Waiting
Elaborazione accesso...

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

Environment

X-ray Bilgisayarlı Tomografi ile Ağaç Çekirdeği Analizi

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

Burada, bir X-ışını bilgisayarlı tomografi araç zinciri ile ağaç çekirdeklerinin nasıl işleneceğini gösteriyoruz. Bazı amaçlar için kimyasal ekstraksiyon dışında, daha fazla fiziksel laboratuvar tedavisine gerek yoktur. Araç zinciri, biyokütle tahminleri, MXD/ağaç halkası genişliği verilerinin elde edilmesi ve kantitatif ahşap anatomisi verilerinin elde edilmesi için kullanılabilir.

Abstract

Emek yoğun yüzey işlemine veya herhangi bir fiziksel numune hazırlığına ihtiyaç duymadan ağaç halkası genişliği (TRW), maksimum latewood yoğunluğu (MXD), diğer yoğunluk parametreleri ve kantitatif ahşap anatomisi (QWA) verilerini elde etmek için bir X-ışını bilgisayarlı tomografi (BT) araç zinciri sunulmaktadır. Buradaki odak noktası, 60 μm ile 4 μm arasında değişen çözünürlüklerde artımlı karotlar ve tarama prosedürleridir. Ahşabın bakılması gereken üç ölçek tanımlanmıştır: (i) halkalar arası ölçek, (ii) halka ölçeği, yani ağaç halkası analizi ve densitometri ölçeği ve (iii) anatomik ölçek, ikincisi geleneksel ince kesit kalitesine yaklaşır. Bu ölçeklerin her biri için özel olarak tasarlanmış numune tutucular, birden fazla artımlı çekirdeğin yüksek verimli taranmasını sağlar. TRW ve dansitometri için ağaç çekirdeklerinin üç boyutlu X-ışını BT görüntülerini verimli bir şekilde işlemek için bir dizi yazılım rutini özel olarak geliştirilmiştir. Bu çalışma, protokolün doğru bir şekilde anlaşılması için gerekli olan BT'nin temel ilkelerini kısaca açıklamaktadır. Protokol, dendrokronolojide yaygın olarak kullanılan bazı bilinen türler için sunulmuştur. Kaba yoğunluk tahminleri, TRW ve MXD verilerinin yanı sıra kantitatif anatomi verilerinin kombinasyonu, iklim rekonstrüksiyonları veya ağaç tepkisi için mevcut analizleri genişletmemize ve derinleştirmemize ve ayrıca dendroekoloji / klimatoloji ve arkeoloji alanını daha da geliştirmemize olanak tanır.

Introduction

Ahşap yoğunluğu, ahşabın2 hem anatomik hem de kimyasal özelliklerini yansıtan, ölçülmesi kolay bir değişkendir1. Yer üstü biyokütlenin biyokütle tahminlerinde odun yoğunluğu, ağacın boyutları ile çarpılan ve ahşabın karbon içeriğini temsil eden bir faktör olan önemli bir tartım değişkeni 3,4,5'tir. Odun yoğunluğu, kerestenin6 mekanik özelliklerine sıkı sıkıya bağlıdır ve bir ağacın7 yaşam öyküsünü yansıtır.

Hücre duvarı yoğunluğu yaklaşık 1500 kg/m³ olarak ölçülür ve oldukça sabit olarak kabul edilir8, ancak halka içi hücre duvarı yoğunluğu değişimleri de 8,9 olarak dikkate alınmalıdır. Odunsu hücreler (genel olarak kozalaklı ağaçlarda tracheidler, sert ağaçlarda damarlar, parankim ve lifler) farklı şekillerde yönlendirilir/şekillendirilir ve bu hücrelerin hücre duvar kalınlığı ve lümen büyüklüğü10 olarak değişir. Bu nedenle, odun yoğunluğu ağaçlar arasında, bir ağaç içinde (eksenel ve enine) ve bir ağaç halkası11,12 içinde kısa aralıklarla değişir. Çoğu durumda, halka ölçeğindeki odun yoğunluğu değişimi aynı zamanda ağaç halkası sınırınıda sınırlar 13. Odun yoğunluğu ve nihayetinde doku fraksiyonları üretilir ve bu yazıda, aşağıda açıklandığı gibi çalışma hedefine (Şekil 1) bağlı olarak genel olarak üç kategoriye (yani üç farklı çözünürlük ölçeği) ayrılır.

Halkalar arası ölçek: Odun parçaları ölçülerek, o numune için tek bir değer elde edilir. Bu, suya daldırma yoluyla veya geometrik olarakyapılabilir 14. Bu sayede genel biyokütle veya odun teknolojik değişkenleri elde edilebilir. Dipten kabuğa varyasyonu dahil etmek için, bu odun parçaları, yaşam öyküsü stratejisi15 hakkında bilgi elde etmek için manuel olarak ölçülen bloklara bölünebilir. Tıbbi tarayıcılarda olduğu gibi düşük çözünürlüklü X-ışını BT'yegeçerken 17,18, orta-geniş halkalar üzerindeki TRW verileri birçok numune üzerinde verimli bir şekilde yapılabilir18,19,20. Bu aynı zamanda, tipik olarak 50 μm ila 200 μm arasında değişen çözünürlüklerde değişen, hem ılıman hem de tropikal ağaçlardan 4,22 özden kabuğa biyokütleyi değerlendirmek için kullanılabilecek ölçektir.

Yüzük ölçeği: Ahşap, geçmiş çevresel koşulların bir kaydedicisidir. En iyi bilinen parametre ağaç halkası genişliğidir (TRW), ancak küresel sıcaklık rekonstrüksiyonları için, maksimum latewood yoğunluğu (MXD) kayıtlarınınsıcaklık 22 için daha iyi bir vekil olduğu kanıtlanmıştır. MXD, ölçülmesi kolay bir değişkendir23 ve bir ağaç halkasının son hücrelerindeki hücre duvarı kalınlığı ve hücre boyutu için bir vekildir ve mevsimsel hava sıcaklığına pozitif olarak bağlı ağaç hattı ve boreal bölgelerdedir24: yazlar ne kadar sıcak ve uzun olursa, daha fazla hücre duvarı odunlaşması meydana gelir ve bu da bu son hücrelerin yoğunluğunu artırır. Daldırma ve geometri gibi geleneksel ölçümler, bu halka seviyesi yoğunluğunu belirlemek için daha az doğrudur. Önceki bir çalışma, ince kesilmiş numuneler üzerinde X-ışını filmi kullanmak için bir araç zinciri geliştirdi25. Bu, hem ormancılıkta hem de daha sonraki paleoklimatolojidebir devrime yol açtı 15,18 ve maksimum lateodun yoğunluğunu (MXD), yani genellikle bir halkanın sonundaki en yüksek yoğunluk değerini yaz sıcaklığının bir temsilcisi olarak tanımladı. Temel prensip, numunelerin eksenel yöne mükemmel bir şekilde paralel olacak şekilde kesilmesi (yaklaşık 1,2 mm ila 7 mm13) ve numunenin bir X-ışını kaynağına maruz bırakılan hassas bir film üzerine konmasıdır. Daha sonra bu radyografi filmleri, yoğunluğu algılayan ve profilleri ve yıllık ağaç halkası parametrelerini kaydeden bir ışık kaynağı aracılığıyla okunur. Bununla birlikte, bu araçlar önemli miktarda numune hazırlama ve manuel çalışma gerektirir. Son zamanlarda bu, X-ışını CT için daha standart bir şekilde veya monte edilmiş çekirdeklere dayalı olarak geliştirilmiştir26. Buradaki çözünürlük 10 μm ile 20 μm arasında değişir. TRW, özellikle daha küçük halkalarla uğraşırken bu ölçekte de ölçülür.

Anatomik ölçek: Bu ölçekte (çözünürlük < 4 μm), ana anatomik özellikler görselleştirildikçe ve genişlikleri ve oranları ölçülebildiğinden ortalama yoğunluk seviyeleri daha az alakalı hale gelir. Tipik olarak bu, mikrokesitler veya yüksek çözünürlüklü optik taramalar veya μ-CT taramaları yapılarak yapılır. Hücre duvarlarının üst yapısının görselleştirilmesi gerektiğinde, taramalı elektron mikroskobu en yaygın kullanılan yöntemdir27. Anatomik ölçekte, bireysel doku fraksiyonları görünür hale gelir, böylece görüntülerden fizyolojik parametreler türetilebilir. Bireysel anatomik parametrelere ve ahşabın hücre duvarı yoğunluğuna dayanarak, geleneksel odun yoğunluğu24 tahmincileri ile karşılaştırma için anatomik yoğunluk elde edilebilir.

Geliştirilmiş kesitleme teknikleri ve görüntü yazılımı29,30 sayesinde, dendro-anatomy30, hem kozalaklı ağaçlardaki MXD'yi daha yakından tahmin etmek hem de geniş yapraklı ağaçlardan çeşitli anatomik değişkenleri ölçmek için ahşabın daha doğru bir kaydına sahip olmak için geliştirilmiştir. Bu ölçekte, gerçek anatomik parametreler ölçülür ve çevresel parametrelerle ilişkilendirilir31 . μCT ile bu seviye deelde edilebilir 32,33.

Ahşabın doğası gereği higroskopik ve anizotropik olduğundan, odun yoğunluğunun dikkatli bir şekilde tanımlanması ve ölçüm koşullarının fırında kurutulmuş, şartlandırılmış (tipik olarak %12 nem içeriğinde) veya yeşil (ormanda kesildiği gibi) olarak belirtilmesi gerekir34. Büyük numuneler ve teknik amaçlar için odun yoğunluğu, belirli koşullarda ağırlığın hacmine bölünmesi olarak tanımlanır. Bununla birlikte, odun yoğunluğunun değeri, ölçüldüğü ölçeğe büyük ölçüde bağlıdır, örneğin özden kabuğa odun yoğunluğu iki katına çıkabilir ve halka ölçeğinde (kozalaklı ağaçlarda) erken odunun lateks oduna geçişi, halka sınırında bir tepe ile odun yoğunluğunda da önemli bir artışa neden olur.

Burada, yukarıda belirtilen 3 ölçekteki özellikleri ölçmek için artımlı çekirdeklerin bir X-ışını CT tarama protokolü sunulmaktadır (Şekil 1). X-ışını BT'deki son gelişmeler, esnek bir kurulum nedeniyle bu ölçeklerin çoğunu kapsayabilir. Araştırma hedefleri, tarama için nihai protokolü belirleyecektir.

Önemli bir sınırlayıcı faktör (doğası gereği ahşabın ölçekli doğasına ve genel olarak ahşabın ölçekli doğasına bağlıdır), tarama için gereken çözünürlük ve süredir. Örneklerin nasıl yapılacağı gösterilmektedir: (i) Kongo Havzası'ndan Terminalia superba'da biyokütle tahminleri için halkalar arası ağaç ölçeği ahşap yoğunluk profillerinin elde edilmesi, (ii) bir HECTOR sistemi35 üzerinde sarmal taramaya dayalı olarak Clanwilliam sedirinden (Widdringtonia cedarbergensis) yoğunluk kayıtlarının elde edilmesi ve (iii) Nanowood sisteminde sapsız meşe üzerinde kap parametrelerinin ölçülmesi. Her iki tarayıcı da UGent X-ışını Tomografi Merkezi'ndeki (UGCT,

Figure 1
Şekil 1: X-ışını CT taraması için genel metodolojik karar ağacı. Satırlar, araştırma hedefinden nihai veri formatına kadar atılması gereken adımları gösterir. Beyaz kutular, bu araç zinciriyle ilgili adımlardır. Gri renkli kutular, ağaç halkası analizi için dplr47 ve Treeclim48 ve ROXAS44 ile ImageJ42 veya CT görüntülerine dayalı ahşap anatomik parametrelerinin türüretilmesi için diğer (ticari) uygulamalar gibi diğer yazılımlar veya R paketleri ile gerçekleştirilebilen adımlardır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Ahşap üzerinde X-CT araştırması
Bir tarayıcının kurulumu: Standart bir X-ışını CT tarayıcısı, bir X-ışını tüpü, bir X-ışını dedektörü, bir rotasyon aşaması ve rotasyon aşamasını ve çoğu durumda dedektörü ileri geri hareket ettirmek için bir dizi motordan oluşur (Şekil 2).

Figure 2
Şekil 2. HECTOR tarama sistemi. Sistem35, kaynak dedektör mesafesini (SDD) ve kaynak nesne mesafesini (SOD) gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Laboratuvar tabanlı sistemlerin çoğu bir koni-ışın geometrisine sahiptir, bu da üretilen X-ışınlarının tüpün çıkış penceresinden bir koni ışını şeklinde dağıtıldığı anlamına gelir, bu da nesne ile tüp arasındaki mesafeyi değiştirerek (SOD = Kaynak-Nesne-Mesafe) ve dedektör ve tüp (SDD = Kaynak-Dedektör-Mesafesi), büyütmenin kontrol edildiği anlamına gelir (çözünürlük hakkındaki tartışmaya bakın). X-ışınlarının nüfuz etme gücü nedeniyle, nesnenin içinden geçerler ve zayıflama ışınının yoğunluğu, X-ışını ışınının enerjisinin, nesnenin kimyasal bileşiminin (mevcut elementlerin atom numarası) ve malzemenin yoğunluğunun bir fonksiyonudur. Sabit bir enerji spektrumu ve ahşabın sabit bir malzeme bileşimi göz önüne alındığında, X-ışını demetinin zayıflaması, malzemenin yoğunluğuna büyük ölçüde bağlıdır, bu da dansitometri için kullanımını açıklar. Zayıflama (veya iletim) Beer-Lambert yasası ile ifade edilebilir:

Equation 1

I0 ile gelen X-ışını ışını üstel olarak iletilen bir X-ışını ışınına bozunur ve malzeme boyunca bir mesafe boyunca yayılırken D . Doğrusal zayıflama katsayısı μ, nesnenin malzemesi ile bir dizi etkileşime bağlıdır. Projeksiyonlar bu nedenle iletilen ışının kayıtlarıdır.

Pratik olarak, nesne dönme aşamasına monte edilir, uygun bir SOD ve SDD seçilir, belirli bir güç de seçilir (nesne boyutu, yoğunluğu ve bileşimi ile ilgili) ve nesne 360° döndürülür ve bu dönüş sırasında birden fazla projeksiyon alınır. Bu çıkıntılar daha sonra nesnenin iç yapısını yeniden yapılandırmak için kullanılır. Radon dönüşümüne ve Fourier dilimi teoremine dayanarak, en çok kullanılanları hala onlarca yıl önce geliştirilen analitik çerçeveye dayanan birkaç yeniden yapılandırma algoritması mevcuttur. Daha fazla ayrıntı için, okuyucu özel literatüreyönlendirilir 36.

Çözünürlük, veri hacmi ve örneklem boyutu bilmecesi: Çözünürlük, X-ray CT taramasında çok önemlidir. Ters geometriye veya senkrotron ışın hatları gibi paralel ışın geometrisine sahip sistemlerde, diğer hususlar rol oynar. Bu protokol yalnızca koni ışını geometrisine sahip standart laboratuvar tabanlı X-ışını CT taramasını tartışır. Burada büyütme kavramı, dedektör piksel boyutu ve nokta boyutu esastır. Büyütme, SDD/SOD oranı olarak tanımlanır. Daha sonra, dedektörün piksel boyutu da açıkça çözünürlüğü etkiler: piksel boyutu ne kadar küçükse, çözünürlük o kadar yüksek olur, ancak çoğu durumda görüş alanı (FoV) aynı zamanda dedektörün piksel boyutu ve boyutuyla da doğrudan ilişkilidir (daha küçük piksel boyutu, aynı sayıda piksel için daha küçük FoV). Ayrıca, X-ışını demetinin nokta boyutu da önemlidir: nokta boyutu ne kadar büyükse, çözünürlük o kadar düşük olur, bu da daha az ayrıntının görülebileceği anlamına gelir.

Yukarıda belirtilen sınırlara göre mümkün olandan daha yüksek bir çözünürlük elde edilebileceğini ele almak önemlidir, bu nedenle çözünürlük yerine voksel boyutu (voksel bir hacim pikselidir) terimini kullanmak daha iyidir. Ayrıca, bir nesnenin tarandığı gerçek çözünürlüğü daha da sınırlayan dedektör keskinliği gibi başka faktörler de rol oynar. Yalnızca sistemin belirlenmiş hedefleri kullanarak gerçek bir kalibrasyonu doğru cevabı verir.

Bununla birlikte, çoğu durumda, bir nesnenin taranabileceği voksel boyutu çoğunlukla nesnenin boyutuyla sınırlıdır. Bu, nesne ne kadar büyükse, voksel boyutunun o kadar düşük olacağı anlamına gelir. Nesne, belirli bir voksel boyutu için dedektörün FoV'sine uymuyorsa, örneğin büyütme sınırlandırılarak voksel boyutu azaltılabilir.

İstenen voksel boyutuna karar verirken tarama süresi ve veri hacminin dikkate alınması önemlidir. Genel olarak, voksel boyutu ne kadar küçükse, görmek istenen ayrıntı o kadar yüksek olur, örnek o kadar küçük olur veya bir kerede taranabilen örnek o kadar az olur, daha fazla zaman gerekir ve veri hacimleri daha büyük toplanır. Aşağıdaki teorik örneği hayal edin: belirli bir X-ışını CT sistemi ile bir kerede 50 μm'de 10 cm x 10 cm x 10 cm ölçülerinde bir numune taranabilir ve aynı hacmi 10 μm'de taramak istenirse, FoV'ye uyan hacim sadece 2 cm x 2 cm x 2 cm olacaktır, Bunun fiziksel olarak mümkün olduğunu varsayarsak. Bu, tüm hacmi kaplamak için 125 taramaya (5³ = 5 kat daha yüksek çözünürlük, görüntüleme tekniğinin hacimsel doğası nedeniyle 3'ün gücüne ölçeklenir) ihtiyaç duyulduğu ve veri hacminin de aynı şekilde artacağı anlamına gelir. Tabii ki, bu sadece bir düşünce deneyidir ve sadece çözümden çok daha fazlasını düşünmek gerekir. Daha fazla bilgi için, okuyucu tarama olanaklarına genel bir bakış37 bölümüne yönlendirilir.

Ahşap nesnelerin taranması için aletlerin esnekliği: Son on yılda, birçok şirket HECTOR35 ile benzer bir montaja sahip X-ray CT sistemleri teslim etti. Özellikle zamansal çözünürlükleri açısından değerlendirilen çeşitli BT sistemlerine genel bir bakış38'de verilmiştir.

Toplamda, X-ray CT sistemlerinin esnekliği ve kullanıcı dostu olması önemli ölçüde gelişmiştir. Birçok sistem, UGCT'deki sistemlerde de olduğu gibi çok çeşitli nesnelerin taranmasına izin verir. Aşağıdaki protokol, ağaç halkası analizi için uygun olan HECTOR sistemi için gösterilmiştir. Bununla birlikte, protokol, çözünürlük ve veri formatı izin veriyorsa, mevcut diğer tüm sistemler için geçerlidir.

Bu sistemler, çeşitli nesnelerin taranmasına izin verir. HECTOR sistemi ile taranan farklı ahşap objelerin birkaç resmi Şekil 3'te verilmiştir. Şekil 1'de sunduğumuz, kaba bir çözünürlükten çok ince bir çözünürlüğe kadar değişen üç ölçeği içeren bu esnekliktir.

Figure 3
Şekil 3. Kurulum örneklerinin taranması. (A) Bir kütük, (B) bir çello49, (C) toplu tarama için ağaç çekirdekli numune tutucular (tip 1) ve (D) HECTOR'un dönüş aşamasına monte edilmiş sarmal tarama için artımlı çekirdeklere sahip numune tutucu tip 2. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Çekirdek örnekleme

  1. Ağacı bir Pressler delici ile örnekleyin. Bir ağacın manuel olarak nasıl çekirdekleneceğine dair referanslara bakın39. Bu araç zinciri 5,15 mm damarlar için sunulmuştur.
  2. Ağaç çekirdeklerini yapıştırılmamış olarak 6 mm'lik kağıt pipetlere veya yapıştırıcı gerektirmeyen başka bir alıcıya koyun. Ağaç çekirdeklerini ahşap bir destek üzerine yapıştırmayın. Çekirdekler zaten monte edilmişse, tutkal tipine bağlı olarak neşter/testere veya çözücü ile sökün.
  3. Bunları plastik tüplere sarmaktan kaçının, küf oluşumunu ve mantar çürümesini önlemek için önce kurutmaya çalışın.
  4. Kağıt pipetlerin üzerine yazmak için kurşun kalem kullanın, çünkü çıkarma işlemi işaretleyici yazıları soldurabilir.
    NOT: Bu araç zinciri 4 mm'lik çekirdekler için de uygundur. Halihazırda monte edilmiş ve zımparalanmış çekirdekler kullanılabilir, ancak önce bunların sökülmesi gerekir. Arkeolojik veya kalıntı ahşap için, tarama için çekirdek boyutunda bir numune yapılması (testere ile kesilerek/boyutu küçültülerek) yapılması gerekir.

2. Taramadan önce çekirdek hazırlığı

  1. En az 24 saat boyunca bir etanol / toluen veya etanol veya aseton40 Soxhlet ekstraksiyonu gerçekleştirin (Şekil 4A, B). Bu, reçine içermeyen bir odun hacminin doğru bir yoğunluk hesaplamasına sahip olmasını sağlamak için gereklidir (reçine sinyali zayıflatır, Şekil 4C13,41).
    1. 427 mL toluen (örneğin, ASTM D 1107 - 96'ya göre) veya saf etanol veya aseton ile 1000 mL etanol çözeltisi yapın. Birçok üniversitede, ağaç çekirdekleri için Soxhlet aparatının uyarlanmış bir versiyonunu yapabilen bir laboratuvar cam atölyesi vardır (Şekil 4B).
    2. Yuvarlak tabanlı şişeyi çözücü ile doldurun ve numuneleri, bir laboratuvar ısıtıcısında soğutuculu Soxhlet cihazında paslanmaz çelik bir destek içinde pipetlerin içine koyun. Saatte en az 6 sifonlamaya izin verin.
      NOT: Soğutma (veya başka herhangi bir modern soğutma sistemi) için tercihen kapalı bir su devresi kullanılır. Bu durumda, bir su pompası, 100 L'lik bir leğende klor tabletleri ile (yosun oluşumunu önlemek için) depolanan suyu 120 L / s'de dolaştırır (ancak bu, Soxhlet cihazının boyutuna ve ayrıca ısı elemanı tarafından uygulanan ısıya bağlı olacaktır). 100 L'lik havuzdaki suyu soğutmak için bir hava soğutucu kullanılır. Solventten tasarruf etmek için, Soxhlet aparatının boşluk hacmini doldurmak için cam boncuklar kullanılabilir.
    3. Sıcaklığı ve sifon sayısını düzenli olarak kontrol edin. Solvent kalıntısını gidermek için çekirdekleri kimyasal bir başlık altında kurutun (bunun için laboratuvar politikasını kontrol edin) veya kimyasal davlumbazın altına bir kurutma fırını koyun.
  2. Çekirdekleri egzoz havalandırması altında bir kurutma fırınında (103,5 °C) 24 saat kurutun ve yukarıda açıklandığı gibi 24 saat boyunca bir sıcak su banyosu (90 °C) veya sıcak su Soxhlet ekstraksiyonu gerçekleştirin.
    1. Numuneleri çelik numune tutuculardaki kağıt pipetlerde saklayın. 103,5 °C'de 24 saat kuru bir fırında tekrar kurutun, ardından taramadan önce %60 bağıl neme (RH) kadar şartlandırın.
      NOT: Bu durumda %60 değeri seçilmiştir çünkü bunlar yaklaşık olarak X-ışını CT tarama odasındaki ortam ortalama bağıl nem koşullarıdır. Fırında kuru numuneler de kullanılabilir. En önemli faktör, tüm numunelerin aynı koşullar altında taranmasıdır.
    2. Suyun ekstraksiyonunun kağıt pipetleri dejenere etmesi durumunda, ağaç çekirdeklerini yeni 6 mm'lik kağıt pipetlere21 geri koyun. Hem 5,15 mm hem de 4 mm çekirdekler 6 mm kağıt pipetlere yerleştirilebilir.
    3. Kağıt pipetin tamamının ahşapla doldurulduğundan emin olun. Her iki pipet ucunu da sarın ve uçlarını kesin. Bu, pipetlerin silindirik tutucuya kolayca yerleştirilmesini sağlar.
    4. Kambiyum (kabuk) tarafının çekirdek üzerinde açıkça belirtildiğinden emin olun çünkü CoreProcessor ve RingIndicator kabuk tarafının aşağıda olduğunu varsayar. Çalışmak zor olduğu için parçaları ve parçaları ve çatlaklı çekirdekleri çıkarın.

Figure 4
Şekil 4. Taramadan önce çekirdekleri çıkarmak ve kurutmak için iş akışı. (A) Kağıt pipetlerdeki artımlı çekirdekler önce bir sıcak su banyosuna ve daha sonra 24 saat boyunca bir Soxhlet aparatı ile sıcak bir etanol-toluen karışımına konur, daha sonra kurutulur, 24 saat sıcak su banyosuna konur, daha sonra tekrar 103.5 ° C'de kurutulur, daha sonra taramadan önce şartlandırılır. (B) Ghent Üniversitesi'ndeki uyarlanmış Soxhlet kurulumunun görüntüleri. Birden fazla uyarlanmış Soxhlet aparatı seri olarak bağlanır. Solvent veya solvent karışımını ekstraksiyon için yeterince sıcak tutmak için alüminyum folyo ve yalıtım tüplerine dikkat edin. (C) Ekstraksiyondan önce ve sonra Pinus longaeva'dan bir artımlı çekirdeğin yüzey örneği. Reçineler ve diğer ekstraktlar, X-ışınlarının zayıflaması nedeniyle gerçek yoğunluk sinyalini maskeler. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

3. Çekirdek taraması

  1. Şekil 5'de açıklandığı gibi araştırma amacına bağlı olarak, aşağıda açıklandığı gibi uygun numune tutucu tipini (Şekil 1) seçin.
    1. Halkalar arası ölçek amaçları için, tutucu tip1 - karton ve delikli çiçek köpüğü kullanın.
    2. MXD veri tutucu için tip 2 kullanın - 1-15 cm uzunluğunda ve 3 cm çapında 6 çekirdek tutan plastik bir numune tutucu.
    3. Tutucu tip 3 kullanın - sadece kağıt pipetleri birbirine bağlamaktan oluşan dendro-anatomi amaçları için.
  2. Ağaç çekirdeklerini kağıt pipetler içinde numune tutucuya yükleyin ve https://dendrochronomics.ugent.be/#software'dan indirilebilen elektronik tablo şablonunu doldurun. Her sayı, numune tutucudaki belirli bir konuma karşılık gelir.
  3. Bir X-ray μCT tesisinde tarama: Uygun ayarlar ve tarama protokolü için bir X-ray CT uzmanına danışın. Bu protokolde kullanılan tarayıcı için bkz.37.
  4. Taranan görüntülerin rekonstrüksiyonu: Rekonstrüksiyonun doğru ayarları veya CT tarayıcı (X-ray CT tarayıcısının yazılım paketi) ile birlikte gelen ayarlar için bir X-ray CT uzmanına danışın. Bu protokolün rekonstrüksiyon parametreleri için37'ye bakınız.

Figure 5
Şekil 5. Numune tutucu tipleri ve çözünürlüğü. (A) halkalar arası ölçeğe, (B) ağaç halkası ölçeğine ve (C) anatomik ölçeğe karşılık gelen üç ana tutucu tipinin tasarımı. Elde edilen boyut nedeniyle, artan çözünürlük gereksinimi ile numune sayısı azalır. (D) halkalar arası ölçek (tutucu 1), (E) halka genişliği ve MXD (tutucu tip 2) ve (F) anatomik parametreler (tutucu tipi 3) için karşılık gelen 3D işlemeler. Ölçek çubuğu = 5 mm. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

4. TRW verilerini, yoğunluk verilerini ve anatomik verileri elde edin

  1. Yazılımı kullanmaya başlama.
    1. Yoğunluk değerlerini elde etmek için (tutucu tip 1 ve 2), aşağıdaki üç yazılım paketini yükleyin: (i) CoreProcessor, (ii) RingIndicator ve (iii) CoreComparison araç kutuları
    2. Bu araç kutuları MATLAB'da yapıldığından, şurada bulunan doğru MATLAB derleyici çalışma zamanını (MCR) yükleyin: http://nl.mathworks.com/products/compiler/mcr/. Şu anda ihtiyaç duyulan sürüm MATLAB2022B'dir. MCR, 3 yazılım paketi gibi ücretsizdir.
    3. Yeniden yapılandırılmış birimlerin klasörünün yanında, MAT dosyaları için yeni bir boş klasör oluşturun (MATLAB'dan değişkenleri vb. depolayan bir dosya biçimi), örneğin matfiles_useful_name_sample_holder, bu geçici parametreleri depolamak için gereklidir.
    4. Daha sonraki bir adımda örnekleri doldurmak için elektronik tablonun yeniden oluşturulan birimlerin klasöründe olduğundan emin olun.
  2. CoreProcessor ile çekirdek birimlerin ön işlenmesi.
    NOT: Yüksek çözünürlüklü anatomi verileri için aşağıdaki işlem adımları gerekli değildir (Şekil 1), yeniden yapılandırılmış birimler kullanılabilir olduğunda, 3D görüntüler için ImageJ yönergelerine bakın42. Weka eklentisi üzerinden segmentasyon yapılabilir43 örneğin tek tek dilimler üzerindeki kapları belirtmek için12veya ROXAS gibi yazılım eklentilerinde44.
    1. Karot ekstraksiyonunu hazırlayın: Artım karotların otomatik ekstraksiyonunu (halkalar arası ölçeğe bağlı olarak Şekil 6A veya halka ölçeği Şekil 6B'ye bağlı olarak) aşağıda açıklandığı gibi hazırlayın.
      1. Yeniden yapılandırılmış dosyaların (16 bitlik kesitsel TIFF dilimleri) ve elektronik tablo dosyasının (XrayForm.xlsx) bulunduğu klasörü seçin.
      2. 4.1.3'ten boş klasörü seçin. Bu, CoreProcessor'un 4.2.2'de kullanılacak bir MAT dosyası oluşturacağı klasördür. kütle çekirdek ekstraksiyonu için.
      3. Yeni oluşturulan boş MAT dosya klasörünü seçin veya oluşturulmamışsa başka bir klasör seçin. Hacim yüklenir ve silindirin uzunlamasına bir kesiti görünür, tüm çekirdeklerin ve referansların silindire doğru şekilde monte edilip edilmediğinden emin olmak için birkaç yatay dilimi kontrol edin.
      4. Bunu değerlendirmek üzere dilimleri seçmek için aşağıdan yukarıya tıklayın. Bu kesitler bir sonraki adım için kullanılacaktır, bu nedenle tüm uzunluğu tıklayın. Koyu (hava) ve beyaz referansları (Şekil 6), elektronik tablo dosyasında belirtildiği kadar çok kez belirtin. Her seçimden sonra çift tıklayın.
      5. Numune tutucu 1 için, yoğunluk hesaplamasının ahşap üzerinde (kağıt saman veya diğer ahşap olmayan malzeme üzerinde değil) yapılıp yapılmadığını kontrol etmek için referans malzeme aracılığıyla oluşturulan 9 kesitli çoklu ekranı inceleyin. Bu, gerçek ahşap yoğunluğu değerlerine doğru dönüşüm için gereklidir.
      6. Yeni bir açılır pencerede, etrafına bir daire/elips çizerek her çekirdeği ayrı ayrı seçin. Elektronik tablo dosyasındaki bilgilere göre etiketleme yapın, adın doğru olup olmadığını kontrol edin. Şablonun doldurulma sırasına saygı gösterin. Tüm bilgiler, tüm çekirdekleri bir kerede çıkarmak için bir sonraki adımda kullanılacak bir MAT dosyasında saklanır.
    2. Meta veriler ve elektronik tablo dosyalarının aynı klasörde bulunduğu göz önüne alındığında, belirli bir silindirdeki (4.2.1.2'de belirtilen) tüm çekirdekler için çekirdek çıkarma işlemini gerçekleştirmek için Kütle Çekirdek Ekstraksiyonu'na tıklayın.
      NOT: Kütle çekirdek ekstraksiyonu kullanılırken, tüm çekirdekler kullanıcının etiketine göre çıkarılacaktır (bunlar mat dosya klasöründe saklanır). Bu işlemin bir sonucu olarak, tüm ayrı çekirdekleri içeren Extract adlı yeni bir klasör oluşturulacaktır. İlk adımda birden fazla numune tutucu hazırlandığında ve tüm MAT dosyaları aynı klasörde saklandığında, bu klasördeki tüm MAT dosyaları işlenecektir.
    3. CoreProcessor araç kutusunda, Manuel Tg Düzeltme'ye tıklayın, ardından her çekirdek hacminin enine ve radyal düzleminin doğru şekilde yönlendirilmesini sağlamak için Ayıklanan klasörü seçin, enine düzlemi görünümde tutarak zımparalamadan önce fiziksel örnekleri bir numune tutucuya monte etmeye benzer şekilde (Şekil 7B).
      1. Kullanıcının tane yönünü görebilmesi için bazı kesitler görüntülenir. Son çizimde (sağ altta), sunulan dilimi inceleyin ve tane yönünü belirtmek için bir çizgi çizin. Çekirdeği otomatik olarak döndürmek için çift tıklayın.
      2. Daha sonra bir ekran belirir, burada çekirdeğin hacmini kırpın (Şekil 7C), dikdörtgenin tüm çekirdek çapını kapsadığından emin olun. Bu gereklidir çünkü dikdörtgenin merkez noktası çekirdek eksenine mümkün olduğunca yakın olmalıdır (RingIndicator modülünde doğru hizalama için).
        NOT: Yüksek çözünürlükte tarama yapıyorsanız, bu aşamada yalnızca çekirdek içindeki malzemeyi seçin ve numune tutucu tip 2'ye geçmek için dönüştürücüyü kullanın. Bu, örneğin halka gözenekli türler için kesinlikle yararlıdır.
    4. Yanlış hizalanmış, ters çevrilmiş veya bozuk çekirdekler ya da uyumsuz görüntü formatları olması durumunda aşağıdaki isteğe bağlı adımları gerçekleştirin.
      1. Çekirdek eğim düzeltmesi (yalnızca numune tutucu 1 için): Çekirdek eğimini otomatik olarak düzeltmek için (örn. çekirdek silindirde hafifçe eğimli olduğunda; Şekil 7A). Bu, sonraki adımlar için önemlidir. Önceki adımda oluşturulan Ayıklanan klasörü seçin.
        NOT: Tip 2 veya tip 3 (Şekil 5) bir numune tutucunuz varsa veya tüm numuneler ve numune tutucular mükemmel bir şekilde dik olarak yerleştirilmişse, bu normalde gerekli değildir.
      2. Hacimleri çevirin: Numunenin kabuk tarafı aşağı bakacak şekilde konulmaması durumunda (öz-kabuk yönü soldan sağa değildir), çekirdekleri çevirerek yönü değiştirin. İşlev bir klasör ister ve yeni bir klasör oluşturur.
      3. Çekirdekleri yapıştırın: Tek tek çekirdeklerin büyük parçalarını sanal olarak birbirine dikin. Buradaki fikir, mükemmel bir şekilde dikiş yapmak değil, gerekirse tek çekirdeklerin aynı çok sayfalı TIFF cildinde olduğundan emin olmaktır. Çekirdek parçaları arasındaki boşlukların üstesinden gelmek için kırık çekirdek göstergesini kullanın (bkz. adım 4.3.4.9).
      4. Dönüştürücü: Birimler başka bir yazılım paketinde manipüle edilmişse ve araç kutusunun dışında (ör. ImageJ) kaydedilmişse, başlık bilgilerini doğru almak için bu adımı gerçekleştirin. Bu adımı, başka bir CT tarayıcıdan gelen 16 bitlik çok sayfalı TIFF birimleri için ve RingIndicator araç kutusunu kullanmak için kullanın.
        NOT: Buradan sonraki tüm adımlar yapı yönü düzeltmeleri ve son olarak dansitometri ve ağaç halkası analizi içindir.
  3. RingIndicator'da açıları düzeltme ve halkaları gösterme.
    NOT: RingIndicator modülünde kronolojik olarak aşağıdaki adımların atılması gerekir: (i) enine ve radyal düzlemin görselleştirilmesi, (ii) yapı düzeltmesi, (iii) yoğunluk profilinin oluşturulması ve (iv) halkaların manuel veya yarı otomatik olarak gösterilmesi.
    1. Aşağıda açıklandığı gibi enine ve radyal düzlemin görselleştirmesini gerçekleştirin.
      1. GUI'ye aşina olmak için araç kutusunu açın ve çok sayfalı bir TIFF Dosyası seçin (ayıklamadan sonra ve tg düzeltildikten sonra oluşturulan, yani Tg düzeltilen klasör adından oluşturulan).
      2. Ortadaki X dilimlerinin ortalama bir görüntüsünü görüntülemek için Dilim Görüntüsünün Yarım Kalınlığı'nı seçin, X 1-10 arasında değişen, 1'in ortalaması yoktur (yani yalnızca ortadaki dilimi görüntüler) ve 10, 10 ortadaki dilimin ortalama görüntüsüdür.
        NOT: Ortalama alma, halka kenarlıklarını daha iyi vurgulamak ve gürültüyü bastırmak için faydalı olabilir, diğer yandan, özellikle fiber açısı önemli olduğunda, halka kenarlıklarının daha az belirgin görünmesini de sağlayabilir. Lütfen bu değeri ihtiyaca göre ayarlayın. Bunun yalnızca görüntüleme amaçlı olduğunu, temel hacmi etkilemediğini ve nihai hesaplamaları/sonuçları etkilemediğini belirtmek önemlidir.
      3. Grafik kullanıcı arayüzünü (GUI) inceleyin. GUI, çekirdeğin enine düzlemine sahip bir üst şekil ve çekirdeğin radyal düzlemine sahip bir alt şekil ve bir menü içerir (Şekil 8).
      4. Yeni bir çekirdek birim yüklemek için, dizinde yeni bir çok sayfalı TIFF dosyası seçmek üzere Volume > Load Volume (Birim Yükle) işlevini arayın. Artık kullanıcı, daha sonra gerçek ağaç halkalarını belirtmek için yapı yönünü belirtmeye hazırdır.
    2. Otomatik ağaç halkası göstergelerini kolaylaştırmak için yapı düzeltmesi.
      1. Yapı düzeltmesi için yeşil çubuklar eklemek için resme manuel olarak tıklayın. Öz (veya mevcut en eski halka) ile başlayın ve en son halka ile bitirin. Çekirdek boyunca, hem enine hem de radyal düzlemde yapısal sapmalar için doğru.
      2. Halka ve fiber açısını doğru bir şekilde belirttiğinizden emin olun, çünkü sonraki tüm göstergeler ilgili göstergeler arasında enterpolasyonlu bir açı alacaktır.
      3. Bir düzleme yeşil bir çubuk yerleştirin, diğer düzlemde otomatik olarak bir tane oluşturacaktır. Çubuğu yerleştirdikten sonra, açıyı değiştirmek için çubuğun sonundaki düğümleri (beyaz kareler) hareket ettirin. Çubuk konumunu değiştirmek için ortadaki düğümü kullanın. Kullanım kolaylığı için düğümlerin boyutunu ayarlayın.
      4. Her adımdan sonra, halka ve fiber göstergelerinin uygun .txt dosyalarına yazıldığından emin olmak için Veri > Dışa Aktarma ve Yüzükler > Dışa Aktarma Halkaları'na bastığınızdan emin olun. Tüm düzeltmeler boyunca, her zaman bu iki eylemi gerçekleştirdiğinizden emin olun.
    3. Yoğunluk profilinin hesaplanması.
      1. Yoğunluk profilini hesaplamak için Dansitometri > Dansitometri grafiğini kullanın. Çekirdek düzlemlerde bir kaplama görevi görebilecek Kaplama Çizimi > Çizim Yoğunluk Profili'ni seçerek bir yoğunluk profili oluşturun ve çizin.
      2. MXD hesaplaması için, reçine kanallarından, erken odun vb. daha düşük değerleri hariç tutmak için bir yüzde belirtin (önerilen %20'dir, örneğin %20, en yüksek yoğunluk değerlerinin yalnızca %20'sinin dahil edildiği anlamına gelir). Ortalama yoğunluk değerleri için %100 kullanın. Minimum yoğunluk için de %100 kullanın.
    4. Aşağıda açıklandığı gibi halka başına bir sol fare tıklaması kullanarak halka sınırlarının manuel ve/veya otomatik olarak gösterilmesini gerçekleştirin.
      NOT: Adım 4.3.2.1.'deki ile aynı yeşil çubukları takın, bu sefer kullanıcı bunu yapmalıdır şimdi halka başına zil sesi (Şekil 9).
      1. Görüntüdeki yoğunluk profilini görselleştirmek için Kaplama Çizimi > Çizim Yoğunluğu Profili'ni kullanın. Halka sınırını bu profille bağlantılı olarak da belirtmek en iyisidir.
        NOT: CoreComparison araç kutusuyla birlikte araç kutularından gerektiği kadar çok örnek açın (daha fazla bilgi edinin).
      2. Otomatik göstergeler için (örneğin kozalaklı ağaçlar için önerilir), Otomatik > Maks/Min/Bükülme algılamayı kullanın. Bu işlev, önceki adımda oluşturulan dansitometri profiline dayalı olarak ağaç halkası sınırlarını otomatik olarak gösterecektir. Otomatik göstergeler için (kuzey kozalaklı ağaçlar veya yoğunluk profili tarafından tanımlanan net halka sınırlarına sahip türler için en iyi sonucu verir), Otomatik > Maks/Min/Bükülme algılamayı kullanın. Bu işlev, önceki adımda oluşturulan dansitometri profiline dayalı olarak ağaç halkası sınırlarını otomatik olarak gösterecektir.
      3. Türe bağlı olarak (dağınık gözenekli/halka gözenekli veya iğne yapraklı), ağaç halkası sınır kriteri olarak maksimum/minimum veya eğri bükülmesini (yoğunluk zirvesinden hemen sonra) kullanın. İlk parametre tepe fonksiyonu için bir eşiktir, ikincisi daha yumuşak bir fonksiyondur.
      4. Otomatik halka göstergelerini gerçekleştirdikten sonra, otomatik kaydırma (1 piksel pencere boyutu ve kullanıcı tanımlı yinelemelerle) gerçekleştirin, bu kayma nedeniyle hiçbir halka göstergesinin birbiri üzerine çizilmediğinden emin olun ve dansitometri grafiğini yeniden çalıştırın.
      5. Kesim tarihini, canlı ağaçlarda artış çekirdeklerinin alındığı yıla veya uygun olan başka bir tarihe değiştirin. Varsayılan değer 1900 olarak ayarlanmıştır.
      6. Overlay Plotting'de, Plot Rings'i seçin ve yıllar görüntülenir. Ayrıca halkaların çizileceği düzlemi ve/veya yoğunluk profilini seçin.
      7. Tam olarak belirtilen iki çekirdek olduğunda (örneğin, aynı ağaçtan), CoreComparison araç kutusunu açarak çekirdek halkası genişlik eğrilerinin ikili karşılaştırmalarını yapın. Çekirdek başına bir RingIndicator örneği açın ve gerekirse göstergeleri düzenleyin. Bunları yeniden dışa aktarın ve kaliteli veriler elde etmek için bu yinelemeli ve etkileşimli yaklaşımı kullanın. Bir sonraki adımda (adım 4.4.1.), hem TRW verilerini hem de karşılık gelen yoğunluk değerlerini dışa aktarmak için bunu tüm çekirdekler için yapın.
      8. Yüzükleri Kontrol Et seçeneğinde Yüzükler > çift halka konumlarını kontrol edin; Bu, örneğin aynı konumda iki kez çift tıklama olması durumunda, üst üste binen halkaların yanı sıra görüntülerin dışında herhangi bir göstergenin olup olmadığını kontrol edecektir.
      9. Parçaları ve parçaları olan kırık çekirdekler için, özden başlayın ve anormallikleri (kırık çekirdeklerden kaynaklanan hava, reçine ceplerinden kaynaklanan parlak noktalar, kirlenme ve çürümüş parçalar) daha sonra silmek için halkalarmış gibi ayırın. Son oluşturulan halkanın ağaç halkası sınırıyla bitirin ve verileri dışa aktarın. Örnekleme sırasında kırık çekirdeklerden kaçınmaya çalışın (bkz. adım 1.1. ve39).
        NOT: Hem eksik hem de kırık halkalar gösterilebilir, bkz. Şekil 10. Biri çekirdeğin bir halkanın ortasında kırıldığı ve diğeri çekirdeğin bir halka sınırında kırıldığı iki durum tanımlanır. İlki için (Şekil 10A), boşluğu belirtin, bu boşluğun numarasını ve ardından 1 sayısını not edin ve parantezleri kapatın. Daha sonra program, doğru bir TRW değeri elde etmek için halkanın iki parçasını toplayacaktır. İkinci durumda, boşluk numarası ve ardından 2 rakamı gösterilir ve program bu bölümü atlayacaktır (Şekil 10B).
      10. Halkaları belirterek ve yoğunluk profilleri oluşturarak, çok sayfalı TIFF dosyalarıyla aynı klasörde birkaç .txt dosyası oluşturulur ve saklanır ve en önemlileri Tablo 1'de listelenir. Bu .txt dosyalarını, CoreComparison modülünde daha fazla işlem yapmak için TIFF görüntüleriyle aynı klasörde tutun (adım 5.4).
        NOT: Yoğunluk değerlerini ham yoğunluk profiline dayalı olarak farklı bir şekilde hesaplamak için (örneğin, latewood genişliği ve early wood width45 veya CoreComparison ve CoreProcessor araç kutuları tarafından desteklenmeyen diğer metrikler), zpos_corr ve density_corr metin dosyalarını kullanın ve bunları bu tür hesaplamalar için kullanın.
  4. TRW serilerini karşılaştırmak ve verileri CoreComparison aracılığıyla dışa aktarmak için aşağıdaki adımları izleyin.
    NOT: Bu araç kutusunu kullanırken, CoreComparison ve PatternMatching modülü olmak üzere iki pencere aynı anda açılır. CoreComparison, TRW verilerinin çapraz tarihlendirilmesi ve dışa aktarılması ile ilgilenirken, PatternMatching modülü yoğunluk profillerini ve yoğunluk değerlerini (MXD, minimum yoğunluk (MND), ortalama yoğunluk ve 4 çeyrek değerleri) dışa aktarmak için kullanılabilir. CoreComparison'ın temel amacı, TRW değerlerini ve yoğunluk değerlerini oluşturmak ve eksik halkalar veya yanlış göstergeler durumunda RindIndicator'a bir bağlantı ile çapraz tarihleme kalitesinin kabaca bir tahminine sahip olmaktır.
    1. Çapraz tarihleme veya halka genişliği desenini diğer serilerle eşleştirmek için aşağıdaki adımları gerçekleştirin.
      1. RingIndicator bölümü tamamlandıktan sonra, karşılaştırılacak metin dosyalarını seçin ve çapraz tarihleme veya Gleichlaüfigkeit (GLK)46 ve/veya bireysel seriler arasındaki Spearman korelasyonu gibi istatistiksel parametrelerle birlikte halka genişliklerini içeren bir ekran açılacaktır (Şekil 11).
      2. Halka göstergelerinde değişiklik yapmak için (örneğin çapraz tarihleme sırasında), RingIndicator'ı yeniden açın, verileri içe aktarın, değiştirilen verileri ve halkaları dışa aktarın ve değişiklikleri görmek için CoreComparison modülündeki Yenile düğmesini kullanın (sol üst tarafa bakın).
      3. Farklı ağaç halkası serilerinde değişiklik yapmak için birden çok RingIndicator örneği açın ve bunu yapmak için birden çok ekran monitörü kullanın.
      4. GLK ve CORR menüsünde (Şekil 11), GLK ile ilgili rakamları eşikleme, GLK değerlerini bir elektronik tabloya aktarma ve sıralama gibi bir dizi eylem gerçekleştirin.
    2. Aşağıda açıklandığı gibi CoreComparison'dan TRW değerlerini elde edin.
      1. Eğriler arasındaki uzaklığı değiştirmek için CoreComparison'daki çizim ve dışa aktarma işlevini kullanın (daha büyük bir değer daha küçük bir uzaklıkla sonuçlanır). Halka genişliği için Çizim ve Dışa Aktarma'yı seçerek TRW verilerini > grafikte görselleştirin.
      2. Plotting and Export (Çizim ve Dışa Aktarma) > RW Verilerini Dışa Aktar'a tıklayarak TRW verilerini dışa aktarın. Halka genişliklerini elektronik tablo biçiminde veya Tucson biçiminde dışa aktarın.
    3. Yoğunluk profillerini aşağıda açıklandığı gibi PatternMatching modülünden edinin.
      1. Elektronik tabloda yoğunluk profillerini elde etmek için PatternMatching modülüne gidin ve profilleri yükledikten sonra Diğer menüsünde Çizimi seçin > Düzeltilmiş Yoğunluk Profillerini Dışa Aktarın.
      2. Profilleri toplu olarak işlemek veya verileri farklı yöntemler kullanarak değerlendirmek için doğrudan Tablo 1'deki .txt dosyalarını kullanın (bkz. adım 4.3.4.11).
    4. MXD, MND ve diğer yoğunluk değerlerini aşağıda açıklandığı gibi PatternMatching modülünden alın.
      1. Ağaç halkası başına ortalama yoğunluk, MXD, MND ve dörttebirlik verileri elde etmek için Diğer Çizimi kullanın > Kümelenmiş Verileri Dışa Aktarın. Bir elektronik tablo oluşturulur ve TIFF dosyalarıyla aynı klasörde bulunabilir.
      2. Elektronik tablodaki sekmeler Tablo 2'de ayrıntılı olarak açıklanmıştır. Daha fazla analiz için bu ağaç halkası değişkenlerini Rstudio'ya veya başka bir yazılıma aktarın.

Figure 6
Şekil 6. Gri değerlerden odun yoğunluğu değerlerinin elde edilmesi. Görüntünün gri değerlerinin, bir referans malzeme ile kalibrasyon yoluyla gerçek ahşap yoğunluğu tahminlerine dönüştürülmesi. (A) Numune tutucu 1, 60 μm çözünürlükte, hava referansını, beyaz referansı ve çekirdeği gösterir. (B) Numune tutucu, 20 μm'de, hava, referans ve çekirdek de gösterilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 7
Şekil 7. 3D çekirdek hacminin ön işleme adımları. Görselleştirmeden önce 3D çekirdek hacminin ön işleme adımları ve ağaç halkalarının gösterilmesi. (A) Eğim (eksenel) düzeltmesi, (B) lif yönünü gösteren gri çubuklarla teğetsel düzeltme, (C) sadece odunsu vokseller içeren bir hacim elde etmek için çekirdek hacminin kırpılması. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 8
Şekil 8. Bir çekirdeğin ekran görüntüsü. RingIndicator araç kutusunda açılan bir çekirdeğin (teğetsel genişlik yaklaşık 3 mm, çözünürlük μm) ekran görüntüsü. Üst bölme enine görünüm, alt bölme radyal görünümdür. Yeşil çubuklar yapı göstergesini gösterir (bu durumda halka sınırında), kırmızı çizgi yoğunluk profilidir. Sarı sayılar takvim yılını, mavi sayılar ise genel zil numarasını (ilk göstergeden itibaren sayarak) gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 9
Şekil 9. RingIndicator modülünde halka göstergesi ve yoğunluk profili görselleştirmesi. Yeşil çizgiler gösterge niteliğindedir, kırmızı çizgi ise ahşap yoğunluk profilidir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 10
Şekil 10. Çekirdeklerdeki çatlaklarla nasıl baş edilir. (A) Halkanın ortasında bir çatlak meydana geldiğinde, genel halka numarası (özden başlayarak) bir boşluk olarak etiketlenecek ve TRW, iki halka parçasının genişliklerinin toplanmasıyla hesaplanacaktır. Parametreler 3 (yüzük sayısı) ve 1'dir (durum 1: halkanın ortasındaki çatlak)31. (B) Bir halka sınırında bir çatlak meydana geldiğinde, boşluk TRW hesaplamasından çıkarılacaktır. Parametreler 3 (halka sayısı) ve 2'dir (durum 2: halka sınırında çatlak)31. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 11
Şekil 11. Çekirdek Karşılaştırma modülünün ekran görüntüsü. Kolay görsel karşılaştırma için halka genişliği serilerinin dikey olarak dağıtıldığı Çekirdek Karşılaştırma modülünün ekran görüntüsü. Üst bölme Fagus sylvatica'dan 4 çekirdeğin halka genişliğini, sol alt bölme Gleichlaüfigkeit'i (GLK) ve sağ alt bölme Spearman korelasyon katsayısını gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Dosya adı Açıklama
SAMPLENAME_density.txt Görüntünün tüm uzunluğu için düzeltilmemiş yoğunluk değerleri, bu nedenle halka ve fiber açısı için düzeltilmez
ÖRNEK ADI _density_corr.txt cf. önceki txt, ancak daha sonra düzeltilmiş yoğunluk değerleriyle
ÖRNEK ADI _ring-and-fibre.txt Halka ve fiber gösterge konumları ve açıları
ÖRNEK ADI _zpos.txt Ağaç halkası sınırlarının göbeğinizdeki konumu, halka ve lif düzeltmesi olmadan
ÖRNEK ADI _zpos.corr.txt idem, zPoS olarak, ancak daha sonra halka ve fiber açısı için düzeltildi
ÖRNEK ADI _ringwidth.txt Halka ve fiber açısı dikkate alınarak hesaplanan halka genişlikleri

Tablo 1. RingIndicator tarafından oluşturulan metin dosyaları. Halkaları belirttikten ve yoğunluk profilini RingIndicator'da dışa aktardıktan sonra oluşturulan metin dosyalarının listesi. Bunların CoreComparison modülünde açılabilmesi için .tiff dosyasıyla aynı klasörde kalması gerekir.

Ağaç halkası değişkeni Açıklama
Ortalama yoğunluk ağaç halkası başına ortalama yoğunluk
Maksimum yoğunluk yarı tabanlı MXD ancak ağaç halkasının sadece ikinci yarısına dayalı olmasını önlemek için bir önceki yılın yüksek yoğunluk değerleri dahil edilmemiştir
Minimum yoğunluk Ağaç halkası başına minimum yoğunluk
1. ve 4. çeyrek Yıl içi halka profilinin her çeyreği için ortalama ve maksimum değerler

Tablo 2. Elektronik tablo ayrıntıları. Kümelenmiş verileri dışa aktar adlı bir elektronik tabloya aktarılan ağaç halkası değişkenleri.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Amaç, birçok numunenin biyokütle tahmini veya ağaç büyümesi artışı, yani halkalar arası ölçek (Şekil 1) ise, yoğunluk profillerini (bkz. adım 5.4.3) ve ağaç büyümesi tahminlerini elde etmek için numuneleri taramak için numune tutucu 1 (Şekil 5) kullanılır, örneğin, daha kaba bir çözünürlüğe izin veren büyük TRW'ye sahip hızlı büyüyen ağaçlar için. Şekil 12 , Kongo havzasından bir tür olan T. superba'nın hem özden kabuğa hem de eksenel yoğunluk eğilimlerinin bir örneğini göstermektedir. Bu diyagramlar, gövdedeki çeşitli yükseklik konumlarında alınan ağaç artış çekirdeklerinden 110 μm'lik taramalara dayanıyordu.

Numune tutucu 2 (Şekil 5B) ile karotların taranmasıyla hedeflenen halka ölçeği (Şekil 1) için ağaç halkası analizi ve MXD hesaplaması mümkündür. Bunun bir örneği, Güney Afrika'daki Cedarberg dağlarından W. cedarbergensis'in çekirdekleri için minimum yoğunluğun (bu durumda yağışlı mevsim yağışıyla bağlantılı) ve maksimum yoğunluk kronolojisinin çizildiği Şekil 13'tür 26. Bu, monte edilmiş çekirdeklerin 10 μm çözünürlükte taranmasına dayanıyordu.

Anatomik ölçek için (Şekil 1), tutucu 3 ile tarama çekirdekleri, yani birbirine sarılmış kağıt pipetlerdeki çoklu çekirdekler, 4 μm'ye kadar bir çözünürlüğe izin verir. Sonuç, hem erken odun hem de geç odun kapları bölümlere ayrılmış olarak bir X-ışını CT görüntü meşe diliminin (Q. robur) gösterildiği Şekil 14'te gösterilmiştir.

Figure 12
Şekil 12. Radyal ve eksenel ahşap yoğunluğu eğilimleri. (A) Kongo Havzası'ndan (DRC) 46 Terminalia superba ağacından fırın kuru odun yoğunluğunun (kg/m3) radyal varyasyonu; veriler 21'den çıkarılmıştır, minimum (min), ortalama ve maksimum (maks) değerlerle, ham profil (kırmızı) üst üste bindirilmiş. (B) Tek bir Terminalia superba ağacından radyal varyasyon ve eksenel varyasyon, burada 1 m'lik her yükseklik aralığında bir artış çekirdeği alındı ve tarandı (toplam 23 çekirdek). Çekirdekten kabuğa (renk çubuğuna göre vurgulanır) artan bir yoğunluk eğilimi ve üst gövdede daha yüksek bir odun yoğunluğu vardır. Tarama çözünürlüğü = 110 μm. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 13
Şekil 13. Kronoloji gelişimi. Widdringtonia cedarbergensis'ten minimum yoğunluk ve maksimum latewood yoğunluğu kronolojisi. 26'dan çıkarılan veriler. Tarama çözünürlüğü 10 μm'dir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 14
Şekil 14. Meşe örneğinin yüksek çözünürlüklü taraması. 4 μm'de taranan Quercus robur üzerindeki meşe kaplarının segmentasyonu örneği. Segmentasyon, Ahtapot analiz yazılımı kullanılarak, iki taraflı filtreleme, eşikleme, bir dizi ikili küçültme ve genişletme işlemi, Öklid mesafe dönüşümü ve son olarak damarların etiketlenmesi kullanılarak gerçekleştirildi. Renk, küçükten (koyu mavi) büyüğe (koyu turuncu) kadar değişen damar boyutunu temsil eder. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Protokol içindeki kritik adımlar
Protokol içindeki kritik adımlar, bit ve parçalardan kaçınmak için yüksek kaliteli artım çekirdekleri elde etmek için artım delicinin uygun şekilde kullanılmasını içerir (adım 1.1. ve bkz.39). Daha sonra, hem numune tutucuya yerleştirmek (Şekil 5, bkz.21) hem de uygun reçine ekstraksiyonu50 ve gelecekteki olası analizler için çekirdeklerin monte edilmeden bırakılması (ancak bkz.26) önemlidir. Taramadan hemen önce (adım 2.2.2.), nem dalgalanmalarından kaynaklanan boyutsal deformasyonları önlemek için numunelerin tarayıcı odasında şartlandırılması çok önemlidir. Daha sonra, halkalar RingIndicator modülünde gösterilebildikten sonra, halka sınırlarının ve açılarının iyi bir şekilde gösterilmesi önemlidir, çünkü yoğunluk tepe noktaları, klasik dansitometri sistemlerindeki yanlış göstergelere benzer şekilde düzleşebilir13. Gösterge, doğru halka genişliği ölçümlerine sahip olmak için de önemlidir21. Bir sonraki kritik adım, CoreComparison modülü aracılığıyla uygun çapraz tarihlemedir (adım 4.4.1.). Bazı çekirdekler yanlış göstergelere sahipse, çevresel bir sinyal kaybı olabilir51.

Tekniğin modifikasyonları ve sorun giderme
RingIndicator ve CoreComparison araç kutularının, verileri CoreProcessor modülünde uygun çözünürlüğe dönüştürdükten sonra52 düz yataklı görüntüler için de kullanılabileceğini unutmayın. Bu nedenle, DICOM formatının (tıbbi amaçlar için ortak format ve ayrıca ahşap numuneler için de kullanılır53) .tiff'ye dönüştürülmesi gerekir. Tıbbi BT tarayıcıya sahip bölümler bu yazılımı yalnızca yaklaşık 200 μm çözünürlüğe sahip tip 1 halkalar arası ölçek analiz türü için kullanabilir.

Tekniğin sınırlamaları
Yöntemin dezavantajı, ağaç halkası ölçeği ve anatomik ölçeği (daha yüksek bir çözünürlük gerektiren) taramak için yalnızca birkaç tesisin mevcut olmasıdır. Veri hacmi ve veri işleme, daha büyük hacimler için zor olabilir54. Ahşap anatomisinin çok yüksek çözünürlüklü görüntüleri için (örneğin, çukur yapılarını daha fazla aydınlatmak vb. için), klasik iletilen ışık mikroskobu27, taramalı elektron mikroskobu veya konfokal mikroskopi55 için mikrokesitlerin klasik kullanım prosedürlerine bakın.

Mevcut yöntemlere göre önemi
Burada sunulan artımlı çekirdekler için X-ışını CT araç zincirinin kullanılması, kalibrasyon adımı (Şekil 6)56 nedeniyle güvenilir yoğunluk değerleri gösterdiği ve mevcut densitometri prosedürleri13 ile karşılaştırılabilir MXD değerleri ürettiği test edilmiştir.

Tekniğin gelecekteki uygulamaları
Tekniğin gelecekteki herhangi bir uygulaması, diğerlerinin yanı sıra, özellikle 3D görüntüler için otomatik halka göstergeleri ve ahşap doku nicelemeleri57 için derin öğrenmenin uygulanmasını içerebilir.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarların açıklanacak herhangi bir çıkar çatışması yoktur.

Acknowledgments

Üç isimsiz yorumcuya geri bildirimleri ve önerileri için teşekkür ederiz. Bu araştırma, JVdB için BOF Özel Araştırma Fonu (BOF Starting Grant BOF. STG.2018.0007.01), Uzmanlık Merkezi olarak UGCT için (BOF. EXP.2017.0007) ve çekirdek tesis (BOF. COR.2022.008), Yazarlar ayrıca Flanders Araştırma Vakfı'na (G019521N ve G009720N) ve UGent Endüstriyel Araştırma Fonu'na (IOF) hibe IOF yoluyla altyapıya mali destek için teşekkür eder. APP.2021.0005 (proje 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

Anahtar kelime -ler: Ağaç Çekirdeği Analizi X-ışını Bilgisayarlı Tomografi İklim Rekonstrüksiyonu Ağaç Tepkisi Odun Büyümesi Yüksek Verimli Tarama Ağaç Halkası Genişliği Maksimum Lateks Odun Yoğunluğu Kantitatif Odun Anatomisi Yoğunluk Profilleri Artımlı Karotlar Dendrokronoloji
X-ray Bilgisayarlı Tomografi ile Ağaç Çekirdeği Analizi
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