Waiting
Elaborazione accesso...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Environment
Click here for the English version

Environment

Analyse de carottes d’arbres par tomodensitométrie à rayons X

Published: September 22, 2023 doi: 10.3791/65208
Automatic Translation
1, 2,3
1Forest Is Life, TERRA Teaching and Research Centre, Gembloux Agro Bio-Tech, University of Liège, 2UGent-Woodlab, Laboratory of Wood Technology, Department of Environment, Ghent University, 3UGent Centre for X-ray Tomography (UGCT)

Summary

Nous montrons ici comment traiter des carottes d’arbre avec une chaîne d’outils de tomographie assistée par rayons X. À l’exception de l’extraction chimique à certaines fins, aucun autre traitement physique en laboratoire n’est nécessaire. La chaîne d’outils peut être utilisée pour les estimations de la biomasse, pour l’obtention de données MXD/largeur des cernes d’arbres ainsi que pour l’obtention de données quantitatives sur l’anatomie du bois.

Abstract

Une chaîne d’outils de tomodensitométrie (TDM) à rayons X est présentée pour obtenir la largeur des cernes des arbres (TRW), la densité maximale du bois tardif (MXD), d’autres paramètres de densité et des données quantitatives d’anatomie du bois (QWA) sans avoir besoin d’un traitement de surface intensif en main-d’œuvre ou d’une préparation physique de l’échantillon. L’accent est mis ici sur les cœurs d’incrément et les procédures de balayage à des résolutions allant de 60 μm à 4 μm. Trois échelles sont définies auxquelles le bois doit être examiné : (i) l’échelle inter-anneaux, (ii) l’échelle annulaire, c’est-à-dire l’analyse des cernes des arbres et l’échelle densitométrique, ainsi que (iii) l’échelle anatomique, cette dernière se rapprochant de la qualité conventionnelle des lames minces. Des porte-échantillons conçus sur mesure pour chacune de ces balances permettent un balayage à haut débit de plusieurs cœurs d’incrément. Une série de routines logicielles a été spécialement développée pour traiter efficacement les images CT à rayons X tridimensionnelles des carottes d’arbres pour la TRW et la densitométrie. Cet ouvrage explique brièvement les principes de base de la TDM, qui sont nécessaires à une bonne compréhension du protocole. Le protocole est présenté pour certaines espèces connues qui sont couramment utilisées en dendrochronologie. La combinaison d’estimations approximatives de la densité, de données TRW et MXD, ainsi que de données d’anatomie quantitatives, nous permet d’élargir et d’approfondir les analyses actuelles pour les reconstructions climatiques ou la réponse des arbres, ainsi que de développer davantage le domaine de la dendroécologie/climatologie et de l’archéologie.

Introduction

La densité du bois est une variable1 facile à mesurer qui reflète à la fois les propriétés anatomiques et chimiques du bois2. Dans les estimations de la biomasse de la biomasse aérienne, la densité du bois est une variable de pondération importante 3,4,5, qui est multipliée par les dimensions de l’arbre et un facteur représentant la teneur en carbone du bois. La densité du bois est étroitement liée aux propriétés mécaniques du bois6 et reflète le cycle biologique d’un arbre7.

La densité de la paroi cellulaire est mesurée à environ 1500 kg/m³ et est considérée comme assez constante8, mais les variations de densité de la paroi cellulaire à l’intérieur de l’anneau doivent également être prises en compte 8,9. Les cellules ligneuses (en général les trachéides chez les conifères, les vaisseaux, le parenchyme et les fibres chez les feuillus) sont orientées/façonnées de différentes manières et l’épaisseur de la paroi cellulaire et la taille de la lumière de ces cellules varient de10. Par conséquent, la densité du bois varie entre les arbres, à l’intérieur d’un arbre (axial et transversal) et à de courts intervalles à l’intérieur d’un anneau d’arbre11,12. Dans de nombreux cas, la variation de densité du bois à l’échelle de l’anneau délimite également la limite de l’anneaudes arbres 13. La densité du bois et, en fin de compte, les fractions tissulaires sont générées et, dans cet article, elles sont classées en trois catégories (c’est-à-dire trois échelles de résolution différentes), en fonction de l’objectif de l’étude (figure 1), comme décrit ci-dessous.

Échelle inter-anneaux : En mesurant des morceaux de bois, une seule valeur est obtenue pour cet échantillon. Cela peut se faire par immersion dans l’eau ou géométriquement14. De cette façon, il est possible d’obtenir des variables technologiques générales de la biomasse ou du bois. Pour inclure la variation de la moelle à l’écorce, ces morceaux de bois peuvent être divisés en blocs qui sont mesurés manuellement pour obtenir des informations sur la stratégie du cycle biologique15. Lors du passage à la tomodensitométrie à rayons X à basse résolution, comme dans les scanners médicaux17,18, les données TRW sur des anneaux moyens à larges peuvent être réalisées de manière efficace sur de nombreux échantillons 18,19,20. C’est également l’échelle qui peut être utilisée pour évaluer la biomasse de la moelle à l’écorce des arbres tempérés et tropicaux 4,22, dont les résolutions varient généralement de 50 μm à 200 μm.

Échelle annulaire : Le bois est un enregistreur des conditions environnementales passées. Le paramètre le plus connu est la largeur des cernes des arbres (TRW), mais pour les reconstitutions de la température mondiale, les enregistrements de densité maximale du bois tardif (MXD) se sont avérés être un meilleur indicateur de la température22. MXD est une variable facile à mesurer23, et un proxy de l’épaisseur de la paroi cellulaire et de la taille des cellules sur les dernières cellules d’un anneau d’arbre, et sont à la limite des arbres et des sites boréals positivement liés à la température saisonnière de l’air24 : plus les étés sont chauds et longs, plus la lignification de la paroi cellulaire se produit, ce qui augmente ainsi la densité de ces dernières cellules. Les mesures traditionnelles telles que l’immersion et la géométrie sont moins précises pour déterminer cette densité au niveau de l’anneau. Un travail antérieur a mis au point une chaîne d’outils pour l’utilisation d’un film radiographique sur des échantillons minces25. Cela a déclenché une révolution à la fois dans la foresterie et plus tard dans la paléoclimatologie15,18, définissant la densité maximale du bois tardif (MXD), c’est-à-dire la valeur de densité maximale souvent à la fin d’un anneau, comme indicateur de la température estivale. Le principe de base est que les échantillons sont sciés (environ 1,2 mm à 7 mm13) pour être parfaitement parallèles à la direction axiale, et que l’échantillon est placé sur un film sensible exposé à une source de rayons X. Ensuite, ces films de radiographie sont lus par une source lumineuse qui détecte l’intensité et enregistre les profils et les paramètres des cernes annuels des arbres. Cependant, ces outils nécessitent une quantité importante de préparation d’échantillons et de travail manuel. Récemment, il a été développé pour la tomodensitométrie à rayons X de manière plus standardisée ou sur la base de carottes montées26. La résolution varie ici entre 10 μm et 20 μm. TRW est également mesuré à cette échelle, en particulier lorsqu’il s’agit d’anneaux plus petits.

Échelle anatomique : À cette échelle (résolution < 4 μm), les niveaux de densité moyens deviennent moins pertinents à mesure que les principales caractéristiques anatomiques sont visualisées et que leur largeur et leurs proportions peuvent être mesurées. En règle générale, cela se fait en faisant des microcoupes ou des balayages optiques haute résolution ou des μ-CT. Lorsque l’ultrastructure des parois cellulaires doit être visualisée, la microscopie électronique à balayage est la méthode la plus couramment utilisée27. À l’échelle anatomique, les fractions tissulaires individuelles deviennent visibles, ce qui permet de déduire les paramètres physiologiques des images. Sur la base des paramètres anatomiques individuels et de la densité de la paroi cellulaire du bois, la densité anatomique peut être dérivée à des fins de comparaison avec les estimateurs conventionnels de la densité du bois24.

Grâce à l’amélioration des techniques de sectionnement et du logiciel d’imagerie29,30, la dendro-anatomie30 a été développée pour avoir un enregistrement plus précis du bois, à la fois pour avoir une estimation plus précise de la MXD chez les conifères et pour mesurer plusieurs variables anatomiques des feuillus. Sur cette échelle, les paramètres anatomiques réels sont mesurés et mis en relation avec les paramètres environnementaux31 . Avec μCT, ce niveau peut également être obtenu32,33.

Comme le bois est intrinsèquement hygroscopique et anisotrope, la densité du bois doit être soigneusement définie et les conditions de mesure doivent être spécifiées, soit à l’état sec au four, conditionné (généralement à 12 % d’humidité) ou vert (tel qu’il est abattu dans la forêt)34. Pour les grands échantillons et à des fins techniques, la densité du bois est définie comme le poids divisé par son volume dans des conditions données. Cependant, la valeur de la densité du bois dépend fortement de l’échelle à laquelle elle est mesurée, par exemple de la moelle à l’écorce, la densité du bois peut doubler, et à l’échelle annulaire (chez les conifères), la transition du bois précoce au bois tardif entraîne également une augmentation significative de la densité du bois, avec un pic à la limite de l’anneau.

Ici, un protocole de tomodensitométrie à rayons X des noyaux d’accroissement est présenté afin de mesurer les caractéristiques aux 3 échelles susmentionnées (Figure 1). Les développements récents dans le domaine de la tomodensitométrie à rayons X peuvent couvrir la plupart de ces échelles, grâce à une configuration flexible. Les objectifs de la recherche détermineront le protocole final de numérisation.

Un facteur limitatif crucial (qui est intrinsèquement lié à la nature dimensionnelle de la densité du bois et du bois en général) est la résolution et le temps nécessaires à la numérisation. Des exemples montrent comment : (i) obtenir des profils de densité du bois à l’échelle de l’arbre inter-anneaux pour estimer la biomasse chez Terminalia superba du bassin du Congo, (ii) obtenir des enregistrements de densité du cèdre de Clanwilliam (Widdringtonia cedarbergensis) sur la base d’un balayage hélicoïdal sur un système HECTOR35, et (iii) mesurer les paramètres des récipients sur du chêne sessile, sur le système Nanowood. Les deux scanners font partie de la gamme de scanners du Centre UGent pour la tomographie à rayons X (UGCT,

Figure 1
Figure 1 : Arbre de décision méthodologique général pour la tomodensitométrie à rayons X. Les rangées indiquent les étapes à suivre, à partir de l’objectif de recherche jusqu’au format final des données. Les cases blanches sont les étapes pertinentes pour cette chaîne d’outils. Les cases grisées sont des étapes qui peuvent être effectuées avec d’autres logiciels ou progiciels R, tels que dplr47 et Treeclim48 pour l’analyse des cernes des arbres, et ROXAS44 ainsi qu’ImageJ42 ou d’autres applications (commerciales) pour dériver des paramètres anatomiques du bois sur la base des images CT. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Recherche X-CT sur le bois
Configuration d’un scanner : Un scanner à rayons X standard se compose d’un tube à rayons X, d’un détecteur de rayons X, d’un étage de rotation et d’un ensemble de moteurs pour déplacer l’étage de rotation, et dans la plupart des cas également le détecteur, d’avant en arrière (Figure 2).

Figure 2
Graphique 2. Le système de balayage HECTOR. Le système35, indiquant la distance du détecteur de source (SDD) et la distance de l’objet source (SOD). Veuillez cliquer ici pour voir une version agrandie de cette figure.

La plupart des systèmes de laboratoire ont une géométrie cône-faisceau, ce qui signifie que les rayons X produits sont distribués à partir de la fenêtre de sortie du tube en forme de cône-faisceau, ce qui signifie qu’en modifiant la distance entre l’objet et le tube (SOD = Source-Objet-Distance) et le détecteur et le tube (SDD = Source-Detector-Distance), le grossissement est contrôlé (voir la discussion sur la résolution). En raison du pouvoir de pénétration des rayons X, ils traversent l’objet, et l’intensité du faisceau d’atténuation est fonction de l’énergie du faisceau de rayons X, de la composition chimique de l’objet (le numéro atomique des éléments présents) et de la densité du matériau. Étant donné un spectre d’énergie constant et une composition matérielle constante du bois, l’atténuation du faisceau de rayons X dépend fortement de la densité du matériau, ce qui explique son utilisation pour la densitométrie. L’atténuation (ou transmission) peut être exprimée par la loi de Beer-Lambert :

Equation 1

avec I0 , le faisceau de rayons X entrant est exponentiellement décroissant en un faisceau de rayons X transmis Id lorsqu’il se propage à travers le matériau sur une distance d. Le coefficient d’atténuation linéaire μ dépend d’une série d’interactions avec le matériau de l’objet. Les projections sont donc des enregistrements du faisceau transmis.

Pratiquement, l’objet est monté sur la platine de rotation, un SOD et un SDD appropriés sont sélectionnés, une certaine puissance est également sélectionnée (liée à la taille, à la densité et à la composition de l’objet) et l’objet est tourné à 360° et pendant cette rotation, plusieurs projections sont effectuées. Ces projections sont ensuite utilisées pour reconstruire la structure intérieure de l’objet. Il existe plusieurs algorithmes de reconstruction, dont les plus utilisés sont encore basés sur le cadre analytique développé il y a des décennies, en s’appuyant sur la transformation de Radon et le théorème de la tranche de Fourier. Pour plus de détails, le lecteur est invité à se reporter à la littérature spécialisée36.

L’énigme de la résolution, du volume de données et de la taille de l’échantillon : la résolution est essentielle dans la tomodensitométrie à rayons X. Dans les systèmes à géométrie inverse ou à géométrie de faisceau parallèle comme les lignes de faisceau synchrotron, d’autres considérations jouent un rôle. Ce protocole ne traite que de la tomodensitométrie à rayons X standard en laboratoire avec une géométrie conique. Ici, la notion de grossissement, la taille des pixels du détecteur et la taille du spot sont essentielles. Le grossissement est défini comme le rapport SDD/SOD. Ensuite, la taille des pixels du détecteur a évidemment aussi un impact sur la résolution : plus la taille des pixels est petite, plus la résolution est élevée, mais dans la plupart des cas, le champ de vision (FoV) est également directement lié à la taille des pixels et à la taille du détecteur (taille de pixel plus petite, FoV plus petit pour le même nombre de pixels). De plus, la taille du faisceau de rayons X est également importante : plus la taille du point est grande, plus la résolution est faible, ce qui signifie que moins de détails peuvent être vus.

Il est important de tenir compte du fait que l’on pourrait obtenir une résolution supérieure à ce qui est possible selon les limites mentionnées ci-dessus, il est donc préférable d’utiliser le terme taille de voxel (un voxel est un pixel de volume) au lieu de résolution. De plus, d’autres facteurs entrent en jeu, tels que la netteté du détecteur, qui limitent davantage la résolution réelle à laquelle un objet est scanné. Seul un véritable étalonnage du système, à l’aide d’objectifs établis, fournit une réponse véridique.

Dans la plupart des cas, cependant, la taille du voxel à laquelle un objet peut être numérisé est principalement limitée par la taille de l’objet. Cela signifie que plus l’objet est grand, plus la taille du voxel sera faible. Si l’objet ne rentre pas dans le champ de vision du détecteur pour une certaine taille de voxel, la taille du voxel peut être réduite, par exemple en limitant le grossissement.

Le temps de balayage et le volume de données sont importants à prendre en compte pour décider de la taille de voxel souhaitée. En général, plus la taille du voxel est petite, plus les détails que l’on souhaite voir sont élevés, plus l’échantillon est petit ou moins il y a d’échantillons pouvant être numérisés à la fois, plus il faut de temps et plus les volumes de données collectés sont importants. Imaginons l’exemple théorique suivant : on peut scanner un échantillon de 10 cm x 10 cm x 10 cm à 50 μm à la fois avec un certain système de tomodensitométrie à rayons X et on voudrait scanner ce même volume à 10 μm, le volume qui rentre dans le FoV ne serait que de 2 cm x 2 cm x 2 cm, en supposant que cela soit physiquement possible. Cela signifie qu’il faut 125 balayages (5³ = 5 fois une résolution plus élevée, échelle à la puissance 3 en raison de la nature volumétrique de la technique d’imagerie) pour couvrir l’ensemble du volume, et que le volume de données augmenterait de même. Bien sûr, il ne s’agit que d’une expérience de pensée, et il faut considérer bien plus qu’une simple résolution. Pour plus d’informations, le lecteur est invité à consulter un aperçu des possibilités de balayage37.

Flexibilité des instruments pour la numérisation d’objets en bois : Au cours de la dernière décennie, de nombreuses entreprises ont livré des systèmes de tomodensitométrie à rayons X avec un assemblage similaire à celui d’HECTOR35. Une vue d’ensemble de plusieurs systèmes de TDM, particulièrement évalués pour leur résolution temporelle, est donnée en38.

Dans l’ensemble, la flexibilité et la facilité d’utilisation des systèmes de tomodensitométrie à rayons X se sont considérablement améliorées. De nombreux systèmes permettent de numériser une gamme variée d’objets, ce qui est également le cas des systèmes de l’UGCT. Le protocole ci-dessous est démontré pour le système HECTOR, qui convient à l’analyse des cernes des arbres. Le protocole est toutefois valable pour tout autre système disponible si la résolution et le format des données le permettent.

Ces systèmes permettent de numériser une variété d’objets. La figure 3 donne quelques photos de différents objets en bois scannés avec le système HECTOR. C’est cette flexibilité qui comprend les trois échelles que nous présentons à la figure 1, allant d’une résolution grossière à une résolution très fine.

Figure 3
Graphique 3. Exemples de configuration de numérisation. (A) Une bûche, (B) un violoncelle49, (C) des porte-échantillons (type 1) avec des noyaux d’arbre pour le balayage par lots et (D) un porte-échantillon de type 2 avec des noyaux d’incrément pour le balayage hélicoïdal monté sur la platine de rotation de HECTOR. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Échantillonnage de carottes

  1. Échantillonnez l’arbre à l’aide d’une foreuse Pressler. Consultez les références sur la façon de carotter un arbre manuellement39. Cette chaîne d’outils est présentée pour les mandrins de 5,15 mm.
  2. Mettez les noyaux d’arbre décollés dans des pailles en papier de 6 mm ou dans tout autre récepteur qui ne nécessite pas de colle. Ne collez pas les noyaux d’arbres sur un support en bois. Si les noyaux étaient déjà montés, démontez-les avec un scalpel/scie ou un solvant selon le type de colle.
  3. Évitez de les envelopper dans des tubes en plastique, essayez de les sécher d’abord pour éviter la croissance de moisissures et la pourriture fongique.
  4. Utilisez un crayon pour écrire sur les pailles en papier, car l’extraction pourrait estomper les écritures au marqueur.
    REMARQUE : Cette chaîne d’outils est également adaptée aux mandrins de 4 mm. Des noyaux déjà montés et poncés peuvent être utilisés, mais ceux-ci doivent d’abord être démontés. Pour le bois archéologique ou les restes de bois, un échantillon de la taille d’une carotte doit être prélevé (en sciant/réduisant la taille) pour le balayage.

2. Préparation du noyau avant le balayage

  1. Effectuer une extraction à l’éthanol/toluène ou à l’éthanol ou à l’acétone40 Soxhlet pendant au moins 24 h (Figure 4A,B). Ceci est nécessaire pour garantir un volume de bois sans résine afin d’avoir un calcul précis de la masse volumique (la résine atténue le signal, Figure 4C13,41).
    1. Préparez une solution de 1000 ml d’éthanol avec 427 ml de toluène (selon par exemple, la norme ASTM D 1107 - 96) ou d’éthanol pur ou d’acétone. De nombreuses universités disposent d’un atelier de verre de laboratoire qui peut fabriquer une version adaptée de l’appareil Soxhlet pour les carottes d’arbres (Figure 4B).
    2. Remplissez le ballon à fond rond avec le solvant et placez les échantillons dans les pailles dans un support en acier inoxydable dans l’appareil Soxhlet avec refroidisseur sur un appareil de chauffage de laboratoire. Prévoyez au moins 6 siphonnages par h.
      REMARQUE : Un circuit d’eau fermé est de préférence utilisé pour le refroidissement (ou tout autre système de refroidissement moderne). Dans ce cas, une pompe à eau fait circuler l’eau, stockée dans un bassin de 100 L avec des pastilles de chlore (pour éviter le développement d’algues), à 120 L/h (mais cela dépendra de la taille de l’appareil Soxhlet ainsi que de la chaleur appliquée par l’élément chauffant). Un refroidisseur d’air est utilisé pour refroidir l’eau dans le bassin de 100 L. Pour économiser sur le solvant, des billes de verre peuvent être utilisées pour remplir le volume vide de l’appareil Soxhlet.
    3. Vérifiez régulièrement la température et le nombre de siphonnages. Séchez les noyaux sous une hotte chimique (vérifiez la politique du laboratoire pour cela) pour éliminer les résidus de solvant ou placez une étuve de séchage sous la hotte chimique.
  2. Sécher les noyaux pendant 24 h dans une étuve de séchage (103,5 °C) sous ventilation aspirante et effectuer un bain d’eau chaude (90 °C) ou une extraction à l’eau chaude Soxhlet pendant 24 h comme décrit ci-dessus.
    1. Conservez les échantillons dans les pailles en papier dans les porte-échantillons en acier. Sécher à nouveau dans un four sec pendant 24 h à 103,5 °C, puis conditionner à 60 % d’humidité relative (HR) avant de scanner.
      REMARQUE : La valeur de 60 % est choisie dans ce cas, car il s’agit approximativement des conditions d’humidité relative moyennes ambiantes dans la salle de tomodensitométrie à rayons X. Des échantillons secs au four peuvent également être utilisés. Le facteur le plus important est que tous les échantillons sont scannés dans les mêmes conditions.
    2. Au cas où l’extraction de l’eau dégénère les pailles en papier, remettez les noyaux d’arbre dans de nouvelles pailles en papier de 6 mm21. Les mandrins de 5,15 mm et de 4 mm peuvent être placés dans des pailles en papier de 6 mm.
    3. Assurez-vous que toute la paille en papier est remplie de bois. Enroulez les deux extrémités de paille vers le haut et coupez les extrémités. Cela permet d’insérer facilement les pailles dans le support cylindrique.
    4. Assurez-vous que le côté cambium (écorce) est clairement indiqué sur le noyau, car le CoreProcessor et le RingIndicator supposent que le côté écorce est vers le bas. Retirez les morceaux ainsi que les noyaux avec des fissures car ils sont difficiles à travailler.

Figure 4
Graphique 4. Flux de travail pour l’extraction et le séchage des carottes avant la numérisation. (A) Les carottes d’incrémentation dans des pailles en papier sont d’abord placées dans un bain d’eau chaude, puis dans un mélange chaud d’éthanol et de toluène à l’aide d’un appareil Soxhlet pendant 24 h, puis séchées, placées dans un bain d’eau chaude pendant 24 h, puis séchées à nouveau à 103,5 °C, puis conditionnées avant d’être numérisées. (B) Images de l’installation adaptée de Soxhlet à l’Université de Gand. Plusieurs appareils Soxhlet adaptés sont fixés en série. Notez la feuille d’aluminium et les tubes isolants pour maintenir le solvant ou le mélange de solvants suffisamment chaud pour l’extraction. (C) Exemple de la surface d’une carotte d’accroissement de Pinus longaeva avant et après l’extraction. Les résines et autres extractifs masquent le signal de densité réelle, en raison de l’atténuation des rayons X. Veuillez cliquer ici pour voir une version agrandie de cette figure.

3. Analyse du cœur

  1. Sélectionnez le type de support d’échantillon approprié (figure 5) comme décrit ci-dessous, en fonction de l’objectif de la recherche, comme décrit à la figure 1.
    1. Pour l’échelle inter-anneaux, utilisez le support de type 1 - carton et mousse florale perforée.
    2. Pour les données MXD, utilisez le support de type 2 - un support d’échantillon en plastique qui contient 6 noyaux de 1 à 15 cm de long et de 3 cm de diamètre.
    3. Utilisez le support de type 3 - à des fins de dendro-anatomie, cela consiste simplement à attacher des pailles en papier ensemble.
  2. Chargez les carottes d’arbres dans des pailles en papier dans le porte-échantillon et remplissez le modèle de feuille de calcul qui peut être téléchargé sur https://dendrochronomics.ugent.be/#software. Chaque numéro correspond à une position donnée dans le porte-échantillon.
  3. Balayage dans un établissement de tomodensitométrie à rayons X : consultez un expert en tomodensitométrie à rayons X pour connaître les paramètres et le protocole de numérisation appropriés. Pour l’analyseur utilisé dans ce protocole, voir37.
  4. Reconstruction des images numérisées : consulter un expert en tomodensitométrie pour connaître les paramètres appropriés de la reconstruction ou les paramètres fournis avec le tomodensitomètre (progiciel de la tomodensitométrie à rayons X). Pour les paramètres de reconstruction de ce protocole, voir37.

Figure 5
Graphique 5. Types de porte-échantillons et résolution. Conception des trois principaux types de supports, qui correspondent à (A) l’échelle inter-anneaux, (B) l’échelle des anneaux d’arbre et (C) l’échelle anatomique. En raison de la taille résultante, le nombre d’échantillons diminue avec l’augmentation des exigences de résolution. Les rendus 3D correspondants pour (D) l’échelle inter-anneaux (support 1), (E) la largeur de l’anneau et le MXD (type de support 2), et (F) les paramètres anatomiques (type de support 3). Barre d’échelle = 5 mm. Veuillez cliquer ici pour voir une version plus grande de cette figure.

4. Obtenir les données TRW, les données de densité et les données anatomiques

  1. Prise en main du logiciel.
    1. Pour obtenir les valeurs de densité (types de support 1 et 2), installez les trois progiciels suivants : (i) CoreProcessor, (ii) RingIndicator et (iii) les boîtes à outils CoreComparison à partir de
    2. Comme ces boîtes à outils ont été créées dans MATLAB, installez le bon runtime du compilateur MATLAB (MCR), disponible sur : http://nl.mathworks.com/products/compiler/mcr/. La version nécessaire actuellement est MATLAB2022B. Le MCR est gratuit, tout comme les 3 progiciels.
    3. À côté du dossier des volumes reconstruits, créez un nouveau dossier vide pour les fichiers MAT (un format de fichier de MATLAB qui stocke des variables, etc.), par exemple, matfiles_useful_name_sample_holder, cela est nécessaire pour stocker des paramètres temporaires.
    4. Assurez-vous que la feuille de calcul se trouve dans le dossier des volumes reconstruits, afin de remplir les échantillons dans une étape ultérieure.
  2. Prétraitement des volumes de cœur avec le CoreProcessor.
    REMARQUE : Pour les données anatomiques à haute résolution, les étapes de traitement suivantes ne sont pas nécessaires (Graphique 1), une fois les volumes reconstruits disponibles, reportez-vous aux directives ImageJ pour les images 3D42. La segmentation peut se faire via le plugin Weka43 pour l’indication de récipients sur des tranches individuelles, par exemple12, ou dans des plug-ins logiciels tels que ROXAS44.
    1. Préparation de l’extraction des carottes : Préparez l’extraction automatisée des carottes d’incrémentation (en fonction de l’échelle inter-anneaux Figure 6A ou de l’échelle annulaire Figure 6B) comme décrit ci-dessous.
      1. Sélectionnez le dossier contenant les fichiers reconstruits (tranches TIFF 16 bits en coupe transversale) et le fichier de feuille de calcul (XrayForm.xlsx).
      2. Sélectionnez le dossier vide dans la version 4.1.3. C’est le dossier dans lequel CoreProcessor va créer un fichier MAT qui sera utilisé dans la version 4.2.2. pour l’extraction massive de noyaux.
      3. Sélectionnez le dossier de fichiers MAT vide nouvellement créé ou, s’il n’est pas créé, sélectionnez un autre dossier. Le volume est chargé et une section longitudinale du cylindre apparaît, vérifiez quelques tranches horizontales pour vous assurer que tous les noyaux et références ont été correctement montés dans le cylindre.
      4. Cliquez de bas en haut pour sélectionner les tranches à évaluer. Ces sections transversales seront utilisées pour l’étape suivante, alors cliquez sur toute la longueur. Indiquez les références foncées (air) et blanches (Figure 6), autant de fois qu’indiqué dans le fichier de la feuille de calcul. Double-cliquez après chaque sélection.
      5. Pour le porte-échantillon 1, inspectez le multi-écran à 9 sections, généré par le matériau de référence, pour vérifier si le calcul de la densité a été effectué sur le bois (et non sur le papier, la paille ou un autre matériau non ligneux). Ceci est essentiel pour une conversion correcte aux valeurs réelles de densité du bois.
      6. Dans une nouvelle fenêtre contextuelle, sélectionnez chaque noyau séparément en dessinant un cercle/ellipse autour de lui. Effectuez l’étiquetage sur la base des informations du tableur, vérifiez si le nom est correct. Respectez l’ordre dans lequel le modèle est rempli. Toutes les informations sont stockées dans un fichier MAT, qui sera utilisé lors de l’étape suivante pour extraire tous les cœurs à la fois.
    2. Cliquez sur Extraction massive de noyaux pour effectuer l’extraction de tous les noyaux d’un cylindre donné (qui ont été indiqués en 4.2.1.2), étant donné que les métadonnées et les fichiers de tableur se trouvent dans le même dossier.
      REMARQUE : Lors de l’utilisation de l’extraction de noyau de masse, tous les noyaux seront extraits selon l’étiquetage de l’utilisateur (qui sont stockés dans le dossier de fichiers mat). À la suite de cette opération, un nouveau dossier nommé Extract sera créé, qui contient tous les cœurs séparés. Lorsque plusieurs supports d’échantillons sont préparés lors de la première étape et que tous les fichiers MAT sont stockés dans le même dossier, tous les fichiers MAT de ce dossier seront traités.
    3. Dans la boîte à outils CoreProcessor, cliquez sur Correction manuelle de la Tg, puis sélectionnez le dossier Extrait pour garantir une orientation correcte des plans transversal et radial de chaque volume de cœur, de la même manière que pour le montage d’échantillons physiques dans un porte-échantillon avant le ponçage en gardant le plan transversal en vue (Figure 7B).
      1. Certaines sections transversales sont affichées afin que l’utilisateur puisse voir la direction du grain. Dans le dernier graphique (en bas à droite), inspectez la tranche qui est présentée et tracez une ligne pour indiquer la direction du grain. Double-cliquez pour faire pivoter automatiquement le noyau.
      2. Ensuite, un écran apparaît, ici recadrez le volume de la carotte (Figure 7C), en vous assurant que le rectangle englobe tout le diamètre de la carotte. Ceci est nécessaire car le point central du rectangle doit être aussi proche que possible de l’axe central (pour un alignement correct dans le module RingIndicator).
        REMARQUE : Si vous numérisez à haute résolution, sélectionnez uniquement du matériau dans la carotte à ce stade et utilisez le convertisseur pour passer au porte-échantillon de type 2. C’est certainement utile pour les espèces poreuses en anneau par exemple.
    4. Effectuez les étapes facultatives suivantes en cas de noyaux mal alignés, retournés ou cassés ou de formats d’image incompatibles.
      1. Correction de l’inclinaison du noyau (uniquement pour le porte-échantillon 1) : Pour corriger automatiquement l’inclinaison du noyau (par exemple, lorsque le noyau est légèrement incliné dans le cylindre ; Figure 7A). Ceci est important pour les étapes ultérieures. Sélectionnez le dossier Extrait créé à l’étape précédente.
        REMARQUE : Ce n’est normalement pas nécessaire si vous avez un porte-échantillon de type 2 ou de type 3 (Figure 5) ou si tous les échantillons et porte-échantillons sont parfaitement placés à la verticale.
      2. Retournez les volumes : Si l’échantillon n’a pas été placé avec le côté écorce vers le bas (le sens de la moelle et de l’écorce n’est pas de gauche à droite), changez de direction en retournant les carottes. La fonction demande un dossier et en créera un nouveau.
      3. Noyaux de colle : Cousez virtuellement de grandes parties de noyaux individuels. L’idée n’est pas d’assembler parfaitement, mais de s’assurer que, si nécessaire, des cœurs uniques se trouvent dans le même volume TIFF de plusieurs pages. Utilisez l’indication de noyau cassé (voir étape 4.3.4.9) pour surmonter les espaces entre les pièces de noyau.
      4. Convertisseur : Si les volumes ont été manipulés dans un autre progiciel et sont enregistrés en dehors de la boîte à outils (par exemple, ImageJ), effectuez cette étape pour obtenir les informations d’en-tête correctes. Utilisez cette étape pour les volumes TIFF multipages 16 bits provenant d’un autre scanner CT ainsi que pour l’utilisation de la boîte à outils RingIndicator.
        REMARQUE : Toutes les étapes à partir d’ici sont pour les corrections de direction de la structure et enfin, la densitométrie et l’analyse des cernes des arbres.
  3. Correction des angles et des anneaux indicateurs dans RingIndicator.
    REMARQUE : Les étapes suivantes doivent être effectuées chronologiquement dans le module RingIndicator : (i) visualisation du plan transversal et radial, (ii) correction de la structure, (iii) création du profil de densité, et (iv) indication des anneaux manuellement ou semi-automatiquement.
    1. Effectuez la visualisation des plans transversal et radial comme décrit ci-dessous.
      1. Pour vous familiariser avec l’interface graphique, ouvrez la boîte à outils et sélectionnez un fichier TIFF de plusieurs pages (celui qui a été créé après l’extraction et après la correction de tg, donc à partir du nom de dossier Tg corrigé).
      2. Sélectionnez l’image Demi-épaisseur de la tranche pour afficher une image moyenne des X tranches centrales, X allant de 1 à 10, 1 étant l’absence de moyenne (c’est-à-dire n’afficher que la tranche centrale) et 10 étant une image moyenne des 10 tranches centrales.
        REMARQUE : Le calcul de la moyenne peut être bénéfique pour mieux mettre en évidence les bordures de l’anneau et supprimer le bruit, d’autre part, il peut également rendre les bordures de l’anneau moins distinctes, en particulier lorsque l’angle de la fibre est substantiel. Veuillez régler cette valeur en fonction des besoins. Il est important de mentionner qu’il ne s’agit que d’un affichage, qu’il n’a pas d’impact sur le volume sous-jacent, ni sur les calculs/résultats finaux.
      3. Inspectez l’interface utilisateur graphique (GUI). L’interface graphique contient une figure supérieure avec le plan transversal du noyau et une figure inférieure avec le plan radial du noyau, ainsi qu’un menu (Figure 8).
      4. Pour charger un nouveau volume principal, recherchez la fonction Volume > Charger le volume pour sélectionner un nouveau fichier TIFF de plusieurs pages dans le répertoire. L’utilisateur est maintenant prêt à indiquer la direction de la structure pour indiquer ultérieurement les cernes réels des arbres.
    2. Correction de la structure pour faciliter l’indication automatique des cernes des arbres.
      1. Cliquez manuellement sur l’image pour insérer des barres vertes pour la correction de la structure. Commencez par la moelle (ou l’anneau le plus ancien disponible) et terminez par l’anneau le plus récent. Le long du noyau, corrigez les écarts structurels sur le plan transversal et radial.
      2. Assurez-vous d’indiquer correctement l’angle de l’anneau et de la fibre, car toutes les indications ultérieures prendront un angle interpolé entre les indications respectives.
      3. Insérez une barre verte sur un plan, elle en générera automatiquement une sur l’autre plan. Après avoir inséré la barre, déplacez les nœuds (carrés blancs) à l’extrémité de la barre pour changer l’angle. Utilisez le nœud du milieu pour changer la position de la barre. Ajustez la taille des nœuds pour faciliter l’utilisation.
      4. Après chaque étape, assurez-vous d’appuyer sur Données > Exporter et Anneaux > Exporter les anneaux, pour vous assurer que les indications d’anneau et de fibre sont écrites dans les fichiers .txt appropriés. Tout au long de toutes les corrections, assurez-vous de toujours effectuer ces deux actions.
    3. Calcul du profil de densité.
      1. Utilisez le tracé de densitométrie > de densitométrie pour calculer le profil de densité. Créez et tracez un profil de densité en sélectionnant Tracé de superposition > Profil de densité de tracé, qui peut servir de superposition sur les plans de noyau.
      2. Pour le calcul MXD, indiquez un pourcentage (recommandé est de 20 %, par exemple, 20 % signifie que seulement 20 % des valeurs de densité les plus élevées sont incluses), afin d’exclure les valeurs inférieures des conduits de résine, du bois de préchauffage, etc. Pour les valeurs de densité moyennes, utilisez 100%. Pour une densité minimale, utilisez également 100%.
    4. Effectuez l’indication manuelle et/ou automatique des limites de l’anneau à l’aide d’un clic gauche de la souris par anneau, comme décrit ci-dessous.
      REMARQUE : Insérez les mêmes barres vertes qu’à l’étape 4.3.2.1., cette fois l’utilisateur doit le faire maintenant anneau par anneau (Graphique 9).
      1. Utilisez l’option Tracé de superposition > Profil de densité de tracé pour visualiser le profil de densité sur l’image. Il est préférable d’indiquer la limite de l’anneau également en conjonction avec ce profil.
        REMARQUE : Ouvrez autant d’instances que nécessaire à partir des boîtes à outils, en combinaison avec la boîte à outils CoreComparison (voir plus loin).
      2. Pour les indications automatiques (recommandées pour les conifères par exemple), utilisez la détection automatique > Max/Min/Inflexion . Cette fonction indiquera automatiquement les limites des cernes des arbres en fonction du profil de densitométrie créé à l’étape précédente. Pour les indications automatiques (fonctionne mieux pour les conifères boréals ou les espèces dont les limites annulaires sont claires définies par le profil de densité), utilisez la détection automatique > Max/Min/Inflexion . Cette fonction indiquera automatiquement les limites des cernes des arbres en fonction du profil de densitométrie créé à l’étape précédente.
      3. Selon l’espèce (poreuse diffuse/poreuse annulaire ou conifère), utilisez le maximum/minimum ou l’inflexion de la courbe (juste après le pic de densité) comme critère de limite des cernes des arbres. Le premier paramètre est un seuil pour la fonction de crête, le second est une fonction plus lisse.
      4. Après avoir effectué les indications d’anneau automatiques, effectuez un décalage automatique (avec une taille de fenêtre de 1 pixel et des itérations définies par l’utilisateur), tout en vous assurant qu’aucune indication d’anneau n’est tracée les unes sur les autres en raison de ce décalage et réexécutez le tracé de densitométrie.
      5. Changer la date d’abattage pour l’année à laquelle les carottes d’accroissement ont été prélevées sur les arbres vivants ou à toute autre date appropriée. La valeur par défaut est 1900.
      6. Dans Tracé de superposition, sélectionnez Anneaux de tracé et les années s’affichent. Sélectionnez également le plan sur lequel tracer les anneaux et/ou le profil de densité.
      7. Une fois que deux cœurs sont entièrement indiqués (par exemple, dans le même arbre), effectuez des comparaisons par paires des courbes de largeur des anneaux de noyau en ouvrant la boîte à outils CoreComparison. Ouvrez une instance de RingIndicator par cœur et modifiez les indications si nécessaire. Exportez-les à nouveau et mettez fin à cette approche itérative et interactive pour obtenir des données de bonne qualité. À l’étape suivante (étape 4.4.1.), procédez comme suit pour tous les cœurs afin d’exporter à la fois les données TRW et les valeurs de densité correspondantes.
      8. Vérifiez les positions des anneaux doubles dans l’option Anneaux > Vérifier les anneaux ; Cela vérifiera si des indications ont une position à l’extérieur des images ainsi que des anneaux qui se chevauchent, par exemple, si un double clic s’est produit deux fois sur la même position.
      9. Pour les noyaux cassés qui ont des morceaux, commencez par la moelle et délimitez les anomalies (air dû aux noyaux cassés, points brillants dus aux poches de résine, contamination et parties pourries) comme s’il s’agissait d’anneaux pour les supprimer par la suite. Terminez par la limite de l’anneau de l’arbre du dernier anneau formé et exportez les données. Essayez d’éviter les carottes cassées lors de l’échantillonnage (voir étape 1.1. et39).
        REMARQUE : Les bagues manquantes et cassées peuvent être indiquées, voir Figure 10. Deux cas sont définis, l’un où le noyau se rompt au milieu d’un anneau, et l’autre où le noyau se rompt à la limite d’un anneau. Pour le premier (figure 10A), indiquez l’espace, notez le numéro de cet espace suivi du numéro 1 et fermez les parenthèses. Ensuite, le programme additionnera les deux parties de l’anneau pour obtenir une valeur TRW correcte. Dans le second cas, le numéro de l’écart est indiqué suivi du numéro 2, et le programme omettra cette section (figure 10B).
      10. En indiquant des anneaux et en générant des profils de densité, plusieurs fichiers .txt sont créés et stockés dans le même dossier que les fichiers TIFF de plusieurs pages, et les plus importants sont répertoriés dans le tableau 1. Conservez ces fichiers .txt dans le même dossier que les images TIFF, afin de les traiter davantage dans le module CoreComparison (étape 5.4).
        REMARQUE : Pour calculer les valeurs de densité d’une manière différente en fonction du profil de densité brute (par exemple, largeur du bois tardif par rapport à largeur du bois précoce45 ou d’autres mesures non prises en charge par les boîtes à outils CoreComparison et CoreProcessor), utilisez les fichiers texte zpos_corr et density_corr et utilisez-les pour ces calculs.
  4. Pour comparer la série TRW et exporter les données via CoreComparison, suivez les étapes ci-dessous.
    REMARQUE : Lors de l’utilisation de cette boîte à outils, deux fenêtres sont ouvertes simultanément, le module CoreComparison et le module PatternMatching. Le CoreComparison s’occupe de la datation croisée et de l’exportation des données TRW, tandis que le module PatternMatching peut être utilisé pour l’exportation de profils de densité et de valeurs de densité (MXD, densité minimale (MND), densité moyenne et valeurs de 4 quartiles). L’objectif principal de CoreComparison est de générer les valeurs TRW et les valeurs de densité, et d’avoir une estimation approximative de la qualité de la datation croisée, avec un couplage à RindIndicator en cas d’anneaux manquants ou d’indications erronées.
    1. Effectuez les étapes suivantes pour la datation croisée ou l’appariement du motif de largeur de l’anneau avec d’autres séries.
      1. Une fois la section RingIndicator terminée, sélectionnez les fichiers texte à comparer et un écran s’ouvrira avec les largeurs d’anneau, ainsi que les datations croisées ou les paramètres statistiques tels que la corrélation de Gleichlaüfigkeit (GLK)46 et/ou de Spearman entre les séries individuelles (Figure 11).
      2. Pour apporter des modifications aux indications de bague (par exemple lors de la datation croisée), rouvrez RingIndicator, importez les données, exportez les données et les anneaux modifiés et utilisez le bouton Actualiser dans le module CoreComparison (voir en haut à gauche) pour voir les modifications.
      3. Ouvrez plusieurs instances de RingIndicator pour apporter des modifications à différentes séries d’anneaux de croissance et utilisez plusieurs moniteurs d’écran pour ce faire.
      4. Dans le menu GLK et CORR (Figure 11), effectuez une série d’actions liées à GLK, telles que le seuillage des chiffres, l’exportation des valeurs GLK vers une feuille de calcul et leur classement.
    2. Obtenez les valeurs TRW de CoreComparison comme décrit ci-dessous.
      1. Utilisez la fonction de traçage et d’exportation de CoreComparison pour modifier le décalage entre les courbes (une valeur plus élevée entraîne un décalage plus petit). Visualisez les données TRW dans un graphique en sélectionnant Tracer et exporter > largeur de l’anneau.
      2. Exportez les données TRW en cliquant sur Tracer et exporter > Exporter les données RW. Exportez les largeurs d’anneau au format tableur ou au format Tucson.
    3. Obtenez les profils de densité à partir du module PatternMatching comme décrit ci-dessous.
      1. Pour obtenir les profils de densité dans un tableur, allez dans le module PatternMatching , et après avoir chargé les profils, dans le menu Autre , sélectionnez Tracer > Exporter les profils de densité corrigés.
      2. Pour traiter par lots des profils ou pour évaluer les données à l’aide de différentes méthodes, utilisez directement les fichiers .txt du Tableau 1 (voir étape 4.3.4.11).
    4. Obtenez les valeurs MXD, MND et d’autres valeurs de densité à partir du module PatternMatching, comme décrit ci-dessous.
      1. Pour obtenir la densité moyenne, le MXD, le MND et les données quartile par anneau d’arbre, utilisez Autres graphiques > Exporter les données groupées. Une feuille de calcul sera générée et se trouvera dans le même dossier que les fichiers TIFF.
      2. Les onglets de la feuille de calcul sont détaillés dans le tableau 2. Exportez ces variables d’anneau d’arbre vers Rstudio ou un autre logiciel pour une analyse plus approfondie.

Figure 6
Graphique 6. Obtention des valeurs de densité du bois à partir des valeurs de gris. Conversion des valeurs de gris de l’image en estimations réelles de la densité du bois, grâce à un étalonnage avec un matériau de référence. (A) Porte-échantillon 1, à une résolution de 60 μm, montrant la référence à l’air, la référence blanche et le noyau. (B) Le porte-échantillon, à 20 μm, l’air, la référence et la carotte sont également montrés. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 7
Graphique 7. Étapes de prétraitement du volume central 3D. Etapes de pré-traitement du volume du noyau 3D avant visualisation et indication des cernes des arbres. (A) Correction de l’inclinaison (axiale), (B) Correction tangentielle, avec les barres grises indiquant la direction de la fibre, (C) Le recadrage du volume du noyau pour obtenir un volume avec uniquement des voxels ligneux. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 8
Graphique 8. Capture d’écran d’un noyau. Capture d’écran d’un noyau (largeur tangentielle d’environ 3 mm, résolution μm) ouvert dans la boîte à outils RingIndicator. Le volet supérieur est la vue transversale, le volet inférieur est la vue radiale. Les barres vertes indiquent l’indication de la structure (dans ce cas, sur la limite de l’anneau), la ligne rouge est le profil de densité. Les chiffres jaunes indiquent l’année civile, et les chiffres bleus le numéro de bague générique (à compter de la première indication). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 9
Graphique 9. Indication de l’anneau et visualisation du profil de densité dans le module RingIndicator. Les lignes vertes sont des indications, la ligne rouge est le profil de densité du bois. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 10
Graphique 10. Comment gérer les fissures dans les noyaux. (A) Lorsqu’une fissure se produit au milieu de l’anneau, le numéro de l’anneau générique (à partir de la moelle) sera étiqueté comme un espace, et TRW sera calculé en additionnant les largeurs des deux parties de l’anneau. Les paramètres sont 3 (numéro de l’anneau) et 1 (cas 1 : fissure au milieu d’un anneau)31. (B) Lorsqu’une fissure se produit à la limite d’un anneau, l’écart sera omis du calcul TRW. Les paramètres sont 3 (numéro de l’anneau) et 2 (cas 2 : fissure à la limite de l’anneau)31. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 11
Graphique 11. Capture d’écran du module Core Comparison. Capture d’écran du module Core Comparison, où les séries de largeur d’anneau sont distribuées verticalement pour une comparaison visuelle facile. Le volet supérieur montre la largeur de l’anneau de 4 cœurs de Fagus sylvatica, le volet inférieur gauche montre la Gleichlaüfigkeit (GLK) et le volet inférieur droit le coefficient de corrélation de Spearman. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Nom du fichier Explication
SAMPLENAME_density.txt Valeurs de densité non corrigées sur toute la longueur de l’image, donc non corrigées pour l’angle de l’anneau et de la fibre
NOM DE L’ÉCHANTILLON _density_corr.txt cf. txt précédent mais alors avec des valeurs de densité corrigées
NOM DE L’ÉCHANTILLON _ring-and-fibre.txt Positions et angles d’indication des anneaux et des fibres
NOM DE L’ÉCHANTILLON _zpos.txt position des limites des cernes des arbres sur votre carotte, sans correction des anneaux et des fibres
NOM DE L’ÉCHANTILLON _zpos.corr.txt idem comme zpos, mais corrigé ensuite pour l’angle de l’anneau et de la fibre
NOM DE L’ÉCHANTILLON _ringwidth.txt Largeurs d’anneau calculées, en tenant compte de l’angle de l’anneau et de la fibre

Tableau 1. Fichiers texte générés par RingIndicator. Liste des fichiers texte générés après l’indication des anneaux et l’exportation du profil de densité dans RingIndicator. Ceux-ci doivent rester dans le même dossier que le fichier .tiff afin d’être ouverts dans le module CoreComparison.

Variable de cernes d’arbre Explication
Densité moyenne Densité moyenne par anneau d’arbre
Densité maximale semi-basée MXD mais uniquement basé sur la seconde moitié de l’anneau de l’arbre pour éviter que les valeurs de densité élevées de l’année précédente ne soient pas incluses
Densité minimale la densité minimale par anneau d’arbre
T1 à T4 valeurs moyennes et maximales pour chaque quartile du profil annulaire intra-annuel

Tableau 2. Détails de la feuille de calcul. Les variables d’anneau d’arbre qui sont exportées dans une feuille de calcul nommée exporter les données en cluster.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Si l’objectif est l’estimation de la biomasse ou l’augmentation de la croissance des arbres de nombreux échantillons, c’est-à-dire l’échelle inter-anneaux (figure 1), le porte-échantillon 1 (figure 5) est utilisé pour balayer les échantillons afin d’obtenir des profils de densité (voir l’étape 5.4.3) et des estimations de la croissance des arbres, par exemple pour les arbres à croissance rapide avec de grands TRW, ce qui permet une résolution plus grossière. La figure 12 montre un exemple des tendances de la densité de la moelle à l’écorce et de la densité axiale de T. superba, une espèce du bassin du Congo. Ces diagrammes étaient basés sur des balayages de 110 μm provenant de carottes d’accroissement d’arbres prises à différentes positions de hauteur dans la tige.

Pour l’échelle annulaire (Figure 1) ciblée par des carottes de balayage avec le porte-échantillon 2 (Figure 5B), l’analyse des cernes des arbres et le calcul MXD sont possibles. La figure 13 en est un exemple, où une chronologie de densité minimale (dans ce cas, liée aux précipitations de la saison humide) et de densité maximale est tracée pour les carottes de W. cedarbergensis des montagnes Cedarberg en Afrique du Sud26. Celle-ci était basée sur le balayage de noyaux montés à une résolution de 10 μm.

Pour l’échelle anatomique (Figure 1), les carottes de balayage avec support 3, c’est-à-dire plusieurs carottes dans des pailles en papier enroulées ensemble, permettent une résolution allant jusqu’à 4 μm. Le résultat est illustré à la figure 14, où une image tomodensitométrique à rayons X d’une tranche de chêne (Q. robur) est montrée, avec des vaisseaux de bois précoce et de bois tardif segmentés.

Figure 12
Graphique 12. Tendances de la densité du bois radiale et axiale. (A) Variation radiale de la densité du bois séché au four (kg/m3) de 46 arbres Terminalia superba du bassin du Congo (RDC ; données extraites de 21), avec des valeurs minimales (min), moyennes et maximales (max), avec un profil brut (rouge) superposé. (B) Variation radiale et variation axiale d’un seul arbre Terminalia superba , où à chaque intervalle de hauteur de 1 m, une carotte d’accroissement a été prélevée et balayée (23 carottes au total). Il y a une tendance à la hausse de la densité de la moelle à l’écorce (mise en évidence selon la barre de couleur), et une densité de bois plus élevée dans la tige supérieure. Résolution de balayage = 110 μm. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 13
Graphique 13. Développement de la chronologie. Une densité minimale et une chronologie maximale de la densité du bois tardif de Widdringtonia cedarbergensis. Données extraites de26. La résolution de balayage est de 10 μm. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 14
Graphique 14. Scan haute résolution d’un échantillon de chêne. Exemple de segmentation de récipients en chêne sur Quercus robur scanné à 4 μm. La segmentation a été réalisée à l’aide du logiciel d’analyse Octopus, à l’aide du filtrage bilatéral, du seuillage, d’une série d’opérations binaires de rétrécissement et d’expansion, de la transformation de distance euclidienne et enfin de l’étiquetage des vaisseaux. La couleur représente la taille du récipient, allant de petit (bleu foncé) à grand (orange foncé). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Étapes critiques du protocole
Les étapes critiques du protocole comprennent la manipulation appropriée de la perceuse d’incrément pour obtenir des carottes d’incrément de haute qualité (étape 1.1. et voir39) pour éviter les morceaux. Ensuite, il est essentiel de laisser les carottes non montées (voir26), à la fois pour l’insertion dans le porte-échantillon (Figure 5, voir21) ainsi que pour une extraction correcte de la résine50 et pour une éventuelle analyse future. Juste avant le balayage (étape 2.2.2.), le conditionnement des échantillons dans la salle de scanner est essentiel pour éviter les déformations dimensionnelles dues aux fluctuations d’humidité. Ensuite, une fois que les anneaux peuvent être indiqués dans le module RingIndicator, il est essentiel que les limites et les angles des anneaux soient bien indiqués, car les pics de densité peuvent s’aplatir, comme les indications inexactes sur les systèmes de densitométrie classiques13. L’indication est également importante pour avoir des mesures correctes de la largeur de l’anneau21. L’étape critique suivante est la datation croisée appropriée via le module CoreComparison (étape 4.4.1.). Si certains cœurs ont des indications erronées, il pourrait y avoir une perte de signal environnemental51.

Modifications et dépannage de la technique
Notez que les boîtes à outils RingIndicator et CoreComparison peuvent également être utilisées pour les images à plat52 après avoir converti les données à la résolution appropriée dans le module CoreProcessor. Par conséquent, le format DICOM (format courant à des fins médicales et également utilisé pour les échantillons de bois53) doit être converti en .tiff. Les services qui disposent d’un tomodensitomètre médical ne peuvent utiliser ce logiciel que pour le type d’analyse d’échelle inter-anneaux de type 1 avec des résolutions d’environ 200 μm.

Limites de la technique
L’inconvénient de la méthode est qu’il n’y a que peu d’installations disponibles pour le balayage de l’échelle des cernes des arbres et de l’échelle anatomique (qui nécessitent une résolution plus élevée). Le volume et la gestion des données peuvent être difficiles pour les volumes plus importants54. Pour obtenir des images à très haute résolution de l’anatomie du bois (p. ex., pour élucider davantage les structures de fosses, etc.), reportez-vous aux procédures classiques d’utilisation de microsections pour la microscopie classique à lumière transmise27, la microscopie électronique à balayage ou la microscopie confocale55.

Importance par rapport aux méthodes existantes
L’utilisation de la chaîne d’outils de tomodensitométrie à rayons X pour les carottes d’accroissement présentée ici a été testée comme montrant des valeurs de densité fiables grâce à l’étape d’étalonnage (Figure 6)56 et génère des valeurs MXD comparables aux procédures de densitométrie existantes13.

Applications futures de la technique
Toute application future de la technique pourrait inclure l’application de l’apprentissage profond, entre autres pour les indications annulaires automatisées et les quantifications de tissus de bois57, en particulier pour les images 3D.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont aucun conflit d’intérêts à divulguer.

Acknowledgments

Nous remercions les trois évaluateurs anonymes pour leurs commentaires et suggestions. Cette recherche a été financée par le Fonds spécial de recherche BOF pour JVdB (BOF Starting Grant BOF. STG.2018.0007.01), pour l’UGCT en tant que centre d’expertise (BOF. EXP.2017.0007) et en tant que plateforme (BOF. COR.2022.008), les auteurs remercient également la Fondation pour la recherche Flandre (G019521N et G009720N) et le Fonds de recherche industrielle UGent (IOF) pour le soutien financier apporté à l’infrastructure par le biais de la subvention IOF. APP.2021.0005 (projet FaCT F2021/IOF-Equip/021).

Materials

Name Company Catalog Number Comments
6 mm paper straws  http://artstraws.com/education/product/artstraws-thick-asst-cols/ Coring
Aluminium core holders
ASTM standard ASTM D 1107 – 96
Cardboard postal tubes https://www.rajapack.co.uk/envelopes-mailing-bags/postal-tubes/1-5-2mm-brown-cardboard-postal-tubes_PDT05623.html
Column drill
Computer hardware for reconstruction and analysis X-ray CT scanning
Cooling 
Drying oven
Ethanol 
Flask for under soxhlet (2000 ml)
Floral foam https://www.oasisfloral.eu/ Sample holder type 1
Glass beads to fill void volume of Soxhlet to save solvent
Glue
Hot water bath  https://www.memmert.com/products/water-baths/water-bath/#!filters=%7B%7D Soxhlet extraction
Increment borer  https://haglofsweden.com/project/increment-borers/
Plastic cylinder  Moonen et al. 2022  Sample holder type 2
Plastic cylinders
Reservoir
Tailored soxhlet apparatus 
Toluene 
Water pump 
X-ray CT scanner

DOWNLOAD MATERIALS LIST

References

  1. Björklund, J., et al. The utility of bulk wood density for tree-ring research. Dendrochronologia. 69 (September), 125880 (2021).
  2. Lachenbruch, B., Mcculloh, K. A. Traits, properties, and performance: How woody plants combine hydraulic and mechanical functions in a cell, tissue, or whole plant. New Phytologist. 204 (4), 747-764 (2014).
  3. Baker, T. R., et al. Variation in wood density determines spatial patterns in Amazonian forest biomass. Global Change Biology. 10 (5), 545-562 (2004).
  4. Bastin, J. F., et al. Wood specific gravity variations and biomass of central African tree species: The simple choice of the outer wood. PLoS ONE. 10 (11), 1-16 (2015).
  5. Chave, J., et al. Improved allometric models to estimate the aboveground biomass of tropical trees. Global Change Biology. 20 (10), 3177-3190 (2014).
  6. Chave, J., et al. Towards a worldwide wood economics spectrum. Ecology letters. 12, 351-366 (2009).
  7. Plourde, B. T., Boukili, V. K., Chazdon, R. L. Radial changes in wood specific gravity of tropical trees: inter- and intraspecific variation during secondary succession. Functional Ecology. 29 (1), 111-120 (2015).
  8. Decoux, V., Varcin, É, Leban, J. -M. Relationships between the intra-ring wood density assessed by X-ray densitometry and optical anatomical measurements in conifers. Consequences for the cell wall apparent density determination. Annals of Forest Science. 61, 251-262 (2004).
  9. Rathgeber, C. B. K., Decoux, V., Leban, J. M. Linking intra-tree-ring wood density variations and tracheid anatomical characteristics in Douglas fir (Pseudotsuga menziesii (Mirb.) Franco). Annals of Forest Science. 63 (7), 699-706 (2006).
  10. Ziemińska, K., Butler, D. W., Gleason, S. M., Wright, I. J., Westoby, M. Fibre wall and lumen fractions drive wood density variation across 24 Australian angiosperms. AoB PLANTS. 5, plt046 (2013).
  11. Ziemińska, K., Westoby, M., Wright, I. J. Broad anatomical variation within a narrow wood density range - A study of twig wood across 69 Australian angiosperms. PLoS ONE. 10 (4), 1-25 (2015).
  12. De Mil, T., et al. Wood density profiles and their corresponding tissue fractions in tropical angiosperm trees. Forests. 9 (12), 763 (2018).
  13. Björklund, J., et al. Scientific Merits and Analytical Challenges of Tree-Ring Densitometry. Reviews of Geophysics. 57 (4), 1224-1264 (2019).
  14. Maniatis, D., Saint André, L., Temmerman, M., Malhi, Y., Beeckman, H. The potential of using xylarium wood samples for wood density calculations: A comparison of approaches for volume measurement. IForest. 4 (1), 150-159 (2011).
  15. Lehnebach, R., et al. Wood density variations of legume trees in French Guiana along the shade tolerance continuum: Heartwood effects on radial patterns and gradients. Forests. 10 (2), 1-22 (2019).
  16. Longuetaud, F., et al. Within-stem maps of wood density and water content for characterization of species: a case study on three hardwood and two softwood species. Annals of Forest Science. 73 (3), 601-614 (2016).
  17. Steffenrem, A., Kvaalen, H., Dalen, K. S., Høibø, O. A. A high-throughput X-ray-based method for measurements of relative wood density from unprepared increment cores from Picea abies. Scandinavian Journal of Forest Research. 29 (5), 506-514 (2014).
  18. Vannoppen, A., et al. Dendrochronologia Using X-ray CT based tree-ring width data for tree growth trend analysis. Dendrochronologia. 44, 66-75 (2017).
  19. Maes, S. L., et al. Evaluating the robustness of three ring-width measurement methods for growth release reconstruction. Dendrochronologia. 46 (May), 67-76 (2017).
  20. Van Den Berge, S., et al. Biomass increment and carbon sequestration in hedgerow-grown trees. Dendrochronologia. 70 (September), 125894 (2021).
  21. De Mil, T., Vannoppen, A., Beeckman, H., Van Acker, J., Van den Bulcke, J. A field-to-desktop toolchain for X-ray CT densitometry enables tree ring analysis. Annals of Botany. 117 (7), 1187-1196 (2016).
  22. St. George, S., Esper, J. Concord and discord among Northern Hemisphere paleotemperature reconstructions from tree rings. Quaternary Science Reviews. 203, 278-281 (2018).
  23. Schweingruber, F., Fritts, H., Braker, O., Drew, L., Schar, E. The X-ray technique as applied to dendroclimatology. Tree-Ring Bulletin. 38, 61-91 (1978).
  24. Björklund, J., et al. Cell size and wall dimensions drive distinct variability of earlywood and latewood density in Northern Hemisphere conifers. New Phytologist. 216 (3), 728-740 (2017).
  25. Polge, H. Applications dans les domaines Technologique et Physiologique. Annales des sciences forestières. 23 (1), 215 (1966).
  26. De Mil, T., et al. A lonely dot on the map: Exploring the climate signal in tree-ring density and stable isotopes of clanwilliam cedar, South Africa. Dendrochronologia. 69 (November 2020), 125879 (2021).
  27. Jansen, S., et al. Preparation of wood specimens for transmitted light microscopy and scanning electron microscopy. Belgian Journal of Botany. 131 (1), 41-49 (1998).
  28. Gärtner, H., Nievergelt, D. The core-microtome: A new tool for surface preparation on cores and time series analysis of varying cell parameters. Dendrochronologia. 28 (2), 85-92 (2010).
  29. von Arx, G., Crivellaro, A., Prendin, A. L., Čufar, K., Carrer, M. Quantitative Wood Anatomy-Practical Guidelines. Frontiers in Plant Science. 7 (June), 781 (2016).
  30. Seftigen, K., et al. Prospects for dendroanatomy in paleoclimatology -- a case study on Picea engelmannii from the Canadian Rockies. Climate of the Past. 18 (5), 1151-1168 (2022).
  31. Castagneri, D., Regev, L., Boaretto, E., Carrer, M. Xylem anatomical traits reveal different strategies of two Mediterranean oaks to cope with drought and warming. Environmental and Experimental Botany. 133 (October), 128-138 (2017).
  32. Brodersen, C. R., et al. Automated analysis of three-dimensional xylem networks using high-resolution computed tomography. The New phytologist. 191 (4), 1168-1179 (2011).
  33. Van den Bulcke, J., et al. X-ray tomography as a tool for detailed anatomical analysis. Annals of Forest Science. 66 (5), 508 (2009).
  34. Williamson, G. B., Wiemann, M. C. Measuring wood specific gravity...Correctly. American journal of botany. 97 (3), 519-524 (2010).
  35. Masschaele, B., et al. HECTOR: A 240kV micro-CT setup optimized for research. Journal of Physics: Conference Series. 463 (1), 012012 (2013).
  36. Kak, A. C., Slaney, M. Principles of Computerized Tomographic Imaging. , Society for Industrial and Applied Mathematics. (2001).
  37. Van Den Bulcke, J., et al. Advanced X-ray CT scanning can boost tree ring research for earth system sciences. Annals of Botany. 124 (5), 837-847 (2019).
  38. Zwanenburg, E. A., Williams, M. A., Warnett, J. M. Review of high-speed imaging with lab-based x-ray computed tomography. Measurement Science and Technology. 33 (1), 012003 (2022).
  39. Gärtner, H., Cherubini, P., Schneider, L., Lucchinetti, S. Advanced Workflow for Taking High-Quality Increment Cores - New Techniques and Devices. JoVE. (193), e64747 (2023).
  40. Schweingruber, F. H., Fritts, H. C., Bräker, O. U. The X-ray technique as applied to dendroclimatology. Tree-Ring Bulletin. 38, (1978).
  41. Grabner, M., Wimmer, R., Gierlinger, N., Evans, R., Downes, G. M. Heartwood extractives in larch and effects on X-ray densitometry. Canadian Journal of Forest Research. 35 (12), 2781-2786 (2005).
  42. Schneider, C. A., Rasband, W. S., Eliceiri, K. W. NIH Image to ImageJ: 25 years of image analysis. Nature Methods. 9 (7), 671-675 (2012).
  43. Arganda-Carreras, I., et al. Trainable Weka Segmentation: A machine learning tool for microscopy pixel classification. Bioinformatics. 33 (15), 2424-2426 (2017).
  44. von Arx, G., Carrer, M. ROXAS - A new tool to build centuries-long tracheid-lumen chronologies in conifers. Dendrochronologia. 32 (3), 290-293 (2014).
  45. Koubaa, A., Zhang, S. Y. T., Makni, S. Defining the transition from earlywood to latewood in black spruce based on intra-ring wood density profiles from X-ray densitometry. Annals of Forest Science. 59 (5-6), 511-518 (2002).
  46. Buras, A., Wilmking, M. Correcting the calculation of Gleichläufigkeit. Dendrochronologia. 34, 29-30 (2015).
  47. Bunn, A. G. Statistical and visual crossdating in R using the dplR library. Dendrochronologia. 28 (4), 251-258 (2010).
  48. Zang, C., Biondi, F. Treeclim: an R package for the numerical calibration of proxy-climate relationships. Ecography. (November 2014), 1-6 (2014).
  49. Van den Bulcke, J., et al. Nondestructive research on wooden musical instruments: From macro- to microscale imaging with lab-based X-ray CT systems. Journal of Cultural Heritage. 27, S78-S87 (2017).
  50. Helama, S., Vartiainen, M., Kolström, T., Meriläinen, J. Dendrochronological investigation of wood extractives. Wood Science and Technology. 44 (2), 335-351 (2010).
  51. Black, B. A., et al. The value of crossdating to retain high-frequency variability, climate signals, and extreme events in environmental proxies. Global Change Biology. 22 (7), 2582-2595 (2016).
  52. Hubau, W., et al. The persistence of carbon in the African forest understory. Nature plants. 5 (2), 133-140 (2019).
  53. Stoffel, M., Klinkmüller, M. 3D analysis of anatomical reactions in conifers after mechanical wounding: First qualitative insights from X-ray computed tomography. Trees - Structure and Function. 27 (6), 1805-1811 (2013).
  54. Van den Bulcke, J., et al. Advanced X-ray CT scanning can boost tree-ring research for earth-system sciences. Annals of Botany. , 1-11 (2019).
  55. Ziaco, E., Biondi, F., Heinrich, I. Wood Cellular Dendroclimatology: Testing New Proxies in Great Basin Bristlecone Pine. Frontiers in Plant Science. 7 (October), 1-13 (2016).
  56. De Ridder, M., et al. High-resolution proxies for wood density variations in Terminalia superba. Annals of botany. 107 (2), 293-302 (2011).
  57. Resente, G., et al. Repeat! Artificial Intelligence for Quantitative Wood Anatomy. Frontiers in Plant Science. 12 (November), 1-14 (2021).

Tags

Mots-clés: Analyse de carottes d’arbres tomodensitométrie à rayons X reconstruction du climat réponse des arbres croissance du bois balayage à haut débit largeur des cernes des arbres densité maximale du bois tardif anatomie quantitative du bois profils de densité carottes d’accroissement dendrochronologie
Analyse de carottes d’arbres par tomodensitométrie à rayons X
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

De Mil, T., Van den Bulcke, J. Tree… More

De Mil, T., Van den Bulcke, J. Tree Core Analysis with X-ray Computed Tomography. J. Vis. Exp. (199), e65208, doi:10.3791/65208 (2023).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter