【概要描述】

【概要描述】

攀援植物需要外部支撑才能垂直生长并增强光获取能力，找到合适支撑物的攀援植物比俯卧的攀援植物表现出更好的性能和健康。攀援植物依托支撑物生长以振荡运动（即圆周运动）为特点，其在生长过程中围绕中心轴旋转。诸多研究已经阐明了这种旋转的机理，但尚不清楚植物是如何控制这种现象。为了填补这一空白，本文测试了基于模拟的机器学习方法是否能够捕捉嵌套在实际运动学数据中运动模式的差异。探讨如何利用机器学习方法来分类豌豆植物在寻找支撑时表现出的旋转运动（即环绕运动）。实验材料选择32 株荷兰豆为研究植物，在距盆缘8cm处盆栽6株幼苗，播种深度为2.5cm。发芽后，选择一株健康新芽作为实验对象：其中19株植物在没有支撑的条件下室内独立生长，13株植物在有支撑的条件下室内独立生长，支撑物为一根木杆（高 54 厘米，直径 1.3 厘米），插入土壤表面以下7厘米处，距植物第一片单叶叶子12厘米。使用三种机器学习模型（随机森林、逻辑回归和支持向量分类器），基于一个二元标注的训练集，学习区分环境中是否存在支撑，并基于一个未标注的测试集进行预测。提取了植物运动的多种运动特征，包括轨迹、速度、加速度、角度变化等，并使用红外摄像机对植物进行跟踪和记录。发现机器学习方法能够有效地识别植物在有无支撑条件下的运动模式，并且发现在卷须下方的连接点轨迹是最佳的区分指标。文章展示了机器学习技术在理解植物运动方面的强大能力，并为进一步揭示环绕运动在进化上的意义提供了新颖的工具。

图1 实验条件和解剖学示意图。考虑了实验设置、实验条件和解剖。每个腔室的一侧配有两个红外摄像机，一个用于将温度控制在26°C的温度调节器，两个用于输入和输出通风的风扇，以及顶部的一盏灯。（a） “无支撑”条件，n=19。（b） “支撑”条件，n=13。（c） 感兴趣的解剖学标志是从所考虑的叶子发育而来的“卷须”和“连接点”。“卷须”指的是枝条的尖端，“连接点”指卷须绑在一起的地方。

图2 所有特征的重要性。三个分类器的运动特征重要性随机森林（RF，蓝色）、逻辑回归（LR，橙色）、支持向量分类器（SVC，绿色）。（a）在整体运动分类中特征的重要性。（b）在环绕运动分类中特征的重要性。

图3 数据采集。连接点轨迹和植物垂直生长的坐标。（a） 两种实验条件下所有植物在x-y维度上的连接点轨迹。（b） y-z维度中所有植物的连接点轨迹。（c） x-z维度中所有植物的连接点轨迹。（d）达到“支撑”状态后连接点垂直生长的时间。（e） 在无支撑条件下连接点垂直生长的时间。（d）和（e）中，不同的颜色代表不同的植物。注意，对于无支持条件，以帧数表示的时间索引的长度比支持条件的范围更长。

图4  “无支撑”条件和“支撑”条件下的连接点速度（a）及卷须速度（b）

编辑

扩展阅读

扫二维码用手机看