Waiting
로그인 처리 중...

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

Environment

Trækerneanalyse med røntgencomputertomografi

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

Her viser vi, hvordan man behandler trækerner med en røntgencomputertomografi værktøjskæde. Bortset fra kemisk ekstraktion til nogle formål er der ikke behov for yderligere fysisk laboratoriebehandling. Værktøjskæden kan bruges til biomassestimeringer, til at opnå MXD/årringsbreddedata samt til at opnå kvantitative træanatomidata.

Abstract

En røntgencomputertomografi (CT) værktøjskæde præsenteres for at opnå træringsbredde (TRW), maksimal sentræstæthed (MXD), andre densitetsparametre og kvantitative træanatomidata (QWA) uden behov for arbejdskrævende overfladebehandling eller nogen fysisk prøveforberedelse. Her er fokus på inkrementkerner og scanningsprocedurer ved opløsninger fra 60 μm ned til 4 μm. Der defineres tre skalaer, som træ skal ses på: (i) inter-ring skala, (ii) ringskala, dvs. træringsanalyse og densitometriskala, samt (iii) anatomisk skala, sidstnævnte nærmer sig den konventionelle tyndsnitskvalitet. Specialdesignede prøveholdere til hver af disse vægte muliggør scanning med høj kapacitet af flere trinkerner. En række softwarerutiner blev specielt udviklet til effektivt at behandle tredimensionelle røntgen-CT-billeder af trækernerne til TRW og densitometri. Dette arbejde forklarer kort de grundlæggende principper for CT, som er nødvendige for en korrekt forståelse af protokollen. Protokollen præsenteres for nogle kendte arter, der almindeligvis bruges i dendrokronologi. Kombinationen af grove tæthedsestimater, TRW- og MXD-data samt kvantitative anatomidata giver os mulighed for at udvide og uddybe nuværende analyser for klimarekonstruktioner eller trærespons, samt videreudvikle området for dendroøkologi/klimatologi og arkæologi.

Introduction

Trætæthed er en let at måle variabel1, der afspejler både træets anatomiske og kemiske egenskaber2. I biomasseestimater af overjordisk biomasse er trætætheden en vigtig vejningsvariabel 3,4,5, der ganges med træets dimensioner og en faktor, der repræsenterer træets kulstofindhold. Træets tæthed er tæt forbundet med træets mekaniske egenskaber6 og afspejler et træs livshistorie7.

Cellevægstætheden måles til at være ca. 1500 kg/m³ og anses for at være ret konstant8, men variationer i cellevægstætheden inden for ringen bør også tages i betragtning 8,9. Træagtige celler (generelt trakeider i nåletræer, kar, parenkym og fibre i hårdttræ) er orienteret/formet på forskellige måder, og cellevægstykkelse og lumenstørrelse af disse celler varierer10. Derfor varierer trætætheden mellem træer, inden for et træ (aksialt og tværgående) og inden for korte intervaller inden for en årring11,12. I mange tilfælde afgrænser trætæthedsvariationen på ringskalaen også årringsgrænsen13. Trætæthed og i sidste ende vævsfraktioner genereres og er i denne artikel bredt sat i tre kategorier (dvs. tre forskellige opløsningsskalaer), afhængigt af undersøgelsesmålet (figur 1) som beskrevet nedenfor.

Skala mellem ringe: Ved at måle træstykker opnås en enkelt værdi for den prøve. Dette kan gøres ved nedsænkning i vand eller geometrisk14. På denne måde kan der opnås generelle biomasse- eller træteknologiske variabler. For at inkludere variation fra marv til bark kan disse træstykker yderligere opdeles i blokke, der måles manuelt for at få information om livshistoriestrategien15. Ved skift til røntgen-CT med lav opløsning som f.eks. i medicinske scannere17,18, kan TRW-data på mellembrede til brede ringe laves på en effektiv måde på mange prøver 18,19,20. Dette er også den skala, der kan bruges til at vurdere biomasse fra marv til bark fra både tempererede og tropiske træer 4,22, typisk i opløsninger fra 50 μm til 200 μm.

Ringskala: Træ er en optager af tidligere miljøforhold. Den mest kendte parameter er træringsbredde (TRW), men for globale temperaturrekonstruktioner har maksimale sentræstæthedsrekorder (MXD) vist sig at være en bedre proxy for temperatur22. MXD er en let at måle variabel23 og en proxy for cellevægstykkelse og cellestørrelse på de sidste celler i en årring, og er ved trægrænse og boreale steder positivt forbundet med sæsonbestemt lufttemperatur24: jo varmere og længere somre, jo mere cellevægslignifikation sker der, hvilket dermed øger tætheden af disse sidste celler. Traditionelle målinger som nedsænkning og geometri er mindre nøjagtige til at bestemme denne ringniveautæthed. Et tidligere arbejde udviklede en værktøjskæde til brug af røntgenfilm på tyndskårne prøver25. Dette udløste en revolution inden for både skovbrug og senere palæoklimatologi15,18, der definerede maksimal sentræstæthed (MXD), dvs. den maksimale tæthedsværdi ofte for enden af en ring, som en proxy for sommertemperatur. Grundprincippet er, at prøverne saves (ca. 1,2 mm til 7 mm13) for at være helt parallelle med aksialretningen, og prøven sættes på en følsom film, der udsættes for en røntgenkilde. Derefter aflæses disse røntgenfilm gennem en lyskilde, der registrerer intensiteten og gemmer profilerne og årringsparametrene. Disse værktøjer kræver dog en betydelig mængde prøveforberedelse og manuelt arbejde. For nylig er dette udviklet til røntgen-CT på en mere standardiseret måde eller baseret på monterede kerner26. Opløsningen her ligger mellem 10 μm og 20 μm. TRW måles også på denne skala, især når der er tale om mindre ringe.

Anatomisk skala: På denne skala (opløsning < 4 μm) bliver de gennemsnitlige tæthedsniveauer mindre relevante, da de vigtigste anatomiske træk visualiseres, og deres bredde og proportioner kan måles. Dette gøres typisk ved at lave mikrosektioner eller optiske scanninger i høj opløsning eller μ-CT-scanninger. Når cellevæggenes ultrastruktur skal visualiseres, er scanningselektronmikroskopi den mest almindeligt anvendte metode27. På den anatomiske skala bliver de enkelte vævsfraktioner synlige, så fysiologiske parametre kan udledes af billederne. Baseret på de individuelle anatomiske parametre og cellevægstætheden af træ kan anatomisk tæthed udledes til sammenligning med konventionelle estimatorer af trætæthed24.

På grund af forbedrede sektionsteknikker og billedsoftware29,30 er dendro-anatomi30 blevet udviklet til at have en mere nøjagtig registrering af træet, både for at få et nærmere estimat af MXD i nåletræer og for at måle flere anatomiske variabler fra løvtræer. På denne skala måles faktiske anatomiske parametre og relateres til miljøparametre31 . Med μCT kan dette niveau også opnås32,33.

Da træ i sagens natur er hygroskopisk og anisotropt, skal træets tæthed defineres omhyggeligt, og målebetingelserne skal specificeres, enten som ovntørt, konditioneret (typisk ved 12 % fugtindhold) eller grønt (som fældet i skoven)34. For store prøver og tekniske formål defineres træets densitet som vægten divideret med dens volumen under givne betingelser. Værdien af trætætheden er dog stærkt afhængig af den skala, den måles på, f.eks. kan trætætheden fra marv til bark fordobles, og på en ringskala (i nåletræer) resulterer overgangen fra tidligt træ til sent træ også i en betydelig stigning i trætætheden med et højdepunkt ved ringgrænsen.

Her præsenteres en røntgen-CT-scanningsprotokol af inkrementkerner for at måle funktioner på de førnævnte 3 skalaer (figur 1). Den seneste udvikling inden for røntgen-CT kan dække de fleste af disse skalaer på grund af en fleksibel opsætning. Forskningsmålene vil bestemme den endelige protokol for scanning.

En afgørende begrænsende faktor (som i sagens natur er forbundet med træets og træets skalerede karakter generelt) er den opløsning og tid, der er nødvendig for scanning. Eksempler viser, hvordan man: (i) opnår, hvordan man får trætæthedsprofiler i træskala mellem ringene til biomasseestimater i Terminalia superba fra Congo-bassinet, (ii) får tæthedsregistreringer fra Clanwilliam-cedertræ (Widdringtonia cedarbergensis) baseret på spiralformet scanning på et HECTOR-system35, og (iii) måler karparametre på siddende eg på Nanowood-systemet. Begge scannere er en del af pakken af scannere på UGent Center for X-ray Tomography (UGCT,

Figure 1
Figur 1: Generelt metodisk beslutningstræ for røntgen-CT-scanning. Rækkerne angiver de trin, der skal udføres, startende fra forskningsmålet hele vejen til det endelige dataformat. Hvide bokse er de trin, der er relevante for denne værktøjskæde. Nedtonede kasser er trin, der kan udføres med anden software eller R-pakker, såsom dplr47 og Treeclim48 til træringsanalyse, og ROXAS44 samt ImageJ42 eller andre (kommercielle) applikationer til udledning af træanatomiske parametre baseret på CT-billederne. Klik her for at se en større version af denne figur.

X-CT forskning på træ
Opsætning af en scanner: En standard røntgen-CT-scanner består af et røntgenrør, en røntgendetektor, et rotationstrin og et sæt motorer til at flytte rotationstrinnet, og i de fleste tilfælde også detektoren, frem og tilbage (figur 2).

Figure 2
Figur 2. HECTOR-scanningssystemet. Systemet35, der viser kildedetektorafstanden (SDD) og kildeobjektafstanden (SOD). Klik her for at se en større version af denne figur.

De fleste laboratoriebaserede systemer har en keglestrålegeometri, hvilket betyder, at de producerede røntgenstråler fordeles fra rørets udgangsvindue i en keglestråleform, hvilket indebærer, at ved at ændre afstanden mellem objektet og røret (SOD = Source-Object-Distance) og detektoren og røret (SDD = Source-Detector-Distance), styres forstørrelsen (se diskussionen om opløsning). På grund af røntgenstrålernes gennemtrængningskraft passerer de gennem objektet, og dæmpningsstrålens intensitet er en funktion af røntgenstrålens energi, objektets kemiske sammensætning (atomnummeret på de tilstedeværende grundstoffer) og materialets tæthed. Givet et konstant energispektrum og en konstant materialesammensætning af træ er dæmpningen af røntgenstrålen meget afhængig af materialets tæthed, hvilket forklarer dets anvendelse til densitometri. Dæmpningen (eller transmissionen) kan udtrykkes ved Beer-Lambert-loven:

Equation 1

med I0 den indkommende røntgenstråle eksponentielt, som henfalder til en transmitteret røntgenstråle Id , når den forplanter sig gennem materialet over en afstand d. Den lineære dæmpningskoefficient afhænger μ af en række interaktioner med objektets materiale. Projektionerne er således optagelser af den transmitterede stråle.

Praktisk set er objektet monteret på rotationstrinnet, en ordentlig SOD og SDD vælges, en vis effekt vælges også (relateret til objektstørrelse, tæthed og sammensætning), og objektet roteres 360°, og under denne rotation tages flere projektioner. Disse projektioner bruges derefter til at rekonstruere objektets indre struktur. Der er flere rekonstruktionsalgoritmer tilgængelige, hvoraf de mest anvendte stadig er baseret på den analytiske ramme, der blev udviklet for årtier siden, og som er afhængig af radontransformationen og Fourier-skivesætningen. For flere detaljer henvises læseren til specialiseret litteratur36.

Gåde om opløsning, datamængde og prøvestørrelse: Opløsning er nøglen til røntgen-CT-scanning. I systemer med invers geometri eller parallel strålegeometri såsom synkrotronstrålerør spiller andre overvejelser en rolle. Denne protokol diskuterer kun standard laboratoriebaseret røntgen-CT-scanning med keglestrålegeometri. Her er begrebet forstørrelse, detektorpixelstørrelse og pletstørrelse afgørende. Forstørrelse er defineret som forholdet mellem SDD/SOD. Dernæst påvirker detektorens pixelstørrelse naturligvis også opløsningen: jo mindre pixelstørrelse, jo højere opløsning, men i de fleste tilfælde er synsfeltet (FoV) også direkte relateret til pixelstørrelse og størrelse af detektoren (mindre pixelstørrelse, mindre FoV for det samme antal pixels). Desuden er røntgenstrålens punktstørrelse også vigtig: Jo større punktstørrelse, jo lavere opløsning, hvilket betyder, at færre detaljer kan ses.

Det er vigtigt at adressere, at man kan opnå en opløsning, der er højere end hvad der er muligt i henhold til de ovennævnte grænser, derfor er det bedre at bruge udtrykket voxelstørrelse (en voxel er en volumenpixel) i stedet for opløsning. Desuden er der andre faktorer, der spiller ind, såsom detektorens skarphed, som yderligere begrænser den sande opløsning, hvormed et objekt scannes. Kun en sand kalibrering af systemet ved hjælp af etablerede mål giver det sandfærdige svar.

I de fleste tilfælde er voxelstørrelsen, som et objekt kan scannes med, dog for det meste begrænset af objektets størrelse. Det betyder, at jo større objektet er, jo lavere vil voxelstørrelsen være. Hvis objektet ikke passer ind i detektorens FoV for en bestemt voxelstørrelse, kan voxelstørrelsen reduceres, f.eks. ved at begrænse forstørrelsen.

Scanningstid og datamængde er vigtige at overveje, når du beslutter den ønskede voxelstørrelse. Generelt gælder det, at jo mindre voxelstørrelsen betyder, jo højere detaljer vil man se, jo mindre er prøven eller jo færre prøver, der kan scannes på én gang, der kræves mere tid, og større datamængder vil blive indsamlet. Forestil dig følgende teoretiske eksempel: man kan scanne en prøve, der måler 10 cm x 10 cm x 10 cm ved 50 μm på én gang med et bestemt røntgen-CT-system og vil gerne scanne det samme volumen ved 10 μm, det volumen, der passer inden for FoV, ville kun være 2 cm x 2 cm x 2 cm, forudsat at dette er fysisk muligt. Det betyder, at der er behov for 125 scanninger (5³ = 5 gange højere opløsning, skalerer til 3 på grund af billeddannelsesteknikkens volumetriske karakter) for at dække hele volumenet, og at datamængden ville stige ligeledes. Selvfølgelig er dette kun et tankeeksperiment, og man skal overveje meget mere end kun opløsning. For mere information henvises læseren til en oversigt over scanningsmulighederne37.

Fleksibilitet i instrumenter til scanning af trægenstande: I det sidste årti har mange virksomheder leveret røntgen-CT-systemer med en lignende samling som HECTOR35. En oversigt over flere CT-systemer, specielt vurderet for deres tidsmæssige opløsning, er givet i38.

Alt i alt er fleksibiliteten og brugervenligheden af røntgen-CT-systemer forbedret betydeligt. Mange systemer tillader scanning af en bred vifte af objekter, hvilket også er tilfældet med systemerne hos UGCT. Nedenstående protokol er demonstreret for HECTOR-systemet, som er velegnet til træringsanalyse. Protokollen er dog gyldig for ethvert andet tilgængeligt system, hvis opløsning og dataformat tillader det.

Disse systemer tillader scanning af en række forskellige objekter. Et par billeder af forskellige trægenstande scannet med HECTOR-systemet er givet i figur 3. Det er denne fleksibilitet, der omfatter de tre skalaer, vi præsenterer i figur 1, der spænder fra en grov opløsning til en meget fin opløsning.

Figure 3
Figur 3. Eksempler på scanningsopsætning. A) A) En logfil, B) en cello49, C) prøveholdere (type 1) med trækerner til batchscanning og D) prøveholder type 2 med inkrementkerner til spiralscanning monteret på HECTORS rotationstrin. Klik her for at se en større version af denne figur.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Stikprøveudtagning af kerner

  1. Smag træet med en Pressler-borer. Se referencer om, hvordan man kerne et træ manuelt39. Denne værktøjskæde præsenteres for 5,15 mm kerner.
  2. Læg trækernerne ulimet i 6 mm papirsugerør eller i enhver anden receptor, der ikke kræver lim. Lim ikke trækernerne på en træstøtte. Hvis kernerne allerede var monteret, skal du afmontere dem med skalpel/sav eller opløsningsmiddel afhængigt af limtypen.
  3. Undgå at pakke dem ind i plastikrør, prøv at tørre dem først for at undgå skimmelvækst og svampeforfald.
  4. Brug blyant til at skrive på papirsugerørene, da ekstraktet kan falme tuschskrifter.
    BEMÆRK: Denne værktøjskæde er også velegnet til 4 mm kerner. Allerede monterede og slebne kerner kan bruges, men disse skal først afmonteres. For arkæologisk træ eller resttræ skal der laves en kerneprøve (ved at save/reducere størrelsen) til scanning.

2. Forberedelse af kernen før scanning

  1. Udfør en ethanol/toluen-, ethanol- eller acetone40 Soxhlet-ekstraktion i mindst 24 timer (figur 4A,B). Dette er nødvendigt for at sikre et harpiksfrit trævolumen for at få en nøjagtig densitetsberegning (harpiks dæmper signalet, figur 4C13,41).
    1. Lav en opløsning af 1000 ml ethanol med 427 ml toluen (iht. f.eks. ASTM D 1107 - 96) eller ren ethanol eller acetone. Mange universiteter har et laboratorieglasværksted, der kan lave en tilpasset version af Soxhlet-apparatet til trækerner (figur 4B).
    2. Rundbundet kolbe fyldes med opløsningsmidlet, og prøverne anbringes i sugerørene i en rustfri stålholder i Soxhlet-apparatet med køler på en laboratorievarmer. Tillad mindst 6 sifoner pr. time.
      BEMÆRK VENLIGST: Et lukket vandkredsløb bruges fortrinsvis til køling (eller ethvert andet moderne kølesystem). I dette tilfælde cirkulerer en vandpumpe vandet, opbevaret i et 100 L bassin med klortabletter (for at undgå algeudvikling), ved 120 L/t (men dette vil afhænge af størrelsen af Soxhlet-apparatet samt den tilførte varme fra varmeelementet). En luftkøler bruges til at afkøle vandet i 100 L bassinet. For at spare på opløsningsmidlet kan glasperler bruges til at fylde hulrumsvolumenet i Soxhlet-apparatet.
    3. Kontroller temperaturen og antallet af hæverter regelmæssigt. Tør kernerne under en kemisk hætte (tjek laboratoriepolitikken for dette) for at fjerne opløsningsmiddelresterne eller sæt en tørreovn under kemikaliehætten.
  2. Tør kernerne i 24 timer i en tørreovn (103,5 °C) under udsugningsventilation og udfør et varmtvandsbad (90 °C) eller varmt vand Soxhlet-ekstraktion i 24 timer som beskrevet ovenfor.
    1. Opbevar prøverne i papirsugerørene i stålprøveholderne. Tør igen i en tør ovn i 24 timer ved 103,5 °C, og konditioner derefter til 60 % relativ luftfugtighed (RF) før scanning.
      BEMÆRK VENLIGST: 60 %-værdien er valgt i dette tilfælde, fordi disse er omtrent de omgivende gennemsnitlige relative luftfugtighedsforhold i røntgen-CT-scanningsrummet. Ovntørre prøver kan også bruges. Den vigtigste faktor er, at alle prøver scannes under de samme forhold.
    2. Hvis vandudsugningen degenererer papirsugerørene, skal du sætte trækernerne tilbage i nye 6 mm papirsugerør21. Både 5,15 mm og 4 mm kerner kan lægges i 6 mm papirsugerør.
    3. Sørg for, at hele papirsugerøret er fyldt med træ. Pak begge halmender op og skær enderne. Dette gør det nemt at indsætte sugerørene i den cylindriske holder.
    4. Sørg for, at kambiumsiden (barken) er tydeligt angivet på kernen, fordi CoreProcessor og RingIndicator antager, at barksiden er nedad. Fjern stumper og stykker samt kerner med revner, da disse er svære at arbejde med.

Figure 4
Figur 4. Arbejdsgang til udpakning og tørring af kerner før scanning. A) Stegkerner i papirsugerør anbringes først i et varmtvandsbad og derefter i en varm ethanol-toluenblanding med et Soxhlet-apparat i 24 timer, derefter tørres, lægges i et varmt vandbad i 24 timer, derefter tørres de igen ved 103,5 °C og konditioneres derefter inden scanning. (B) Billeder af den tilpassede Soxhlet-opsætning på universitetet i Gent. Flere tilpassede Soxhlet-apparater er seriemonteret. Bemærk aluminiumsfolien og isoleringsrørene for at holde opløsningsmidlet eller opløsningsmiddelblandingen varm nok til ekstraktion. C) Eksempel på overfladen af en tilvækstkerne fra Pinus longaeva før og efter ekstraktion. Harpikser og andre ekstraktive stoffer maskerer det sande densitetssignal på grund af dæmpning af røntgenstrålerne. Klik her for at se en større version af denne figur.

3. Kernescanning

  1. Vælg den korrekte prøveholdertype (figur 5) som beskrevet nedenfor, afhængigt af forskningsformålet som beskrevet i figur 1.
    1. Til formål med inter-ring skala skal du bruge holdertype1 - pap og perforeret blomsterskum.
    2. Til MXD-data skal du bruge holder type 2 - en plastprøveholder, der rummer 6 kerner med en længde på 1-15 cm og har en diameter på 3 cm.
    3. Brug holdertype 3 - til dendroanatomiske formål, der består i blot at binde papirsugerør sammen.
  2. Læg trækernerne i papirsugerør i prøveholderen, og udfyld regnearksskabelonen, der kan downloades på https://dendrochronomics.ugent.be/#software. Hvert tal svarer til en given position i prøveholderen.
  3. Scanning i et røntgen-μCT-anlæg: Kontakt en røntgen-CT-ekspert for at få de korrekte indstillinger og scanningsprotokol. For den scanner, der bruges i denne protokol, se37.
  4. Rekonstruktion af de scannede billeder: Kontakt en røntgen-CT-ekspert for at få de korrekte indstillinger for rekonstruktionen eller de indstillinger, der følger med CT-scanneren (softwarepakke til røntgen-CT-scanneren). For rekonstruktionsparametre for denne protokol, se37.

Figure 5
Figur 5. Prøveholdertyper og opløsning. Design af de tre hovedholdertyper, der svarer til (A) inter-ring skala, (B) træringsskala og (C) anatomisk skala. På grund af den resulterende størrelse falder antallet af prøver med stigende opløsningskrav. De tilsvarende 3D-gengivelser for (D) inter-ringskala (holder 1), (E) ringbredde og MXD (holdertype 2) og (F) anatomiske parametre (holder type 3). Skalastang = 5 mm. Klik her for at se en større version af denne figur.

4. Indhent TRW-data, tæthedsdata og anatomiske data

  1. Kom godt i gang med softwaren.
    1. For at opnå tæthedsværdier (holdertype 1 og 2) skal du installere følgende tre softwarepakker: (i) CoreProcessor, (ii) RingIndicator og (iii) CoreComparison værktøjskasser fra
    2. Da disse værktøjskasser blev lavet i MATLAB, skal du installere den korrekte MATLAB compiler runtime (MCR), tilgængelig på: http://nl.mathworks.com/products/compiler/mcr/. Den version, der er brug for i øjeblikket, er MATLAB2022B. MCR er gratis, ligesom de 3 softwarepakker.
    3. Ved siden af mappen med de rekonstruerede diskenheder skal du lave en ny tom mappe til MAT-filerne (et filformat fra MATLAB, der gemmer variabler osv.), f.eks. matfiles_useful_name_sample_holder, dette er nødvendigt for at gemme midlertidige parametre.
    4. Sørg for, at regnearket er i mappen med de rekonstruerede bind, så du kan udfylde prøverne i et senere trin.
  2. Forbehandling af kernevolumenerne med CoreProcessor.
    BEMÆRK: For anatomidata i høj opløsning er det ikke nødvendigt at følge behandlingstrin (Figur 1), når de rekonstruerede volumener er tilgængelige, henvises til ImageJ-retningslinjerne for 3D-billeder42. Segmentering kan udføres gennem Weka-plugin'et43 til angivelse af beholdere på individuelle skiver, f.eks.12eller i software-plugins såsom ROXAS44.
    1. Forbered kerneekstraktionen: Forbered den automatiserede ekstraktion af inkrementkernerne (afhængig af inter-ringskala figur 6A eller ringskala figur 6B) som beskrevet nedenfor.
      1. Vælg mappen med rekonstruerede filer (16-bit tværsnits-TIFF-udsnit) og regnearksfilen (XrayForm.xlsx).
      2. Vælg den tomme mappe fra 4.1.3. Dette er den mappe, hvor CoreProcessor opretter en MAT-fil, der skal bruges i 4.2.2. til massekerneekstraktion.
      3. Vælg den nyoprettede tomme MAT-filmapp, eller vælg en anden mappe, hvis den ikke er oprettet. Volumen er indlæst, og et langsgående tværsnit af cylinderen vises, kontroller et par vandrette skiver for at sikre, om alle kerner og referencer var korrekt monteret i cylinderen.
      4. Klik fra bund til top for at vælge udsnit for at evaluere dette. Disse tværsnit vil blive brugt til næste trin, så klik på tværs af hele længden. Angiv de mørke (luft) og hvide referencer (Figur 6) så mange gange som angivet i regnearksfilen. Dobbeltklik efter hvert valg.
      5. For prøveholder 1 skal du inspicere multiscreenen med 9 tværsnit, der genereres gennem referencematerialet for at kontrollere, om densitetsberegningen blev udført på træet (og ikke på papirsugerøret eller andet andet materiale, der ikke er træ). Dette er afgørende for korrekt omregning til faktiske trætæthedsværdier.
      6. I et nyt pop op-vindue skal du vælge hver kerne separat ved at tegne en cirkel/ellipse rundt om den. Udfør mærkning baseret på oplysningerne fra regnearksfilen, tjek om navnet er korrekt. Respekter den rækkefølge, som skabelonen er udfyldt i. Alle oplysninger gemmes i en MAT-fil, der vil blive brugt i næste trin til at udpakke alle kerner på én gang.
    2. Klik på Massekerneekstraktion for at udføre kerneekstraktion for alle kernerne i en given cylinder (som var angivet i 4.2.1.2), da metadataene og regnearksfilerne er placeret i samme mappe.
      BEMÆRK VENLIGST: Når du bruger massekerneekstraktion, vil alle kerner blive udtrukket i henhold til brugerens mærkning (som er gemt i måttefilmappen). Som et resultat af denne handling oprettes en ny mappe med navnet Udpakket , som indeholder alle de separate kerner. Når flere prøveholdere er forberedt i det første trin, og alle MAT-filerne er gemt i samme mappe, vil alle MAT-filer i denne mappe blive behandlet.
    3. I CoreProcessor-værktøjskassen skal du klikke på Manuel Tg-korrektion og derefter vælge mappen Udtrukket for at sikre korrekt orientering af det tværgående og radiale plan for hvert kernevolumen, svarende til montering af fysiske prøver i en prøveholder før slibning med det tværgående plan i sigte (Figur 7B).
      1. Nogle tværsnit vises, så brugeren kan se kornretningen. I det sidste plot (nederst til højre) skal du inspicere den udsnit, der præsenteres, og tegne en linje for at angive kornretningen. Dobbeltklik for automatisk at rotere kernen.
      2. Derefter vises en skærm, her beskær kernens volumen (figur 7C), og sørg for, at rektanglet omfatter hele kernediameteren. Dette er nødvendigt, fordi rektanglets midtpunkt skal være så tæt som muligt på kerneaksen (for korrekt justering i RingIndicator-modulet).
        BEMÆRK VENLIGST: Hvis du scanner i høj opløsning, skal du kun vælge materiale i kernen på dette stage og brug konverteren til at skifte til sample holder type 2. Dette er bestemt nyttigt for ringporøse arter for eksempel.
    4. Udfør følgende valgfrie trin i tilfælde af forkert justerede, vendte eller ødelagte kerner eller inkompatible billedformater.
      1. Korrektion af kernehældning (kun for prøveholder 1): Til automatisk at korrigere for kernehældning (f.eks. når kernen er let skråt i cylinderen; Figur 7A). Dette er vigtigt for senere trin. Vælg den udpakkede mappe, der blev oprettet i forrige trin.
        BEMÆRK: Dette er normalt ikke nødvendigt, hvis du har en prøveholder type 2 eller type 3 (figur 5), eller når alle prøver og prøveholdere er sat helt oprejst.
      2. Vend volumener: Hvis prøven ikke blev sat med barksiden nedad (marvbarkretningen er ikke fra venstre mod højre), skal du ændre retningen ved at vende kerner. Funktionen beder om en mappe og opretter en ny mappe.
      3. Limkerner: Sy store dele af individuelle kerner sammen virtuelt. Ideen er ikke at sy perfekt, men at sikre, at enkeltkerner om nødvendigt er i samme flersidede TIFF-volumen. Brug indikationen for knækket kerne (se trin 4.3.4.9) til at overvinde mellemrummene mellem kernestykkerne.
      4. Konverter: Hvis diskenhederne er blevet manipuleret i en anden softwarepakke og er gemt uden for værktøjskassen (f.eks. ImageJ), skal du udføre dette trin for at få headeroplysningerne korrekte. Brug dette trin til 16-bit flersidede TIFF-volumener, der kommer fra en anden CT-scanner, samt til at bruge RingIndicator-værktøjskassen.
        BEMÆRK: Alle trin herfra er til strukturretningskorrektioner og endelig densitometri og træringsanalyse.
  3. Korrektion af vinkler og angivelse af ringe i RingIndicator.
    BEMÆRK VENLIGST: Følgende trin skal tages kronologisk i RingIndicator-modulet: (i) visualisering af det tværgående og radiale plan, (ii) strukturkorrektion, (iii) oprettelse af densitetsprofilen, og (iv) angivelse af ringene manuelt eller halvautomatisk.
    1. Udfør visualisering af tværgående og radialplan som beskrevet nedenfor.
      1. For at blive fortrolig med GUI'en skal du åbne værktøjskassen og vælge en flersidet TIFF-fil (en, der blev oprettet efter udpakning og efter tg rettet, så fra mappenavnet Tg rettet).
      2. Vælg billedet Halv tykkelse på udsnit for at få vist et gennemsnitligt billede af de centrale X-udsnit, hvor X spænder fra 1-10, hvor 1 ikke er noget gennemsnit (dvs. kun viser det centrale udsnit), og 10 er et gennemsnitligt billede af de 10 centrale udsnit.
        BEMÆRK VENLIGST: Gennemsnit kan være gavnligt for at fremhæve ringkanter bedre og undertrykke støj, på den anden side kan det også få ringkanter til at se mindre tydelige ud, især når fibervinklen er betydelig. Indstil venligst denne værdi efter behov. Det er vigtigt at nævne, at dette kun er til visning, det påvirker ikke den underliggende volumen, og det påvirker heller ikke de eventuelle beregninger/resultater.
      3. Undersøg den grafiske brugergrænseflade (GUI). GUI'en indeholder en topfigur med kernens tværgående plan og en bundfigur med kernens radiale plan og en menu (figur 8).
      4. Hvis du vil indlæse en ny kernediskenhed, skal du søge efter funktionen Volume > Load Volume for at vælge en ny flersidet TIFF-fil i mappen. Nu er brugeren klar til at angive strukturretningen for efterfølgende at angive de faktiske årringe.
    2. Strukturkorrektion for at lette automatiske indikationer af træringe.
      1. Klik manuelt på billedet for at indsætte grønne bjælker til strukturkorrektion. Start med marven (eller den ældste tilgængelige ring) og slut med den seneste ring. Langs kernen korrigeres for strukturelle afvigelser på både det tværgående og det radiale plan.
      2. Sørg for at angive ring- og fibervinklen korrekt, fordi alle efterfølgende indikationer vil tage en interpoleret vinkel mellem de respektive indikationer.
      3. Indsæt en grøn bjælke på det ene plan, det vil automatisk generere en på det andet plan. Når du har indsat bjælken, skal du flytte noderne (hvide firkanter) for enden af bjælken for at ændre vinklen. Brug den midterste node til at ændre bjælkens position. Juster størrelsen på noderne for brugervenlighed.
      4. Efter hvert trin skal du sørge for at trykke på Data > eksport og ringe > eksportringe for at sikre, at ring- og fiberindikationer skrives til den korrekte .txt files. Gennem alle rettelser skal du sørge for altid at udføre disse to handlinger.
    3. Beregning af tæthedsprofilen.
      1. Brug plottet Densitometri > Densitometri til at beregne tæthedsprofilen. Opret og plot en tæthedsprofil ved at vælge Overlejringsplotning > afbildningstæthedsprofil, der kan fungere som en overlejring på kerneplanerne.
      2. For MXD-beregning skal du angive en procentdel (anbefalet er 20 %, f.eks. betyder 20 %, at kun 20 % af de højeste densitetsværdier er inkluderet), for at udelukke lavere værdier fra harpikskanaler, tidligt træ osv. Til gennemsnitlige tæthedsværdier skal du bruge 100%. For minimum tæthed skal du også bruge 100%.
    4. Udfør manuel og/eller automatisk indikation af ringegrænser med et venstre museklik pr. ring som beskrevet nedenfor.
      BEMÆRK: Indsæt de samme grønne bjælker som i trin 4.3.2.1., denne gang skal brugeren gøre dette nu ring pr. ring (Figur 9).
      1. Brug Overlay Plotting > Plot Density Profile til at visualisere tæthedsprofilen på billedet. Det er bedst at angive ringgrænsen også i forbindelse med denne profil.
        BEMÆRK: Åbn så mange forekomster fra værktøjskasserne som nødvendigt i kombination med CoreComparison-værktøjskassen (se yderligere).
      2. Til automatiske indikationer (anbefales f.eks. til nåletræer), skal du bruge Auto > Max/Min/Inflection detection. Denne funktion angiver automatisk træringsgrænser baseret på densitometriprofilen, der blev oprettet i det foregående trin. Til automatiske indikationer (fungerer bedst for boreale nåletræer eller arter med klare ringgrænser defineret af densitetsprofilen), skal du bruge Auto > Max/Min/Bøjningsdetektion . Denne funktion angiver automatisk træringsgrænser baseret på densitometriprofilen, der blev oprettet i det foregående trin.
      3. Afhængigt af arten (diffus-porøs/ringporøs eller nåletræ) skal du bruge maksimum/minimum eller kurvebøjning (lige efter tæthedstoppen) som kriterium for årringsgrænse. Den første parameter er en tærskel for topfunktionen, den anden er en glattere funktion.
      4. Når du har udført de automatiske ringindikationer, skal du udføre automatisk skift (med vinduesstørrelse på 1 pixel og brugerdefinerede iterationer), mens du sørger for, at ingen ringindikationer plottes på hinanden på grund af dette skift, og kør densitometriplottet igen.
      5. Ændr fældningsdatoen til det år, hvor tilvækstkernerne blev taget på levende træer eller enhver anden dato, der er passende. Standarden er sat til 1900.
      6. I Overlay Plotting skal du vælge Plotte ringe , og årene vises. Vælg også det plan, som ringene skal plottes på og/eller tæthedsprofilen.
      7. Når der er to kerner fuldt angivet (f.eks. fra det samme træ), skal du foretage parvise sammenligninger af kerneringbreddekurver ved at åbne CoreComparison-værktøjskassen. Åbn en RingIndicator-forekomst pr. kerne, og rediger indikationerne, hvis det er nødvendigt. Eksporter dem igen og udvind denne iterative og interaktive tilgang for at få data af god kvalitet. I næste trin (trin 4.4.1.) skal du gøre dette for alle kerner for at eksportere både TRW-data og de tilsvarende densitetsværdier.
      8. Kontroller dobbeltringepositioner i indstillingen Ringe > Kontroller ringe ; Dette vil kontrollere, om nogen indikationer har en position uden for billederne samt ringe, der overlapper hinanden, f.eks. i tilfælde af, at der er sket et dobbeltklik to gange på samme position.
      9. For ødelagte kerner, der har stumper og stykker, skal du starte ved marven og afgrænse anomalier (luft på grund af ødelagte kerner, lyse pletter på grund af harpikslommer, forurening og forfaldne dele), som om de var ringe for at slette dem bagefter. Afslut med træringsgrænsen for den sidst dannede ring, og eksporter dataene. Prøv at undgå knækkede kerner under prøvetagning (se trin 1.1. og39).
        BEMÆRK VENLIGST: Både manglende såvel som knækkede ringe kan angives, se figur 10. Der defineres to tilfælde, et hvor kernen knækker midt i en ring, og et hvor kernen bryder på en ringgrænse. For den første (figur 10A) skal du angive mellemrummet, notere nummeret på dette mellemrum efterfulgt af nummer 1 og lukke parenteserne. Derefter vil programmet opsummere de to dele af ringen for at opnå en korrekt TRW-værdi. I det andet tilfælde er mellemrumsnummeret angivet efterfulgt af nummer 2, og programmet vil udelade dette afsnit (figur 10B).
      10. Ved at angive ringe og generere tæthedsprofiler oprettes og gemmes flere .txt filer i samme mappe som de flersidede TIFF-filer, og de vigtigste er angivet i tabel 1. Opbevar disse .txt filer i samme mappe som TIFF-billederne for yderligere at behandle dem i CoreComparison-modulet (trin 5.4).
        BEMÆRK: Hvis du vil beregne tæthedsværdier på en anden måde baseret på den rå tæthedsprofil (f.eks. latewood-bredde vs. earlywood-bredde45 eller andre målinger, der ikke understøttes af CoreComparison- og CoreProcessor-værktøjskasserne), skal du bruge zpos_corr- og density_corr-tekstfilerne og bruge dem til sådanne beregninger.
  4. For at sammenligne TRW-serier og eksportere dataene via CoreComparison skal du følge nedenstående trin.
    BEMÆRK: Når du bruger denne værktøjskasse, åbnes to vinduer samtidigt, CoreComparison og PatternMatching-modulet. CoreComparison beskæftiger sig med krydsdatering og eksport af TRW-data, hvorimod PatternMatching-modulet kan bruges til eksport af tæthedsprofiler og tæthedsværdier (MXD, minimum density (MND), gennemsnitlig tæthed og 4 kvartilværdier). Hovedformålet med CoreComparison er at generere TRW-værdier og densitetsværdier og at have et groft estimat af krydsdateringskvaliteten, med en kobling til RindIndicator i tilfælde af manglende ringe eller forkerte indikationer.
    1. Udfør følgende trin for at krydsdatere eller matche ringbreddemønsteret med andre serier.
      1. Når RingIndicator-sektionen er afsluttet, skal du vælge de tekstfiler, der skal sammenlignes, og der åbnes en skærm med ringbredder sammen med krydsdatering eller statistiske parametre som f.eks. Gleichlaüfigkeit (GLK)46 og eller Spearman-korrelation mellem individuelle serier (figur 11).
      2. Hvis du vil foretage ændringer i ringindikationerne (f.eks. under krydsdatering), skal du åbne RingIndicator igen, importere data, eksportere de ændrede data og ringe og bruge knappen Opdater i CoreComparison-modulet (se øverst til venstre) for at se ændringerne.
      3. Åbn flere RingIndicator-forekomster for at foretage ændringer i forskellige træringsserier, og brug flere skærmskærme til at gøre dette.
      4. I GLK- og CORR-menuen (figur 11) skal du udføre en række handlinger relateret til GLK, såsom at tærskelsætte tallene, eksportere GLK-værdierne til et regneark og rangere dem.
    2. Hent TRW-værdier fra CoreComparison som beskrevet nedenfor.
      1. Brug plottnings- og eksportfunktionen i CoreComparison til at ændre forskydningen mellem kurverne (en større værdi resulterer i en mindre forskydning). Visualiser TRW-dataene i et plot ved at vælge Plotning og eksport > ringbredde.
      2. Eksporter TRW-data ved at klikke på Afbildning og eksport > eksport af RW-data. Eksporter ringbredder i regnearksformat eller i Tucson-format.
    3. Hent tæthedsprofilerne fra PatternMatching-modulet som beskrevet nedenfor.
      1. For at få tæthedsprofilerne i regnearket skal du gå til modulet PatternMatching , og efter indlæsning af profilerne skal du i menuen Andet vælge Plotning > Eksporter korrigerede tæthedsprofiler.
      2. For at batchbehandle profiler eller for at vurdere dataene ved hjælp af forskellige metoder skal du bruge de .txt filer fra tabel 1 direkte (se trin 4.3.4.11).
    4. Hent MXD-, MND- og andre tæthedsværdier fra PatternMatching-modulet som beskrevet nedenfor.
      1. For at opnå den gennemsnitlige tæthed, MXD, MND og kvartildata pr. træring skal du bruge Other Plotting > Export Clustered Data. Et regneark vil blive genereret og kan findes i samme mappe som TIFF-filerne.
      2. Fanerne i regnearket er beskrevet i tabel 2. Eksporter disse træringsvariabler til Rstudio eller anden software til yderligere analyse.

Figure 6
Figur 6. Opnåelse af trætæthedsværdier ud fra gråværdier. Konvertering af billedets gråværdier til faktiske estimater for trætæthed gennem kalibrering med et referencemateriale. (A) Prøveholder 1, med en opløsning på 60 μm, der viser luftreferencen, den hvide reference og kernen. (B) Prøveholder, ved 20 μm, luft, reference og kerne er også vist. Klik her for at se en større version af denne figur.

Figure 7
Figur 7. Forbehandlingstrin for 3D-kernevolumen. Forbehandling af trin i 3D-kernevolumen før visualisering og angivelse af træringene. (A) Hældning (aksial) korrektion, (B) tangentiel korrektion, hvor de grå bjælker angiver fiberretningen, (C) beskæring af kernevolumen for at opnå et volumen med kun træagtige voxels. Klik her for at se en større version af denne figur.

Figure 8
Figur 8. Skærmbillede af en kerne. Skærmbillede af en kerne (tangentiel bredde ca. 3 mm, opløsning μm) åbnet i RingIndicator-værktøjskassen. Den øverste rude er den tværgående visning, den nederste rude er den radiale visning. Grønne bjælker viser strukturindikationen (i dette tilfælde på ringgrænsen), rød linje er densitetsprofilen. De gule tal angiver kalenderår, og de blå tal angiver det generiske ringnummer (regnet fra den første indikation). Klik her for at se en større version af denne figur.

Figure 9
Figur 9. Ringindikation og tæthedsprofilvisualisering i RingIndicator-modulet. Grønne linjer er indikationer, rød linje er trætæthedsprofilen. Klik her for at se en større version af denne figur.

Figure 10
Figur 10. Sådan håndteres revner i kernerne. (A) Når der opstår en revne i midten af ringen, vil det generiske ringnummer (startende fra marven) blive mærket som et mellemrum, og TRW vil blive beregnet ved at summere bredden af de to ringdele. Parametrene er 3 (ringens nummer) og 1 (tilfælde 1: revne i midten af en ring)31. (B) Når der opstår en revne ved en ringgrænse, vil afstanden blive udeladt fra TRW-beregningen. Parametrene er 3 (ringens nummer) og 2 (tilfælde 2: revne ved ringgrænsen)31. Klik her for at se en større version af denne figur.

Figure 11
Figur 11. Skærmbillede af Core Comparison-modulet. Skærmbillede af Core Comparison-modulet, hvor ringbreddeserier fordeles lodret for nem visuel sammenligning. Den øverste rude viser ringbredden på 4 kerner fra Fagus sylvatica, den nederste venstre rude viser Gleichlaüfigkeit (GLK) og den nederste højre rude Spearman-korrelationskoefficienten. Klik her for at se en større version af denne figur.

Filnavn Forklaring
SAMPLENAME_density.txt Ukorrigerede tæthedsværdier for hele billedets længde, således ikke korrigeret for ring- og fibervinkel
SAMPLENAME _density_corr.txt jf. tidligere txt, men da med korrigerede tæthedsværdier
PRØVENAVN _ring-and-fibre.txt Ring- og fiberindikationspositioner og vinkler
EKSEMPELNAVN _zpos.txt placering af træringsgrænserne på din kerne uden ring- og fiberkorrektion
EKSEMPELNAVN _zpos.corr.txt idem som zpos, men derefter korrigeret for ring- og fibervinkel
SAMPLENAME _ringwidth.txt Beregnet ringbredder under hensyntagen til ring- og fibervinkel

Tabel 1. Tekstfiler genereret af RingIndicator. Liste over tekstfiler, der genereres efter angivelse af ringe og eksport af tæthedsprofilen i RingIndicator. Disse skal forblive i samme mappe som .tiff filen for at kunne åbnes i CoreComparison-modulet.

Variabel træring Forklaring
Gennemsnitlig massefylde Gennemsnitlig tæthed pr. årring
Maks. tæthed halvbaseret MXD, men kun baseret på anden halvdel af årringen for at undgå, at høje tæthedsværdier fra det foregående år ikke medtages
Min tæthed den mindste tæthed pr. årring
Spørgsmål 1-4 Middel- og maksimumsværdier for hver kvartil af den årlige ringprofil

Tabel 2. Oplysninger om regneark. Variabler med træring, der eksporteres til et regneark med navnet eksporterer grupperede data.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Hvis målet er biomasseestimering eller trævækstforøgelse af mange prøver, dvs. inter-ring-skala (figur 1), bruges prøveholder 1 (figur 5) til at scanne prøver for at opnå tæthedsprofiler (se trin 5.4.3) og estimater af trævækst, f.eks. for hurtigtvoksende træer med stor TRW, hvilket giver mulighed for en grovere opløsning. Figur 12 viser et eksempel på både marv-til-bark og aksiale tæthedstendenser for T. superba, en art fra Congo-bassinet. Disse diagrammer var baseret på scanninger af 110 μm fra træforøgelseskerner taget i forskellige højdepositioner i stammen.

For ringskalaen (figur 1), der er målrettet af scanningskerner med prøveholder 2 (figur 5B), er træringsanalyse og MXD-beregning mulig. Et eksempel på dette er figur 13, hvor en minimumstæthed (i dette tilfælde knyttet til regnsæsonens nedbør) og maksimal tæthedskronologi er plottet for kerner af W. cedarbergensis fra Cedarbergberg-bjergene i Sydafrika26. Dette var baseret på scanning af monterede kerner ved 10 μm opløsning.

For den anatomiske skala (figur 1) tillader scanningskerner med holder 3, dvs. flere kerner i papirsugerør, der er pakket sammen, en opløsning på op til 4 μm. Resultatet er vist i figur 14, hvor et røntgen-CT-billede af egetræ (Q. robur) er vist, med både earlywood- og latewood-kar segmenteret.

Figure 12
Figur 12. Radiale og aksiale trætæthedstendenser. (A) Radial variation i ovntørre trætætheder (kg/m3) fra 46 Terminalia superba-træer fra Congobassinet (DRC; data ekstraheret fra 21), med minimumsværdier (min.), middelværdier og maksimumsværdier (maks.) med en rå profil (rød) overlejret. (B) Radial variation og aksial variation fra et enkelt Terminalia superba-træ , hvor der ved hvert højdeinterval på 1 m blev taget og scannet en inkrementkerne (23 kerner i alt). Der er en stigende tæthedstendens fra marv til bark (fremhævet i henhold til farvebjælke) og en højere trætæthed i den øverste stilk. Scanningsopløsning = 110 μm. Klik her for at se en større version af denne figur.

Figure 13
Figur 13. Kronologisk udvikling. En minimal tæthed og en maksimal sentræstæthedskronologi fra Widdringtonia cederbergensis. Data udtrukket fra26. Scanningsopløsningen er 10 μm. Klik her for at se en større version af denne figur.

Figure 14
Figur 14. Scanning i høj opløsning af en egetræsprøve. Eksempel på en segmentering af egetræskar på Quercus robur scannet ved 4 μm. Segmentering blev udført ved hjælp af Octopus-analysesoftwaren ved hjælp af bilateral filtrering, tærskelværdi, en række binære krympe- og udvidelsesoperationer, euklidisk afstandstransformation og til sidst mærkning af karrene. Farve repræsenterer karstørrelse, der spænder fra lille (mørkeblå) til stor (mørk orange). Klik her for at se en større version af denne figur.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritiske trin inden for protokollen
Kritiske trin inden for protokollen omfatter korrekt håndtering af inkrementboreren for at opnå inkrementkerner af høj kvalitet (trin 1.1. og se39) for at undgå stumper og stykker. Dernæst er det vigtigt, at kernerne efterlades umonterede (men se26), både til indsættelse i prøveholderen (figur 5, se21) samt til korrekt harpiksekstraktion50 og til eventuel fremtidig analyse. Lige før scanning (trin 2.2.2.) er konditioneringen af prøverne i scannerrummet afgørende for at undgå dimensionelle deformationer på grund af udsving i fugt. Når ringene kan angives i RingIndicator-modulet, er det vigtigt, at ringgrænserne og vinklerne er godt angivet, fordi tæthedstoppene kan flade ud, svarende til unøjagtige indikationer på klassiske densitometrisystemer13. Indikationen er også vigtig for at have korrekte ringbreddemål21. Det næste kritiske trin er korrekt krydsdatering gennem CoreComparison-modulet (trin 4.4.1.). Hvis nogle kerner har forkerte indikationer, kan der være et miljøsignaltab51.

Ændringer og fejlfinding af teknikken
Bemærk, at værktøjskasserne RingIndicator og CoreComparison også kan bruges til flatbed-billeder52 efter konvertering af data til den korrekte opløsning i CoreProcessor-modulet. Derfor skal DICOM-formatet (almindeligt format til medicinske formål og bruges også til træprøver53) konverteres til .tiff. Afdelinger, der har medicinsk CT-scanner, kan kun bruge denne software til type 1 inter-ring skalaanalysetype med opløsninger på omkring 200 μm.

Begrænsninger ved teknikken
Ulempen ved metoden er, at der kun er få faciliteter til rådighed til scanning for årringsskala og anatomisk skala (som kræver en højere opløsning). Datamængde og datahåndtering kan være en udfordring for større mængder54. For billeder i meget høj opløsning af træets anatomi (f.eks. for yderligere at belyse grubestrukturer osv.), henvises til klassiske procedurer for brug af mikrosektioner til klassisk transmitteret lysmikroskopi27, scanningselektronmikroskopi eller konfokalmikroskopi55.

Betydning i forhold til eksisterende metoder
Brug af røntgen-CT-værktøjskæden til inkrementkerner, der præsenteres her, er blevet testet til at vise pålidelige densitetsværdier på grund af kalibreringstrinnet (figur 6)56 og genererer MXD-værdier, der kan sammenlignes med eksisterende densitometriprocedurer13.

Fremtidige anvendelser af teknikken
Eventuelle fremtidige anvendelser af teknikken kan omfatte anvendelse af dyb læring, blandt andet til automatiserede ringindikationer og trævævskvantificeringer57, specifikt til 3D-billeder.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen interessekonflikter at oplyse.

Acknowledgments

Vi takker de tre anonyme korrekturlæsere for deres feedback og forslag. Denne forskning blev finansieret af BOF Special Research Fund for JVdB (BOF Starting Grant BOF. STG.2018.0007.01), for UGCT som et ekspertisecenter (BOF. EXP.2017.0007) og som en kernefacilitet (BOF. COR.2022.008), Forfatterne anerkender også Forskningsfonden Flandern (G019521N og G009720N) og UGent Industrial Research Fund (IOF) for den økonomiske støtte til infrastrukturen gennem tilskud IOF. APP.2021.0005 (projekt 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

Søgeord: Trækerneanalyse røntgencomputertomografi klimarekonstruktion trærespons trævækst scanning med høj gennemstrømning årringsbredde maksimal senvedstæthed kvantitativ træanatomi tæthedsprofiler inkrementkerner dendrokronologi
Trækerneanalyse med røntgencomputertomografi
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