PTM-50 سیستم نظارت بر فیزیولوژی و اکولوژی گیاهان

مقدمه

سیستم نظارت فیزیولوژیک و اکولوژیک گیاهان PTM-50 بر اساس PTM-48A اصلی ارتقاء یافته است و می تواند به طور طولانی مدت، به طور خودکار سرعت فوتوسنتز گیاهان، سرعت بخار، وضعیت رشد فیزیولوژیک گیاهان، عوامل محیطی را نظارت کند تا اطلاعات کامل گیاهان را بدست آورد.

ویژگی های اصلی

·این سیستم دارای چهار اتاق برگ است که به طور خودکار باز می شود و می تواند سرعت تبادل CO2 و H2O برگ را در عرض 20 ثانیه بدست آورد.

·این سیستم دارای یک کانال دیجیتال است که به سنسور چند منظوره RTH-50 متصل می شود (می تواند تشعشع کل، تشعشع موثر فوتوسنتیز، دمای هوا و رطوبت، دمای نقطه عرش و غیره را اندازه گیری کند).

·واحد تجزیه و تحلیل به اندازه گیری دو کانال ارتقاء یافته است، PTM-50 جدید توسط یک تجزیه و تحلیلگر قبلی تقسیم زمان اندازه گیری شده است، به دو تجزیه و تحلیلگر مستقل ارتقاء یافته است، در زمان واقعی اندازه گیری تفاوت غلظت گاز مرجع و گاز نمونه، افزایش تحمل برای نوسانات محیط زیست CO2، H2O، داده های پایدار تر و قابل اعتماد است.

·سنسورهای فیزیولوژیک گیاهی اختیاری که داده ها را به صورت بی سیم منتقل می کنند، می توانند به طور مستقل به کامپیوتر متصل شوند و تنظیم انعطاف پذیر تر شوند.

·می تواند به طور همزمان مجهز به ماژول نظارت خودکار فلورسنس کلروفلیس برای نظارت فلورسنس کلروفلیس در زمان واقعی.

·این سیستم ارتباطات بی سیم و شبکه سازی را از طریق 2.4GHz RF و 3G فراهم می کند.

نمودار ساختار سیستم PTM-50

زمینه های کاربردی

·کاربرد در زمینه های تحقیقاتی مانند فیزیولوژی گیاهان، اکولوژی، کشاورزی، باغبانی، محصولات، کشاورزی تاسیسات، کشاورزی صرفه جویی در آب

·مقایسه بین گونه ها و انواع مختلف

·مقایسه تاثیر درمان های مختلف و شرایط مختلف زراعت بر گیاهان

·مطالعه عوامل محدود کننده فوتوسنتز، بخار و رشد گیاهان

·مطالعه تاثیر رشد محیط زیست بر گیاهان و واکنش گیاهان به تغییرات محیط زیست

عکس بالا از میزبان و اتاق دایره

ترکیب پیکربندی اساسی

·کنسول سیستم PTM-50

·1 × آداپتور برق

·1 × اتصال باتری

·سنسور چند منظوره RTH-50

·اتاق برگ 4 × LC-10R با مساحت اندازه گیری 10 سانتی متر مربع

·لوله اتصال گاز 4 × 4 متر

·2 × 1.5 متر استاندارد فولاد ضد زنگ

·انتخاب سنسور بی سیم

·نرم افزار انگلیسی

·دستورالعمل انگلیسی

شاخص های فنی

·روش کار: اندازه گیری خودکار مداوم

·زمان نمونه گیری: 20s

·اصل اندازه گیری CO2: تجزیه و تحلیل کننده گاز مادون قرمز دو کانال

·محدوده اندازه گیری غلظت CO2: 0-1000 ppm

·محدوده اندازه گیری نرخ تبادل CO2: -70-70 μmolCO2 m-2 s-1

·اصل اندازه گیری H2O: سنسور یکپارچه دمای هوا و رطوبت

·سرعت جریان هوا: 0.25L / min

·سنسور چند منظوره RTH-50: دمای -10 تا 60 درجه سانتیگراد رطوبت نسبی: 3-100٪ RH؛ تابش موثر فوتوسنتیز: 0-2500μmolm-2s-1

·فاصله اندازه گیری: 5-120 دقیقه سفارشی کاربر

·ظرفیت ذخیره سازی: 1200 داده با فرکانس نمونه گیری 30 دقیقه می تواند برای 25 روز ذخیره شود

·طول استاندارد لوله اتصال: 4 متر

·منبع برق: 9 تا 24 Vdc

·روش های ارتباط: 2.4GHz RF و 3G

·درجه حفاظت از محیط زیست: IP55

·اتاق برگ و سنسور های اختیاری

1.اتاق برگ شفاف LC-10R: اتاق برگ دایره، مساحت 10cm2، سرعت جریان هوا 0.23 ± 0.05L / min

2.اتاق برگ شفاف LC-10S: اتاق برگ مستطیل، 13 × 77 میلی متر، 10 سانتی متر مربع، سرعت جریان هوا 0.23 ± 0.05 لیتر / دقیقه

3.ماژول نظارت خودکار فلورسنت کلروفلیس MP110، می تواند به طور خودکار پارامترهای فلورسنت کلروفلیس Ft، QY و غیره را نظارت کند

4.سنسور دمای سطح برگ LT-1: محدوده اندازه گیری 0-50 ℃

5.سنسور دمای سطح برگ LT-4: 4 سنسور LT-1 یکپارچه برای برآورد دمای متوسط سطح برگ

6.سنسور دمای مادون قرمز LT-IRz: محدوده 0-60 درجه سانتیگراد، محدوده دید 5: 1

7.سنسور جریان ساقه گیاهی SF-4: حداکثر 10 میلی لیتر در ساعت برای ساقه ساقه با قطر 2-5 میلی لیتر

8.SF-5 سنسور جریان ساقه گیاهی: حداکثر 10 میلی لیتر در ساعت، مناسب برای ساقه ساقه 4-10 میلی متر قطر

9.سنسور کوچک تغییر ساقه SD-5: دوره 0 تا 5 میلی متر، مناسب برای ساقه ساقه قطر 5-25 میلی متر

10.سنسور کوچک تغییر ساقه SD-6: دوره 0 تا 5 میلی متر، مناسب برای ساقه ساقه با قطر 2-7 سانتی متر

11.سنسور تغییر کوچک ساقه SD-10: دوره 0 تا 10 میلی متر، مناسب برای ساقه ساقه با قطر 2-7 سانتی متر

12.سنسور رشد تنه درخت DE-1: دوره 0 تا 10 میلی متر، مناسب برای تنه درخت با قطر بالای 6 سانتی متر

13.سنسور رشد میوه های بزرگ FI-L: محدوده 30 تا 160 میلی متر برای میوه های دایره ای

14.سنسور رشد میوه متوسط FI-M: محدوده 15 تا 90 میلی متر برای میوه های دایره ای

15.سنسور رشد میوه کوچک FI-S: محدوده 7 تا 45 میلی متر برای میوه های دایره ای

16.سنسور رشد میوه های کوچک FI-XS: دوره 0 تا 10 میلی متر برای میوه های دایره ای با قطر 4 تا 30 میلی متر

17.سنسور ارتفاع SA-20: محدوده 0 تا 50 سانتی متر

18.سنسور سه پارامتری رطوبت خاک، دما و هدایت الکتریکی: 0 تا 100 درصد حجم WC؛ -40 تا 50 درجه سانتیگراد؛ 0 تا 15 dS/m

19.سنسور تابش موثر PIR-1: طول موج 400 تا 700 نانومتر، قدرت نور 0 تا 2500 μmolm-1s-1

20.سنسور تابش TIR-4: طول موج 300 تا 3000 نانومتر، تابش 0 تا 1200 وات در متر مربع

21.سنسور دمای خاک ST-21: محدوده 0 تا 50 درجه سانتیگراد

22.سنسور رطوبت تیغه LWS-2: تولید سیگنال های نشان دهنده متناسب با رطوبت سطح سنسور

رابط نرم افزار و داده ها

تصویر بالا به سمت راست نشان می دهد که تغییرات مداوم در CO2 (CO2 CHANGE) ، جریان ساقه (SAP FLOW) ، سرعت تبخیر (VPD) ، و تابش موثر فوتوسنتیز (PAR) در طول 24 ساعت، که فوتوسنتیز قابل حمل نمی تواند انجام دهد.

موردهای کاربردی

Net CO2 uptake rates for Hylocereus undatus and Selenicereus megalanthus under field conditions: Drought influence and a novel method for analyzing temperature dependence, Ben –Asher. J. et al. 2006, Photosynthetica, 44(2): 181-186

این مطالعه تغییرات جذب CO2 را در مقیاس (Hylocereus undatus، میوه اژدهای آتشی آتش) و سلنیکریوس مگالانتوس (Selenicereus megalanthus) در دمای بالا اندازه گیری کرد و تغییرات فیزیولوژیکی و بیوشیمیایی آنها را تجزیه و تحلیل کرد.

منشأ

اروپایی

برنامه های فنی انتخابی

1)ترکیب سیستم اندازه گیری فلورسنت و فلورسنت با کلورولیس

2)سیستم اندازه گیری تصویربرداری فلورسنت و کلورولیس با FluorCam

3)گزینه ای با تصویربرداری طیفی بالا برای تحقیق تغییرات فضایی-زمانی در فتوسنتز از تک برگ تا کرونر ترکیبی

4)واحد اندازه گیری O2

5)واحد تصویربرداری حرارتی مادون قرمز برای تجزیه و تحلیل پویایی هدایت سوراخ

6)منبع نور هوشمند PSI

7)ابزار اندازه گیری دستی گیاهان (برگ) مانند FluorPen، SpectraPen و PlantPen برای تجزیه و تحلیل کامل فیزیولوژی برگ گیاهان

8)گزینه ECODRONE ® پلتفرم بدون سرنشین با سنسورهای تصویربرداری حرارتی طیف بالا و مادون قرمز برای تحقیق الگوی فضا-زمان

بخشی از مرجع

1.سونگ زونگ رودخانه, چنگ مون جین & چانگ سی کون. تجزیه و تحلیل مواد اصلی و ارزیابی جامع ویژگی های مقاومت در برابر خشکسالی کلام. علوم کشاورزی چین 44، 1775–1787 (2011).

2.لی تینگ تینگ، جیانگ چاوهوی، مینون فانگ، جینگ کانیانگ و راو یوان. مدل سازی و پیش بینی میزان تبادل CO2 برگ گوجه فرنگی بر اساس بیان ژن برنامه ریزی شده است. Zhejiang Agricultural Journal 28، 1616–1623 (2016).

3.Ton, Y. ADVANTAGES OF THE CONTINUOUS AROUND-THE-CLOCK MONITORING OF THE LEAF CO2 EXCHANGE IN PLANT RESEARCH AND IN CROP GROWING. 5

4.Jiang, Z. H., Zhang, J., Yang, C. H., Rao, Y. & Li, S. W. Comparison and Verification of Methods for Multivariate Statistical Analysis and Regression in Crop Modelling. in Proceedings of the 2015 International Conference on Electrical, Automation and Mechanical Engineering (Atlantis Press, 2015). doi:10.2991/eame-15.2015.163

5.Ben-Asher, J., Garcia y Garcia, A. & Hoogenboom, G. Effect of high temperature on photosynthesis and transpiration of sweet corn (Zea mays L. var. rugosa). Photosynthetica 46, 595–603 (2008).

6.Schmidt, U., Huber, C. & Rocksch, T. EVALUATION OF COMBINED APPLICATION OF FOG SYSTEM AND CO2 ENRICHMENT IN GREENHOUSES BY USING PHYTOMONITORING DATA. Acta Horticulturae 1301–1308 (2008).

7.Qian, T. et al. Influence of temperature and light gradient on leaf arrangement and geometry in cucumber canopies: Structural phenotyping analysis and modelling. Information Processing in Agriculture (2018). doi:10.1016/j.inpa.2018.11.002

8.Uwe Schmidt, Ingo Schuch, Dennis Dannehl, Thorsten Rocksch & Sonja Javernik. Micro climate control in greenhouses based on phytomonitoring data.pdf.

9.Turgeman, T. et al. Mycorrhizal association between the desert truffle Terfezia boudieri and Helianthemum sessiliflorum alters plant physiology and fitness to arid conditions. Mycorrhiza 21, 623–630 (2011).

10.Ben-Asher, J., Nobel, P. S., Yossov, E. & Mizrahi, Y. Net CO2 uptake rates for Hylocereus undatus and Selenicereus megalanthus under field conditions: Drought influence and a novel method for analyzing temperature dependence. Photosynthetica 44, 181–186 (2006).

11.Zhaohui, J., Jing, Z., Chunhe, Y., Yuan, R. & Shaowen, L. Performance of classic multiple factor analysis and model fitting in crop modeling. Biol Eng 9, 8

12.Ojha, T., Misra, S. & Raghuwanshi, N. S. Wireless sensor networks for agriculture: The state-of-the-art in practice and future challenges. Computers and Electronics in Agriculture 118, 66–84 (2015).