr. (B) während des Tests A ab Werk 1 zusammen mit seiner konvexen Schale, die je nach Gesicht, zu dem sie gehören, mit Linien zufälliger Farben gezeichnet wird. Beide konvexen Rümpfe überlagern sich, einer auf einer Linie und der andere auf einem Festkörper (C) .

Tabelle 4 ... Volumenanalyse einer Kuppel über einer konvexen Hülle.

Unsere Daten zeigen daher, dass die Lichtverhältnisse die Blattbewegung des Blattes beeinflussen, die durch Bewegungsmuster und Blattgeschwindigkeit gekennzeichnet ist. Als allgemeine Idee haben wir gesehen, dass sich die Blätter tagsüber öffneten und nachts schlossen (wobei sich der Höhenwinkel entlang änderte die Probenahmezeiträume), die eine Bewegung auf und ab verursachen, wie in früheren Studien angegeben (Manel et al., 2001).

Beachten Sie, dass die Blätter innerhalb der Pflanzen Schatten erzeugen können, die bestimmte Teile bedecken, sodass die resultierende 3D-Punktwolke der Pflanzenoberfläche normalerweise unvollständig ist. Um dieses Problem zu lösen, kann die individuelle Blattarchitektur unter Verwendung des bereits für Getreideblätter vorgeschlagenen Modells rekonstruiert werden (Dornbusch et al. 2012).

Die biologische Bedeutung von Diele-Blattbewegungen ist mit günstigen Bedingungen für den Energiebedarf, die Wasserverfügbarkeit und die Auxinreaktivität verbunden (Stitt und Zeeman, 2012). Dieser Vorschlag steht im Einklang mit der maximalen Bewegungsspitze und Orientierungsänderung am frühen Morgen. Darüber hinaus verfolgt der vertikale Blattwinkel normale tägliche Temperaturschwankungen mit einer Spitze am Ende des Tages. Bridge et al. (2013) fanden heraus, dass das Aufwärtsbewegen der Blätter für die Kühlung während der warmen täglichen Stunden von Vorteil ist und die Strahlungsmenge verringert, wenn sie die Kapazität der Photosynthese überschreitet.

Schlussfolgerungen

Dieser Artikel zeigt, wie TLiDAR verwendet werden kann, um die Bewegung von Pflanzen effizient und nicht-invasiv zu parametrisieren. Es wird eine Phänotypisierungsmethode vorgestellt, mit der die Blattbewegung von Pflanzen mithilfe von TLiDAR auch ohne Licht verfolgt werden kann. Wir zeigen, dass dieser Ansatz robust und rechnerisch einfach zu definieren ist und ein Werkzeug zur genauen Messung komplexer Stammsystembewegungen von Pflanzen mit hoher zeitlicher und räumlicher Auflösung bietet.

spp. Calathea roseopicta Dies zeigte unterschiedliche Blattbewegungen unter natürlichen Tageslicht- und Dunkelbedingungen, und Änderungen des Kuppelvolumens wurden unter Verwendung eines konvexen Rumpfansatzes analysiert. Im Dunkeln sind die Offsets kleiner und haben andere Ausrichtungen als bei natürlichen Lichtverhältnissen. Natürliche Bewegungen äußern sich darin, dass Blätter tagsüber geöffnet und nachts geschlossen werden, was auf die natürliche Lichtquelle hinweist (das Fenster in unserer Fallstudie). In Abwesenheit von Licht zeigte die Pflanze immer noch Versätze, jedoch mit einem anderen Muster und einer anderen Größe.

Niedrige relative Luftfeuchtigkeit während beider Probenahmezeiträume kann zu einer erhöhten Transpirationsrate geführt haben, was zu einer möglichen Blattbewegung während der Photosynthese führen kann. Als weitere Überlegung sollte die Wasserverfügbarkeit überwacht werden und das von der Pflanze empfangene Sonnenlicht sollte in alle Richtungen gleich sein Vergleichen Sie mehrere temporäre Datensätze sorgfältig.

Die Verwendung der TLiDAR-Technologie zur Bestimmung der Vegetationsbewegung stellt neue Herausforderungen dar, die mehr methodischen Fortschritt verdienen. Die vorgeschlagene Methodik kann bei der Durchführung biologischer Studien zum Wasseraustausch, zur Absorption von Sonnenlicht und anderen biogeochemischen Substanzen zwischen Pflanzen und der Atmosphäre hilfreich sein. Darüber hinaus werden diese Fortschritte die Wissensbarriere bei der objektiven Definition des Pflanzenverhaltens und sogar seiner Struktur und Funktion in einem Ökosystem überwinden, das derzeit noch wenig verstanden wird (Whippo und Hangarter, 2009). Darüber hinaus ist das Verhalten von Zimmerpflanzen mit Innenräumen verbunden Luftqualität, und diese Beziehung wird für weitere Forschung untersucht.

Beitrag des Autors

MH-H hat das Experiment entworfen, die Software erstellt, die Daten analysiert und die Daten analysiert. MH-H und RL haben den Artikel geschrieben. WG hat den Artikel bearbeitet. Alle Autoren haben das endgültige Manuskript gelesen und genehmigt.

Interessenkonflikterklärung

Die Autoren erklären, dass die Studie in Abwesenheit einer kommerziellen oder finanziellen Beziehung durchgeführt wurde, die als potenzieller Interessenkonflikt ausgelegt werden könnte.

Danksagung

Die Autoren möchten Cesar Jimenez-Rodriguez vom Department of Water Management und Jacinta Tia, eine Studentin der Technischen Universität Delft, für ihre Zusammenarbeit während der Pilotphase dieser Studie danken.

Fußnoten

Referenzen

Atene, M. (2008). Ein leichter Ansatz zur Wiederherstellung digitalisierter polygonaler Netze. Vis. Subtrahieren. 26, 1393 & ndash; 1406. doi: 10.1007 / s00371-010-0416-3

CrossRef Volltext | Google Scholar

Barak, S. Tobin E.M., Andronis S., Andronis S., Sugano S. und Green R.M. (2000). Alles rechtzeitig: die Arabidopsis der circadianen Uhr. Trends Plant Sci. 5, 517 & ndash; 522. doi: 10.1016 / S1360-1385 (00) 01785-4

PubMed Abstract | CrossRef Volltext | Google Scholar

C. B. Barber, D. P. Dobkin, H. Huhdanpaa (1996). Schneller Korpusalgorithmus für konvexe Rümpfe. ACM Trans. Mathematik Software 22, 469 & ndash; 483. doi: 10.1145 / 235815.235821

CrossRef Volltext | Google Scholar

Besl, P.J. und McKay, N. D. (1992). Eine Möglichkeit, dreidimensionale Formen zu entwerfen. Trans. Muster Anal. Mach. Intel. 14, 239 & ndash; 256. doi: 10.1109 / 34.121791

Bridge, L. J., Franklin, K. A. und Homer, M. E. (2013). Der Einfluss der Pflanzensprossarchitektur auf die Blattkühlung: ein Modell für Wärme- und Stoffaustausch. J. R. Soc. Schnittstelle 10: 0326.doi: 10.1098 / rsif.2013.0326

PubMed Abstract | CrossRef Volltext | Google Scholar

Chapin S., Matson, P.A. und Vitousek, P. (2011). Grundlagen der Ökologie des terrestrischen Ökosystems. Springer Science & Business Media.

Dassot, M., Constant, T. und Fournier, M. (2010). Die Verwendung der terrestrischen LiDAR-Technologie in forstwissenschaftlichen Anwendungen hat ihre Vorteile und Herausforderungen. Ann. Zum. Sci. 68, 959 & ndash; 974. doi: 10.1007 / s13595-011-0102-2

CrossRef Volltext | Google Scholar

Dornbusch T., Lorren S., Kusnezow D., Fortier A., ​​Liechti R., Xenarios I. et al. (2012). Die Messung des Tagesmusters von Hyponastie und Blattwachstum bei Arabidopsis ist ein neuer Ansatz zur Phänotypisierung mithilfe von Laserscanning. Optionen Plant Biol. 39.860-869. doi: 10.1071 / FP12018

CrossRef Volltext | Google Scholar

Dornbusch T., Michaud O., Xenarios I. und Funkhauser S. (2014). Das unterschiedlich abgestufte Blattwachstum und die Bewegung bei Arabidopsis hängen von einer koordinierten zirkadianen und Lichtregulation ab. Pflanzenzelle 26, 3911–3921.doi: 10.1105 / tpc.114.129031

PubMed Abstract | CrossRef Volltext | Google Scholar

Ehleringer, J.R. (1998). Änderungen der Blatteigenschaften von Arten entlang von Höhengradienten an der Vorderseite von Wasatch, Utah. am J. Bot. 75, 680 & ndash; 689. doi: 10.1002 / j.1537-2197.1988.tb13490.x

CrossRef Volltext | Google Scholar

Fahlgren, N., Gehan, M.A. und Baxter, I. (2015). Action-Kamera-Beleuchtung, hoher Durchsatz, Pflanzenphänotypisierung bereit für Nahaufnahmen. Curr. OPIN. Plant Biol. 24, 93–99. doi: 10.1016 / j.pbi.2015.02.006

PubMed Abstract | CrossRef Volltext | Google Scholar

Fan, Y. Z., Tam, B.S. und Zhou, J. (2008). Maximierung des Spektralradius einer ungerichteten Laplace-Matrix über bicyclische Graphen einer bestimmten Ordnung. Lin. Multilineare Algebra 56, 381 & ndash; 397. doi: 10.1080 / 03081080701306589

CrossRef Volltext | Google Scholar

Golias, N.A. und Dutton, R.W. (1997). Responsive Mesh Teil 2 Delaunay-Triangulation und Responsive 3D-Mesh-Generierung. Endliches Elem. Anal. Des. 25, 331–41. doi: 10.1016 / S0168-874X (96) 00054-6

CrossRef Volltext | Google Scholar

Gruen A. und Akca D. (2008). 3D-Oberfläche der kleinsten Quadrate und Anpassungskurve. J. Photogramm. Fernerkundung. 59, 151 & ndash; 174. doi: 10.1016 / j.isprsjprs.2005.02.006

CrossRef Volltext | Google Scholar

Harley P.C. und Baldocchi D.D. (1995). Skalierung des Austauschs von Kohlendioxid und Wasserdampf vom Blatt zum Baldachin in einem Laubwald I. Blattmodell der Parametrisierung. Plant Cell Environ. 18, 1146 & ndash; 1156. doi: 10.1111 / j.1365-3040.1995.tb00625.x

CrossRef Volltext | Google Scholar

Herrero-Huerta, M., Lindenberg, R., Ponsioen, L. und van Damme, M. (2016). Morphologische Veränderungen entlang des geneigten Abschnitts des Damms, die durch 4-dimensionales hochauflösendes bodengestütztes Laserscannen erhalten wurden. Int. Bogenphotogramm. Fernerkundung. Spat. Inf. Sci ... 41, 227 & ndash; 232. doi: 10.5194 / isprsarchives-XLI-B3-227-2016

Jolliffe, I. T. (Hrsg.). (2002). "Grafische Darstellung von Daten mit Hauptkomponenten", in Hauptkomponentenanalyse (New York, NY: Springer), 78-110.

Manel S., Williams H. C. und Ormerod S. J. (2001). Bewertung von An- und Abwesenheitsmustern in der Ökologie: die Notwendigkeit, die Prävalenz zu berücksichtigen. J. Appl. Ecol. 38, 921 & ndash; 931. doi: 10.1046 / j.1365-2664.2001.00647.x

CrossRef Volltext | Google Scholar

Medina, E. Sobrado M. und Herrera R. (1978). Blattorientierungswert für die Blatttemperatur in der Amazonas-Sklerophyll-Vegetation. Radiat. Environ. Biophys. 15, 131 & ndash; 140. doi: 10.1007 / BF01323262

PubMed Abstract | CrossRef Volltext | Google Scholar

Palnick, J. (2014). Flugzeugerkennung und -segmentierung für die DARPA Robotics Challenge. Doktorarbeit, Worcester Polytechnic Institute.

Paulus, C., Behmann, J., Mahlein, A. K., Plümer, L. und Kuhlmann, H. (2014). Preiswerte 3D-Systeme: die richtigen Werkzeuge für die Phänotypisierung von Pflanzen. Sensoren 14, 3001-3018. doi: 10.3390 / s140203001

PubMed Abstract | CrossRef Volltext | Google Scholar

Pretzsch, H. (Hrsg.). (2009). "Dynamik, Wachstum und Produktivität der Wälder", in Walddynamik, Wachstum und Produktivität von der Messung bis zum Modell (Berlin Heidelberg: Springer), 1–39.

E. Puttonen, C. Briese, G. Mandlburger, M. Wieser, M. Pfennigbauer, A. Zlinszky et al. (2016). Eine quantitative Bewertung der Nachtbewegungen von Birkenzweigen ( Betula pendula ) und Laub mit terrestrischem Laserscanning in kurzen Intervallen ... Vorderseite . Plant sci ... 7: 222.doi: 10.3389 / fpls.2016.00222

CrossRef Volltext | Google Scholar

Raumonen, P., Kaasalainen, M., Akerblom, M., Kaasalainen, S., Kaartinen, H., Vastaranta, M., et al. (2013). Schnelle automatische Präzisionsbaummodelle basierend auf Daten eines terrestrischen Laserscanners. Fernerkundung. 5, 491 & ndash; 520. doi: 10.3390 / rs5020491

CrossRef Volltext | Google Scholar

Rusu R. B., Marton Z. C., Blodow N., Dolha M. und Beetz M. (2008). Auf dem Weg zu 3D-Punktwolken-basierten Objektkarten für Wohnumgebungen. Roboter. Auton. Syst. J. 56 (927-941). doi: 10.1016 / j.robot.2008.08.005

CrossRef Volltext | Google Scholar

Roots T., Matsubara S., Wiese-Klinkenberg A. und Walter A. (2012). Aberrantes zeitliches Wachstumsmuster und Wurzel- und Sprossmorphologie, verursacht durch eine defekte zirkadiane Uhr in Arabidopsis thaliana . Pflanze J. ... 72, 154 & ndash; 161. doi: 10.1111 / j.1365-313X.2012.05073.x

PubMed Abstract | CrossRef Volltext | Google Scholar

Sadawa, D. E., Hillis, D. M., Heller, H. S. & Berenbaum, M. (2009). Leben: die Wissenschaft der Biologie ... New York, NY: W.H. Freeman & Co.

Sasidharan R., Chinnappa, C. C., Staal M., Elzenga, J. T. M., Yokoyama R., Nishitani K. et al. (2010). Die lichtvermittelte Qualität der Schädelverlängerung bei Arabidopsis während der Schattenvermeidung umfasst die Zellwandmodifikation mit Xyloglucan-Endotransglucosylase / Hydrolase. Plant Physiol. 154, 978 & ndash; 990. doi: 10.1104 / pp.110.162057

PubMed Abstract | CrossRef Volltext | Google Scholar

Verkäufer, P. J., Dickinson, R. E., Randall, D. A., Betts, A. K., Hall, F. G., Berry, J. A., et al. (1997). Modellierung des Austauschs von Energie, Wasser und Kohlenstoff zwischen Kontinenten und Atmosphäre. Die Wissenschaft 275, 502 & ndash; 509. doi: 10.1126 / science.275.5299.502

PubMed Abstract | CrossRef Volltext | Google Scholar

Sysoeva, M. I., Markovskaya E. F., Shibaeva T. G. (2010). Pflanzen unter konstantem Licht Überblick. Pflanzenstress 4, 5-17. doi: 10.1016 / j.tplants.2011.02.003

CrossRef Volltext | Google Scholar

Thies, M. und Spiecker, H. (2004). "Bewertung und Perspektiven des terrestrischen Laserscannings für standardisierte Waldinventare", in d. Materialien des Internationalen Archivs für Photogrammetrie, Fernerkundung und räumliche Informationswissenschaften Vol. 36, 192-197. Im Internet verfügbar unter http://www.isprs.org/proceedings/XXXVI/8-W2/THIES.pdf

van Leeuwen, M. und Disney, M. (2018). 3.08 Vegetationsstruktur (LiDAR) ... London, Großbritannien: Elsevier.

Vosselman G. und Maas H. G. (2010). Luft- und Bodenlaserscanning ... Boca Raton, Florida: CRC Press.

Weinmann, M., Jutzi B. und Mallet, C. (2014). Semantische 3D-Interpretation der Szene: Eine Struktur, die die Wahl der optimalen Größe der Nachbarschaft mit den entsprechenden Funktionen kombiniert. Ann. Photogrammetrisch.Fernerkundung. Spat. Inf. Sci. 2, 181 & ndash; 188. doi: 10.5194 / isprsannals-II-3-181-2014

CrossRef Volltext | Google Scholar

Whippo, C.W. und Hangarter, R.P. (2009). Die "sensationelle" Bewegungskraft in Pflanzen ist ein darwinistisches System zur Untersuchung der Verhaltensentwicklung. am J. Bot ... 96, 2115 & ndash; 2127. doi: 10.3732 / ajb.00

CrossRef Volltext | Google Scholar

Wu H., Kang E., Wang S. und Lee Lee K. H. (2002). Neue Segmentierungsmethode für Punktwolkendaten. Int. J. Mach. Werkzeugherstellung 42, 167 & ndash; 178. doi: 10.1016 / S0890-6955 (01) 00120-1


Schau das Video: RARE AROID HEAVEN! Plant Shop Tour at Kek Jekkie, Delft. Plant with Roos