High-throughput Phenotyping of Maize Roots Using Digital Image Analysis

• Coronado-Aleans, Verónica ^[1] ; Barrera-Sánchez, Carlos F. ^[1] ; Guzmán, Manuel ^[2]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
  2. [2] Corporación Colombiana de Investigación Agropecuaria [AGROSAVIA]
• Localización: Ciencia y Tecnología Agropecuaria, ISSN-e 0122-8706, Vol. 25, Nº. 1, 2024 (Ejemplar dedicado a: Ciencia & Tecnología Agropecuaria-Publicación continua (ene-abr))
• Idioma: inglés
• Títulos paralelos:
  • Fenotipado de alto rendimiento de raíces de maíz mediante análisis de imágenes digitales
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La investigación reciente sobre la arquitectura radicular del maíz ha experimentado avances significativos, pero aún se requieren otros estudios enfocados en la optimización de los métodos para lograr una adquisición eficiente y precisa de los datos sobre la arquitectura radicular. Por lo anterior, el objetivo de esta investigación fue evaluar la eficacia del uso de imágenes digitales para el fenotipado de raíces de maíz (Zea mays L.). Se llevaron a cabo experimentos de campo en dos localidades de Antioquia, Colombia, en 2019 y 2020, para analizar variables de arquitectura de raíces de 12 genotipos de maíz. Se emplearon dos metodologías: fenotipado manual y análisis de imágenes digitales y se estimaron los coeficientes de correlación de Pearson entre variables. Por otra parte, se utilizó el análisis de componentes principales (ACP) para descubrir patrones en el conjunto de datos multivariantes. Los resultados del ACP indicaron correlaciones entre el diámetro derivado del software REST (r = 0,94) y el diámetro radicular medido manualmente. El ángulo radicular derecho e izquierdo medido manualmente se correlacionó con el ángulo radicular derivado de la imagen en r = 0,92 y 0,88, respectivamente, y la longitud radicular en r = 0,62. El ACP destacó que el método digital explicó la mayor proporción de variación en áreas radiculares y diámetros, mientras que el método manual dominó en variables de ángulo radicular. Estos hallazgos ofrecen un método optimizado para el fenotipado de la arquitectura radicular del maíz mediante un protocolo que se puede adoptar en análisis automáticos para la adquisición precisa de imágenes relacionadas con ángulos, longitudes y diámetros de raíces de maíz.

  • English

    Recent research on maize root architecture has made significant progress, but further research is needed to optimize methods for efficient and accurate acquisition of root architecture data. This study aimed to assess the effectiveness of digital imaging for root phenotyping of Zea mays L. Field experiments were carried out at two locations in the province of Antioquia, Colombia, in 2019 and 2020 to analyze root architecture variables of 12 genotypes of maize. Two methodologies were used: manual phenotyping and digital image analysis. Pearson’s correlation coefficients among variables were estimated. Principal Component Analysis (PCA) was used to summarize and uncover clustering patterns in the multivariate data set. The results indicated correlations between diameter (r = 0.94) and manually measured root diameter. The manually measured right and left root angles correlated with image-derived root angle at r = 0.92 and 0.88, respectively, and root length at r = 0.62. The PCA highlighted that the digital method explained the highest proportion of variation in root areas and diameters, while the manual method dominated in root angle variables. These results corroborate a feasible method to optimize root architecture phenotyping for research questions. This protocol can be adopted under the automatic analysis with REST software for acquiring images of variables associated with roots’ angle, length, and diameter.