Jul 18, 2023
Monitoreo óptico del estado de crecimiento de las plantas mediante polarimetría.
Scientific Reports volumen 12, Número de artículo: 21841 (2022) Cita este artículo 1426 Accesos 1 Detalles de Altmetric Metrics La polarimetría es una poderosa técnica de caracterización que utiliza una gran cantidad de
Scientific Reports volumen 12, número de artículo: 21841 (2022) Citar este artículo
1426 Accesos
1 altmétrica
Detalles de métricas
La polarimetría es una poderosa técnica de caracterización que utiliza una gran cantidad de información de ondas electromagnéticas, incluida la polarización. Utilizando la rica información proporcionada por la polarimetría, se está estudiando activamente en campos biomédicos como el diagnóstico de cáncer y tumores. A pesar de su importancia y potencial en la agricultura, la polarimetría para plantas vivas no ha sido bien estudiada. Se construyó un sistema de imágenes polarimétricas de Stokes para determinar la correlación entre los estados de polarización de la luz que pasa a través de la hoja y los estados de crecimiento de la lechuga. El parámetro de Stokes s3 asociado con la polarización circular aumentó con el tiempo y estuvo fuertemente correlacionado con el crecimiento de las plántulas de lechuga. En el análisis estadístico, la distribución de s3 siguió la función de densidad de probabilidad de valor extremo generalizado (GEV). El estrés salino retrasó el crecimiento de las plantas y la concentración de cloruro de sodio (NaCl) tratado mostró una correlación negativa con el parámetro de ubicación μ del GEV. La clara correlación reportada aquí abrirá la posibilidad de mediciones de polarización en plantas vivas, lo que permitirá el monitoreo en tiempo real de la salud de las plantas.
El estado de polarización de la luz refractada, reflejada o difractada por un material depende de las propiedades del material. La polarimetría óptica se utiliza para analizar las propiedades físicas o químicas de los materiales midiendo e interpretando cambios en el estado de polarización de la luz1. La elipsometría es una de las técnicas más conocidas que se utilizan para caracterizar materiales midiendo los estados de polarización. El poder versátil de las mediciones de polarización no se limita a objetos como compuestos orgánicos o inorgánicos, sino que también se puede utilizar en organismos (p. ej., órganos, tejidos y células). El diagnóstico biomédico mediante polarimetría es una de las técnicas más estudiadas en este campo2,3,4,5. El gran beneficio del diagnóstico biomédico polarimétrico es la medición sin contacto y en tiempo real. Por ejemplo, la fibra óptica polarimétrica de Mueller se utiliza para el diagnóstico de cánceres4.
Por la misma razón, el diagnóstico de plantas vivas es una técnica prometedora para la agricultura. Mientras tanto, existen pocos estudios sobre técnicas de polarización para plantas vivas6,7,8,9,10,11,12,13. La polarimetría utiliza no sólo la amplitud de una onda electromagnética en una longitud de onda de luz determinada, sino también la información de fase1. Así, puede proporcionar más información sobre la planta que el análisis hiperespectral convencional, que sólo utiliza la amplitud del campo electromagnético14,15,16,17,18,19,20,21,22. Se pueden obtener muchos parámetros de la polarimetría, incluidos el ángulo de acimut de polarización y la elipticidad. Sin embargo, la mayoría de las investigaciones anteriores se han limitado a utilizar únicamente información de despolarización para monitorear el estado de las plantas6,8,12,13. Por lo tanto, aún no se ha revelado una correlación exacta entre el estado de las plantas y el estado de polarización de la luz y sigue siendo un tema abierto.
Actualmente, algunas plantas crecen en ambientes controlados (por ejemplo, invernaderos y fábricas de plantas) donde la luz, la temperatura y la humedad se regulan artificialmente para permitir la cosecha durante todo el año. Mientras tanto, las plantas pueden crecer de manera diferente incluso en ambientes controlados, por lo que es necesario desarrollar técnicas de seguimiento. Para determinar la correlación entre los estados de polarización y el crecimiento de las plantas, se construyó un sistema de imágenes polarimétricas de Stokes. Utilizando el sistema de imágenes de Stokes, se registraron y analizaron los estados de polarización de la luz que pasa a través de las hojas de lechuga. Se eligió como tema la lechuga (Lactuca sativa L.) porque es una de las hortalizas de hoja más populares cultivadas y consumidas en todo el mundo23. En este artículo, se demostró una fuerte correlación entre el crecimiento de las plantas y el estado de polarización, lo que demuestra la viabilidad de las mediciones de polarización para el seguimiento de las plantas.
Además, se prepararon plántulas de lechuga tratadas con diferentes concentraciones de cloruro de sodio (NaCl) y se estudió la correlación entre el nivel de sal y los estados de polarización. El crecimiento de la planta afecta el rendimiento y éste puede retardarse bajo condiciones de estrés relacionadas con la calidad de la luz, la composición nutricional, el nivel del agua y la concentración de sal24,25,26,27. Entre ellos, un nivel moderado de sal podría mejorar la calidad de los cultivos, mientras que un nivel alto de estrés salino inhibe el crecimiento de las plantas y provoca mortalidad28,29,30,31,32. Utilizando el método propuesto, sería posible monitorear el crecimiento de las plantas, incluido el nivel de estrés salino.
La Figura 1a muestra un esquema del sistema de monitoreo de plantas usando polarimetría de Stokes. El haz de la sonda incidió en la cámara CCD a través de un polarizador fijo con un ángulo de eje de transmisión de 135°, una hoja de lechuga, un QWP giratorio (\(\delta =\pi /2\)) y un polarizador con \(\ alfa =0^\circ\). Primero, se registró la intensidad de la luz que pasó a través de la hoja de lechuga en un área de sonda de 25 mm de diámetro (primera fila de la Fig. 1b). Cada imagen se compone de la intensidad transmitida en cada píxel en el tiempo dado t mientras el QWP giraba a una velocidad angular constante de 20 rad/s. Los coeficientes de Fourier A, B, C y D se obtuvieron ajustando la intensidad en cada píxel con la expansión de Fourier33 (segunda fila en la Fig. 1b). Los parámetros de Stokes se calcularon utilizando la relación entre los coeficientes de Fourier y los parámetros de Stokes (tercera fila en la Fig. 1b). El grado de polarización (DOP = \(\sqrt{{S}_{1}^{2}+{S}_{2}^{2}+{S}_{3}^{2}}/{ S}_{0}\)) se mantuvo en un rango razonable (~ 70%) durante todo el proceso de medición. Durante los cálculos se excluyeron los píxeles con DOP anormal (DOP ≤ 0 % o DOP ≥ 100 %). La mayoría de los datos DOP anormales se mostraron debido a la baja intensidad de luz del borde del haz. Todos los conjuntos de parámetros de Stokes se normalizaron a S0 = 1.
(a) Sistema de seguimiento de plantas mediante polarimetría de Stokes. (b) Ejemplos de procesos para obtener la imagen de Stokes. Cada fila corresponde a la intensidad, los coeficientes de Fourier y las imágenes de Stokes en el orden de la primera a la tercera fila.
La esfera de Poincaré es una herramienta gráfica útil para visualizar los estados de polarización en el sistema de coordenadas cartesiano (ejes S1S2S3). Cada estado de polarización (elipse de polarización) está dado únicamente por los ángulos de acimut ψ y la elipticidad χ y se representa como un punto en la esfera de Poincaré1. La Figura 2a muestra la densidad de probabilidad de los estados de polarización, que se midió en las plántulas de referencia 10 días después de la siembra. Después de pasar a través de la hoja de lechuga, la mayoría de los estados de polarización se colocaron cerca del ecuador (S3 = 0) y se extendieron en ángulos azimutales de 270° a 360°. Los estados de polarización de las plántulas tratadas con NaCl también mostraron una distribución similar, lo que dificulta distinguir la diferencia. Por lo tanto, se analizó estadísticamente el parámetro de Stokes en lugar del estado de polarización, como se muestra en la Fig. 2b. La distribución de probabilidad de los componentes de polarización lineal s1 y s2 fue una distribución pseudoexponencial y una superposición de dos distribuciones extremas, respectivamente. Mientras tanto, el componente de polarización circular s3 tenía dos distribuciones extremas cercanas a 0, y se volvió único al aplicarle el absoluto (|s3|) y fue fácil de analizar.
(a) Densidad de probabilidad trazada sobre la superficie de la esfera de Poincaré correspondiente a los estados de polarización de la luz después de pasar por las hojas de las plántulas de lechuga de referencia después de 10 días de plantación y (b) la de los parámetros de Stokes obtenidos de las plántulas de referencia. (c) Gráfico de cajas de |s3| y (d) medias de los parámetros GEV en función de los días de tratamiento para plántulas con diferentes concentraciones de NaCl.
La distribución de |s3| fue cambiado por la concentración de NaCl y la duración del tratamiento con NaCl, como se muestra en la Fig. 2c. La diferencia entre las distribuciones se probó mediante la prueba de rangos con signos de Wilcoxon con un valor de p <0,001. Debido a que los datos no cumplieron con una distribución normal, utilizamos la prueba de rangos con signos de Wilcoxon, una prueba de hipótesis estadística no paramétrica. La mediana y la mediana de la desviación absoluta (MAD) de las plántulas se resumen en la Tabla 1. Al inicio de la medición (día 0), la distribución de las plántulas de referencia y de 400 mM no fue significativamente diferente de cada una de ellas, y las de 100 mM y las plántulas de 200 mM también fueron estadísticamente idénticas. Después del tratamiento con NaCl, el |s3| las distribuciones de las plántulas con la misma duración del tratamiento se volvieron significativamente diferentes hasta en 4 grupos durante 2, 4, 8 y 10 días. Todas las distribuciones (cinco plántulas) fueron significativamente diferentes entre sí a los 6 días de tratamiento. La mediana y la MAD tendieron a aumentar con el tiempo. Aunque la mediana de |s3| no coincidió con la concentración de NaCl, es significativo que la lechuga estresada por sal se pueda distinguir midiendo los parámetros de Stokes. Si hay plántulas con una mediana significativamente menor de |s3|, se pueden considerar estresadas por sal. Por ejemplo, la mediana de las plántulas de control siempre fue mayor que la de otras plántulas, pero la mediana de las plántulas tratadas con NaCl 400 mM fue menor que la de otras plántulas.
Para encontrar una correlación más clara entre el estado de la planta y el estado de polarización, intentamos ajustar los datos con la distribución de valores extremos generalizados (GEV). La distribución GEV se utiliza ampliamente para modelar eventos económicos o naturales como el riesgo financiero y las precipitaciones34. La función de densidad de probabilidad del GEV viene dada por,
donde s = (x-μ)/σ, μ es el parámetro de ubicación, σ es el parámetro de escala y ξ es el parámetro de forma34. La distribución de densidad de probabilidad de |s3| coincidía bien con el GEV, como se muestra en la Fig. 2b. Los parámetros GEV promedio de los cinco replicantes se muestran en la Fig. 2d, donde la barra de error es la desviación estándar. Parece haber una correlación lineal positiva entre los parámetros GEV y la duración del tratamiento, mientras que la correlación fue más débil con concentraciones más altas de NaCl. Los símbolos de asterisco ***, ** y * en la leyenda de la Fig. 2d representan la importancia de ξ en el valor p <0,05, 0,01, 0,001 obtenido mediante análisis de varianza (ANOVA). El parámetro de forma ξ de las plántulas de referencia, 100 mM y 200 mM fue significativo con un valor de p <0,001 (***) dependiendo de la duración del tratamiento. Los niveles de significancia de las plántulas tratadas con NaCl 300 mM y 400 mM fueron 0,01 (**) y 0,05 (*), respectivamente. Por lo tanto, una alta concentración de NaCl interrumpió el cambio en el componente de polarización circular (s3) a lo largo del tiempo. También se mostró una tendencia similar en las estadísticas resumidas de las plántulas tratadas con NaCl 400 mM (Fig. 2c).
Luego de obtener los parámetros GEV, se realizó un análisis de correlación estadística. La correlación de Spearman entre la concentración de NaCl y los parámetros de ubicación mostró la mayor correlación (Fig. S3). La Figura 3 muestra los resultados de la regresión lineal sobre la mediana de |s3| para cada duración del tratamiento en función de la concentración de NaCl, donde la barra de error es la DAM. Antes del inicio del tratamiento (0 días), los parámetros de localización no se correlacionaron con la concentración de NaCl. Muy después del estrés salino (2 días), se mostró claramente una correlación lineal negativa, y la pendiente negativa se hizo mayor con duraciones de hasta 10 días. Por lo tanto, el nivel de estrés salino de la lechuga cultivada durante el mismo período podría determinarse midiendo el parámetro de Stokes. Este resultado podría aplicarse a lechugas cultivadas durante diferentes períodos de tiempo porque las etapas de crecimiento de las plántulas podrían determinarse mediante estadísticas resumidas (Fig. 2c).
Mediana (símbolos) y regresión lineal (líneas) con un rango de confianza del 95% (sombras) del parámetro de ubicación μ para cinco replicantes con diferentes duraciones de tratamientos en función de la concentración de NaCl.
La polarización de la luz puede cambiarse mediante características ópticas como la birrefringencia, la diatenuación y la despolarización. La Figura 4 muestra la respuesta de polarización de la lechuga obtenida por descomposición de la matriz de Mueller. Los valores son el promedio de tres mediciones y la incertidumbre es la desviación estándar. La diatenuación fue grande en la nervadura central, mientras que las de la vena y la lamia fueron pequeñas. Mientras tanto, el retraso, especialmente el retraso lineal, fue alto en todas las partes de la hoja. La mayor parte de la luz atravesó la lamia durante los experimentos. En la región de la lamia, el retraso es mucho mayor que la diatenuación. Por lo tanto, el cambio en los componentes de polarización circular después de pasar a través de las plántulas de lechuga probablemente esté relacionado con el retardo óptico de la lechuga. El retraso óptico en plantas ha sido reportado en muchos trabajos en la literatura9,10,11. Por ejemplo, el retraso lineal puede manifestarse por la celulosa alineada en la planta, y la glucosa o las estructuras en capas podrían producir un retraso circular35,36,37,38,39,40. A medida que la planta crece, las propiedades físicas (parámetros de crecimiento) de las hojas aumentan, por ejemplo, longitud, peso y densidad. El retardo lineal viene dado simplemente por el producto de la birrefringencia y el espesor. Se sabe que la birrefringencia depende de la densidad, por lo que aumentará mientras la planta crece. Por lo tanto, el retraso lineal aumentará naturalmente a medida que las plantas bien desarrolladas tengan hojas más gruesas.
Componentes de polarización obtenidos de una matriz de Mueller de una hoja de lechuga, donde CD y LD son las diatenuaciones circulares y lineales, CR y LR son retardancias circulares y lineales y R es la retardancia total.
Se sabe que el estrés salino obstaculiza el crecimiento de las plantas, incluida la lechuga. El crecimiento de las plántulas de lechuga se retarda con una alta concentración de NaCl (Figs. S1, S2). Los componentes de la polarización circular tendieron a aumentar con el crecimiento de la plántula a lo largo del tiempo (Fig. 2c). La degeneración del crecimiento da como resultado la inhibición de la formación de células de lechuga, incluida la celulosa y otras partes relacionadas con el retraso. Así, el nivel de estrés salino se mostró como el cambio en el componente de polarización circular (s3) de la luz que pasa a través de la lechuga.
Se estudió la respuesta óptica de la lechuga y se encontró que la polarización circular (s3) era sensible al crecimiento de las plántulas. La polarización de la luz que pasa a través de las hojas de las plántulas de lechuga se midió mediante el sistema de imágenes de Stokes. Mientras las plántulas crecían, se incrementaron la mediana y la varianza de los componentes de polarización circular de los parámetros de Stokes (s3). El crecimiento de las plántulas se vio significativamente retardado por la alta concentración de NaCl. Como resultado, la polarización circular no cambió significativamente a medida que aumentó el nivel de estrés salino. La densidad de probabilidad de s3 coincidió bien con la función de densidad de probabilidad GEV, y los parámetros GEV luego aumentaron durante el tiempo de crecimiento. Entre los parámetros GEV, el parámetro de ubicación (μ) mostró la mayor correlación de Spearman con la concentración de NaCl. El cambio en s3 parece estar relacionado con los componentes de retardo de las plantas, como el retardo lineal de la celulosa o el retardo circular de la glucosa.
Estos resultados serán útiles para desarrollar un sistema de detección remota para monitorear el crecimiento (o la salud) de las plantas. En comparación con la técnica hiperespectral, los datos de polarimetría son mucho más compactos de analizar porque se utiliza una única longitud de onda, como en este artículo. Además, la polarimetría de Stokes solo requiere el analizador de estado de polarización, por lo que tiene una configuración sencilla en comparación con la polarimetría de Mueller. Se muestra la gran significación estadística entre s3 y el tiempo de crecimiento o la concentración de NaCl. Por tanto, la clasificación del nivel de crecimiento y estrés salino será posible con la ayuda del aprendizaje automático.
La configuración y el proceso de los polarímetros Stokes que utilizan un retardador giratorio con un polarizador fijo han sido bien establecidos por varios estudios41,42,43. En la configuración que se muestra en la Fig. 1a, la intensidad de la luz polarizada arbitrariamente incidente en un detector (o píxel) se puede reescribir como,
donde \(\omega\) es la velocidad de rotación y \({\varphi }_{0}\) es la fase inicial. Utilizando la expansión de Fourier de la intensidad de la luz, los parámetros de Stokes vienen dados por41,
La intensidad de la luz registrada de cada píxel se ajustó mediante expansión de Fourier y luego se obtuvieron los coeficientes de Fourier y los parámetros de Stokes.
La matriz Mueller de la lechuga se midió mediante un polarímetro de matriz Mueller comercial AxoScan (AxoMetrics).
Las imágenes de Stokes se procesaron y ajustaron mediante MATLAB (MathWorks). Luego, los datos procesados se analizaron estadísticamente mediante RStudio Desktop (RStudio).
Se sembraron semillas de lechuga (Lactuca sativa L.) del cultivar 'Cheong Chi Ma' (Asia Seed) en bandejas de 50 celdas (54,4 cm x 28,2 cm x 5,4 cm) llenas de tierra, y las bandejas se mantuvieron dentro de una caja de luz (65 cm × 35 cm × 50 cm). Las plántulas se cultivaron bajo una lámpara fluorescente (TLD 32 W/865RS, Philips) donde la densidad de flujo de fotones fotosintéticos (PPFD) fue de 210 ± 10 μmol/m2 s-1 y el fotoperíodo fue de 16 h de luz y 8 h de oscuridad a 24 °. C y 18 °C, respectivamente. La humedad relativa se mantuvo al 50% durante los experimentos. Las plántulas se irrigaron con agua del grifo durante 20 minutos cada mañana durante 12 días y luego se trataron con solución de NaCl durante 10 días. Las soluciones de tratamiento se prepararon disolviendo NaCl en concentraciones de 100, 200, 300 y 400 mM en agua del grifo. Como controles se utilizaron plántulas tratadas únicamente con agua (0 mM).
Los autores confirman que en este estudio no se recolectaron muestras de plantas ni semillas. Las semillas se compraron en Asia Seed en Corea del Sur y todos los materiales vegetales se cultivaron en el laboratorio del autor. Este estudio cumple con las directrices y leyes institucionales, nacionales e internacionales pertinentes, y no se analizaron ni generaron datos de genotipado durante el estudio.
Los datos subyacentes a los resultados presentados en este artículo no están disponibles públicamente en este momento, pero pueden obtenerse de los autores previa solicitud razonable. Para solicitar los datos, póngase en contacto con el autor correspondiente.
Bass, M. Manual de Óptica, Volumen I: Óptica geométrica y física, luz polarizada, componentes e instrumentos (McGraw-Hill, 2009).
Google Académico
Badieyan, S., Ameri, A., Rafii-Tabar, H., Razzaghi, MR y Sasanpour, P. Imágenes polarimétricas de matriz Mueller del tejido prostático. En 2018, IEEE 38.ª Conferencia Internacional sobre Electrónica y Nanotecnología, ELNANO 2018 — Actas 375–378 (IEEE, 2018). https://doi.org/10.1109/ELNANO.2018.8477512.
Ghosh, N. Polarimetría tisular: conceptos, desafíos, aplicaciones y perspectivas. J. Biomed. Optar. 16, 110801 (2011).
ADS del artículo Google Scholar
Él, C. et al. Óptica de polarización para aplicaciones biomédicas y clínicas: una revisión. Ciencia ligera. Aplica. 10, 194 (2021).
Artículo ADS CAS Google Scholar
Qi, J. & Elson, DS Imágenes polarimétricas de Mueller para aplicaciones quirúrgicas y de diagnóstico: una revisión. J. Biofotón. 10, 950–982 (2017).
Artículo de Google Scholar
Van Eeckhout, A. y col. Métricas despolarizantes para imágenes de muestras de plantas. MÁS UNO 14, e0213909 (2019).
Artículo de Google Scholar
Van Eeckhout, A. y col. Microscopía de imágenes polarimétricas para la inspección avanzada de tejidos vegetales. Ciencia. Rep. 11, 3913 (2021).
ADS del artículo Google Scholar
Maxwell, DJ, Partridge, JC, Roberts, NW, Boonham, N. y Foster, GD Los efectos de la infección por virus de plantas en el reflejo de la polarización de las hojas. MÁS UNO 11, e0152836 (2016).
Artículo de Google Scholar
Patty, CHL y cols. Detección espectropolarimétrica circular de vegetación en el campo: posibilidades para la detección remota de vida extraterrestre. Astrobiología 19, 1221-1229 (2019).
ADS del artículo Google Scholar
Patty, CHL y cols. Detección espectropolarimétrica circular de fotosistemas quirales en hojas en descomposición. J. Cuant. Espectrosc. Radiación. Transf. 189, 303–311 (2017).
Artículo ADS CAS Google Scholar
Patty, CHL y cols. Obtención de imágenes de características de polarización lineal y circular en hojas con polarimetría matricial de Mueller completa. Biochim. Biofísica. Acta General Asunto. 1862, 1350-1363 (2018).
Artículo CAS Google Scholar
Lin, L.-H., Lo, Y.-L., Liao, C.-C. y Lin, J.-X. Detección óptica de la concentración de glucosa en muestras con partículas dispersas. Aplica. Optar. 54, 10425 (2015).
Artículo ADS CAS Google Scholar
Sarkar, M., Gupta, N. y Assaad, M. Monitoreo de la frescura de la fruta utilizando información de fase en espectroscopia de reflectancia de polarización. Aplica. Optar. 58, 6396 (2019).
Artículo ADS CAS Google Scholar
Lowe, A., Harrison, N. & French, AP Técnicas de análisis de imágenes hiperespectrales para la detección y clasificación de la aparición temprana de enfermedades y estrés de las plantas. Métodos de plantas 13, 1-12 (2017).
ADS del artículo Google Scholar
Behmann, J., Steinrücken, J. & Plümer, L. Detección de respuestas tempranas al estrés de las plantas en imágenes hiperespectrales. ISPRS J. Fotograma. Sensores remotos 93, 98-111 (2014).
ADS del artículo Google Scholar
Rumpf, T. y col. Detección temprana y clasificación de enfermedades de plantas con Máquinas de Vectores de Soporte basadas en reflectancia hiperespectral. Computadora. Electrón. Agrícola. 74, 91–99 (2010).
Artículo de Google Scholar
Yoosefzadeh-Najafabadi, M., Earl, HJ, Tulpan, D., Sulik, J. y Eskandari, M. Aplicación de algoritmos de aprendizaje automático en el fitomejoramiento: predicción del rendimiento a partir de la reflectancia hiperespectral en la soja. Frente. Ciencia vegetal. 11, 1-14 (2021).
Artículo de Google Scholar
Él, KS, Rocchini, D., Neteler, M. y Nagendra, H. Beneficios de la teledetección hiperespectral para el seguimiento de invasiones de plantas. Diversos. Distribuir. 17, 381–392 (2011).
Artículo de Google Scholar
Mishra, P. y col. Imágenes hiperespectrales de corto alcance de plantas: una revisión. Biosistema. Ing. 164, 49–67 (2017).
Artículo de Google Scholar
Thomas, S. y otros. Beneficios de las imágenes hiperespectrales para la detección y protección de enfermedades de las plantas: una perspectiva técnica. J. Planta Dis. Prot. 125, 5-20 (2018).
Artículo de Google Scholar
Bock, CH, Poole, GH, Parker, PE y Gottwald, TR La gravedad de las enfermedades de las plantas se estimó visualmente, mediante fotografía digital y análisis de imágenes, y mediante imágenes hiperespectrales. CDN. Crítico. Rev. Ciencia vegetal. 29, 59-107 (2010).
Artículo de Google Scholar
Wu, H. y col. Monitoreo de la salud de las plantas con nanosensores de H2O2 fluorescentes en el infrarrojo cercano. Nano Lett. 20, 2432–2442 (2020).
Artículo ADS CAS Google Scholar
Organización de las Naciones Unidas para la Agricultura y la Alimentación. En Estadísticas Agrícolas y Ganaderas. https://www.fao.org/faostat (2020).
Camejo, D. et al. La luz artificial afecta la calidad física y nutricional de las plantas de lechuga. Hortico. Reinar. Biotecnología. 61, 69–82 (2020).
Artículo CAS Google Scholar
Al-Maskri, A., Al-Kharusi, L., Al-Miqbali, H. & Khan, MM Efectos del estrés por salinidad en el crecimiento de la lechuga (Lactuca sativa) bajo la técnica de película de nutrientes de reciclaje cerrado. En t. J. Agrícola. Biol. 12, 377–380 (2010).
CAS Google Académico
Sofo, A. et al. Diferentes sistemas agronómicos y de fertilización afectan el perfil polifenólico, la capacidad antioxidante y la composición mineral de la lechuga. Ciencia. Hortico. (Ámsterdam) 204, 106-115 (2016).
Artículo CAS Google Scholar
Fu, W., Li, P. & Wu, Y. Efectos de diferentes intensidades de luz sobre las características de fluorescencia de la clorofila y el rendimiento en lechuga. Ciencia. Hortico. (Ámsterdam) 135, 45–51 (2012).
Artículo CAS Google Scholar
Shin, YK y cols. Respuesta al estrés salino en lechuga: cambios en los parámetros de fluorescencia de la clorofila, contenidos fitoquímicos y actividades antioxidantes. Agronomía 10, 1627 (2020).
Artículo CAS Google Scholar
Xu, C. & Mou, B. Evaluación de genotipos de lechuga para tolerancia a la salinidad. HortScience 50, 1441-1446 (2015).
Artículo de Google Scholar
Qin, L. y col. Efecto del estrés salino sobre el crecimiento y la fisiología del amaranto y la lechuga: implicaciones para el sistema de soporte vital bioregenerativo. Adv. sp. Res. 51, 476–482 (2013).
Artículo ADS CAS Google Scholar
Acosta-Motos, J. et al. Respuestas de las plantas al estrés salino: mecanismos adaptativos. Agronomía 7, 18 (2017).
Artículo de Google Scholar
Rouphael, Y., Petropoulos, SA, Cardarelli, M. & Colla, G. La salinidad como eustressor para mejorar la calidad de las hortalizas. Ciencia. Hortico. (Ámsterdam) 234, 361–369 (2018).
Artículo CAS Google Scholar
Schaefer, B., Collett, E., Smyth, R., Barrett, D. y Fraher, B. Medición de los parámetros de polarización de Stokes. Soy. J. Física. 75, 163-168 (2007).
ADS del artículo Google Scholar
de Haan, L. y Ferreira, A. Teoría del valor extremo: una introducción. Análisis (Springer, 2006). https://doi.org/10.1007/0-387-34471-3.
Sun, P., Ma, Y., Liu, W., Yang, Q. y Jia, Q. Descomposición de la matriz de Mueller para la determinación de la rotación óptica de moléculas de glucosa en medios turbios. J. Biomed. Optar. 19, 046015 (2014).
ADS del artículo Google Scholar
Bezruchenko, VS, Murauski, AA & Muravsky, AA Determinación de la dispersión de los principales índices de refracción para películas de polipropileno birrefringentes. J. Aplica. Espectrosc. 81, 476–482 (2014).
Artículo ADS CAS Google Scholar
Avnir, D. Revisión crítica de los indicadores de quiralidad de la vida extraterrestre. Nuevo Astron. Rev.92, 101596 (2021).
Artículo de Google Scholar
Mendoza-Galván, A. et al. Caracterización de la transmisión mediante matriz de Mueller de películas transparentes de ramio. J.vac. Ciencia. Tecnología. B 38, 014008 (2020).
Artículo de Google Scholar
Lagerwall, JPF y cols. Materiales basados en nanocristales de celulosa: desde el autoensamblaje de cristales líquidos y la formación de vidrio hasta películas delgadas multifuncionales. NPG Asia Mater. 6, 1-12 (2014).
Artículo de Google Scholar
Uetani, K., Koga, H. y Nogi, M. Estimación de la birrefringencia intrínseca de la celulosa utilizando películas bacterianas de nanofibras de celulosa. ACS Macro Lett. 8, 250–254 (2019).
Artículo CAS Google Scholar
Berry, HG, Gabrielse, G. & Livingston, AE Medición de los parámetros de luz de Stokes. Aplica. Optar. 16, 3200 (1977).
Artículo ADS CAS Google Scholar
Flueraru, C., Latoui, S., Besse, J. y Legendre, P. Análisis de errores de un polarímetro de Stokes de placa giratoria de cuarto de onda. Traducción IEEE. Instrumento Mío. 57, 731–735 (2008).
ADS del artículo Google Scholar
Lizana, Á., Campos, J., Van Eeckhout, A. & Márquez, A. Influencia del promedio temporal en el rendimiento de un polarímetro Stokes de imágenes con retardador giratorio. Optar. Expreso 28, 10981 (2020).
ADS del artículo Google Scholar
Descargar referencias
Ministerio de Comercio, Industria y Energía (2001-1031); Fundación Nacional de Investigación de Corea (2019H1A2A1074764, 2019R1A2B5B01069580, 2019R1A6A1A09031717); Universidad Nacional de Jeonbuk (Programa Cuatro BK21).
División de Ingeniería Electrónica, Centro de Investigación de Tecnología de Convergencia de Semiconductores Futuros, Universidad Nacional de Jeonbuk, Jeonju, 54896, Corea
Jongyoon Kim, Yunsu Nam y Ji-Hoon Lee
Departamento de Horticultura, Facultad de Agricultura y Ciencias de la Vida, Universidad Nacional de Jeonbuk, Jeonju, 54896, Corea
Yu Kyeong Shin y Jun Gu Lee
Instituto Central de Investigación de Robots Inteligentes, Universidad Nacional de Jeonbuk, Jeonju, 54896, Corea
Yu Kyeong Shin y Jun Gu Lee
Instituto de Ciencia y Tecnología Agrícola, Universidad Nacional de Jeonbuk, Jeonju, 54896, Corea
Jungu Lee
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
JK desarrolló el sistema de imágenes polarimétricas de Stokes, analizó los resultados, escribió el manuscrito y creó las figuras. YKS preparó y trató las plántulas de lechuga con la ayuda de JGLYSN y capturó las imágenes polarimétricas de Stokes. J.-HL sugirió el sistema y escribió los manuscritos. Todos los autores contribuyeron al manuscrito.
Correspondencia a Ji-Hoon Lee.
Los autores declaran no tener conflictos de intereses.
Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.
Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.
Reimpresiones y permisos
Kim, J., Shin, YK, Nam, Y. et al. Monitoreo óptico del estado de crecimiento de las plantas mediante polarimetría. Representante científico 12, 21841 (2022). https://doi.org/10.1038/s41598-022-26023-2
Descargar cita
Recibido: 07 de septiembre de 2022
Aceptado: 08 de diciembre de 2022
Publicado: 17 de diciembre de 2022
DOI: https://doi.org/10.1038/s41598-022-26023-2
Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:
Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.
Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt
Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.