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

Analys av trädkärnor med datortomografi med röntgen

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

Här visar vi hur man bearbetar trädkärnor med en datortomografi med röntgen. Med undantag för kemisk extraktion för vissa ändamål behövs ingen ytterligare fysisk laboratoriebehandling. Verktygskedjan kan användas för uppskattningar av biomassa, för att erhålla MXD/trädringsbredddata samt för att erhålla kvantitativa vedanatomiska data.

Abstract

En verktygskedja för röntgendatortomografi (CT) presenteras för att erhålla trädringsbredd (TRW), maximal senvedsdensitet (MXD), andra densitetsparametrar och kvantitativa träanatomidata (QWA) utan behov av arbetsintensiv ytbehandling eller någon fysisk provberedning. Fokus här ligger på inkrementkärnor och skanningsprocedurer med upplösningar från 60 μm ner till 4 μm. Tre skalor definieras som trä ska undersökas på: (i) interringskala, (ii) ringskala, dvs. trädringsanalys och densitometriskala, samt (iii) anatomisk skala, den senare närmar sig den konventionella tunnsnittskvaliteten. Specialdesignade provhållare för var och en av dessa vågar möjliggör skanning med hög genomströmning av flera inkrementkärnor. En serie mjukvarurutiner utvecklades specifikt för att effektivt behandla tredimensionella röntgen-CT-bilder av trädkärnorna för TRW och densitometri. Detta arbete förklarar kortfattat de grundläggande principerna för CT, som behövs för en korrekt förståelse av protokollet. Protokollet presenteras för några kända arter som ofta används inom dendrokronologi. Kombinationen av grova densitetsuppskattningar, TRW- och MXD-data, samt kvantitativa anatomidata, gör det möjligt för oss att bredda och fördjupa nuvarande analyser för klimatrekonstruktioner eller trädrespons, samt vidareutveckla området dendroekologi/klimatologi och arkeologi.

Introduction

Trädensitet är en variabel1 som är lätt att mäta och som återspeglar både de anatomiska och kemiska egenskaperna hos trä2. Vid uppskattningar av biomassa ovan jord är trädensitet en viktig viktvariabel 3,4,5, som multipliceras med trädets dimensioner och en faktor som representerar träets kolinnehåll. Träets densitet är nära kopplad till de mekaniska egenskaperna hos trä6 och återspeglar ett träds livscykel7.

Cellväggens densitet mäts till cirka 1500 kg/m³ och anses vara ganska konstant8, men variationer i cellväggens densitet inom ringenbör också beaktas 8,9. Vedartade celler (i allmänhet trakeider i barrträd, kärl, parenkym och fibrer i lövträd) är orienterade/formade på olika sätt och cellväggstjocklek och lumenstorlek hos dessa celler varierar10. Därför varierar veddensiteten mellan träd, inom ett träd (axiellt och tvärgående) och inom korta intervaller inom en årsring 11,12. I många fall är det också variationen i veddensitet på årsringsskalan som avgränsar årsringsgränsen13. Trädensitet och i slutändan vävnadsfraktioner genereras och i denna uppsats delas de i stort sett in i tre kategorier (dvs. tre olika upplösningsskalor), beroende på studiens mål (Figur 1) som beskrivs nedan.

Inter-ring skala: Genom att mäta träbitar erhålls ett enda värde för det provet. Detta kan göras genom nedsänkning i vatten eller geometriskt14. På så sätt kan allmänna biomassa- eller trätekniska variabler erhållas. För att inkludera märg-till-bark-variation kan dessa träbitar ytterligare delas upp i block som mäts manuellt för att få information om livshistoriestrategin15. När man byter till lågupplöst röntgen-CT, som i medicinska skannrar17,18, kan TRW-data på medelstora till breda ringar göras på ett effektivt sätt på många prover 18,19,20. Detta är också den skala som kan användas för att bedöma biomassa från märg till bark från både tempererade och tropiska träd 4,22, som vanligtvis varierar i upplösning från 50 μm till 200 μm.

Ringskala: Trä är en registrerare av tidigare miljöförhållanden. Den mest kända parametern är trädringsbredd (TRW), men för globala temperaturrekonstruktioner har mätningar av maximal senvedsdensitet (MXD) visat sig vara en bättre proxy för temperatur22. MXD är en variabel23 som är lätt att mäta, och en proxy för cellväggstjocklek och cellstorlek på de sista cellerna i en årsring, och är vid trädgränsen och boreala platser positivt kopplade till den säsongsbetonade lufttemperaturen24: ju varmare och längre somrarna är, desto mer cellväggslignifiering sker vilket därmed ökar densiteten hos dessa sista celler. Traditionella mätningar som nedsänkning och geometri är mindre exakta för att bestämma denna ringnivådensitet. I ett tidigare arbete utvecklades en verktygskedja för att använda röntgenfilm på tunnskurna prover25. Detta utlöste en revolution inom både skogsbruket och senare paleoklimatologin 15,18, som definierade maximal senvedsdensitet (MXD), det vill säga det högsta densitetsvärdet som ofta är i slutet av en ring, som en proxy för sommartemperaturen. Grundprincipen är att proverna sågas (ca 1,2 mm till 7 mm13) så att de blir helt parallella med den axiella riktningen, och provet läggs på en känslig film som utsätts för en röntgenkälla. Därefter läses dessa röntgenfilmer ut genom en ljuskälla som känner av intensiteten och sparar profilerna och årsringsparametrarna. Dessa verktyg kräver dock en betydande mängd provberedning och manuellt arbete. På senare tid har detta utvecklats för röntgen-CT på ett mer standardiserat sätt eller baserat på monterade kärnor26. Upplösningen här varierar mellan 10 μm och 20 μm. TRW mäts även på denna skala, särskilt när det handlar om mindre ringar.

Anatomisk skala: På denna skala (upplösning < 4 μm) blir de genomsnittliga densitetsnivåerna mindre relevanta eftersom de viktigaste anatomiska egenskaperna visualiseras och deras bredd och proportioner kan mätas. Vanligtvis görs detta genom att göra mikrosnitt eller högupplösta optiska skanningar eller μ-CT-skanningar. När ultrastrukturen i cellväggarna behöver visualiseras är svepelektronmikroskopi den vanligaste metoden27. På den anatomiska skalan blir de enskilda vävnadsfraktionerna synliga så att fysiologiska parametrar kan härledas från bilderna. Baserat på de individuella anatomiska parametrarna och cellväggsdensiteten hos trä kan anatomisk densitet härledas för jämförelse med konventionella uppskattningar av trädensitet24.

På grund av förbättrade snittningstekniker och bildprogramvara29,30 har dendro-anatomy30 utvecklats för att få en mer exakt registrering av veden, både för att få en närmare uppskattning av MXD i barrträd och för att mäta flera anatomiska variabler från lövträd. På denna skala mäts faktiska anatomiska parametrar och relateras till miljöparametrar31 . Med μCT kan denna nivå också erhållas32,33.

Eftersom trä till sin natur är hygroskopiskt och anisotropiskt måste träets densitet definieras noggrant och mätförhållandena måste specificeras, antingen som ugnstorra, konditionerade (vanligtvis vid 12 % fukthalt) eller gröna (som avverkade i skogen)34. För stora prover och tekniska ändamål definieras trädensitet som vikten dividerad med dess volym vid givna förhållanden. Värdet på veddensiteten är dock starkt beroende av den skala på vilken den mäts, till exempel kan veddensiteten fördubblas från märg till bark, och på en ringskala (hos barrträd) resulterar övergången från tidig ved till sen ved också i en betydande ökning av veddensiteten, med en topp vid ringgränsen.

Här presenteras ett röntgen-CT-skanningsprotokoll av inkrementkärnor för att mäta egenskaper på de ovan nämnda 3 skalorna (figur 1). Den senaste utvecklingen inom röntgen-CT kan täcka de flesta av dessa skalor, tack vare en flexibel inställning. Forskningsmålen kommer att bestämma det slutliga protokollet för skanning.

En avgörande begränsande faktor (som i sig är kopplad till den skalade karaktären hos trädensitet och trä i allmänhet) är upplösningen och den tid som krävs för skanning. Exemplen visar hur man: (i) erhåller trädensitetsprofiler mellan ringfjäll för uppskattningar av biomassa i Terminalia superba från Kongobäckenet, (ii) erhåller densitetsdata från Clanwilliam ceder (Widdringtonia cedarbergensis) baserat på spiralskanning på ett HECTOR-system35, och (iii) mäter kärlparametrar på fastsittande ek, på Nanowood-systemet. Båda skannrar är en del av sviten av skannrar vid UGent Center for X-ray Tomography (UGCT,

Figure 1
Figur 1: Allmänt metodologiskt beslutsträd för röntgen-CT-skanning. Raderna anger de steg som ska vidtas, från forskningsmålet hela vägen till det slutliga dataformatet. Vita rutor är de steg som är relevanta för den här verktygskedjan. Gråmarkerade lådor är steg som kan utföras med annan programvara eller R-paket, till exempel dplr47 och Treeclim48 för trädringsanalys, och ROXAS44 samt ImageJ42 eller andra (kommersiella) applikationer för att härleda träanatomiska parametrar baserat på CT-bilderna. Klicka här för att se en större version av denna figur.

X-CT-forskning om trä
Uppställning av en skanner: En vanlig röntgen-CT-skanner består av ett röntgenrör, en röntgendetektor, ett rotationssteg och en uppsättning motorer för att flytta rotationssteget, och i de flesta fall även detektorn, fram och tillbaka (figur 2).

Figure 2
Figur 2. HECTOR skanningssystem. Systemet35, som visar källdetektorns avstånd (SDD) och källobjektets avstånd (SOD). Klicka här för att se en större version av denna figur.

De flesta laboratoriebaserade system har en konstrålegeometri, vilket innebär att de producerade röntgenstrålarna fördelas från rörets utgångsfönster i en konstråleform, vilket innebär att genom att ändra avståndet mellan objektet och röret (SOD = Source-Object-Distance) och detektorn och röret (SDD = Source-Detector-Distance) kontrolleras förstoringen (se diskussionen om upplösning). På grund av röntgenstrålarnas genomträngande kraft passerar de genom föremålet, och dämpningsstrålens intensitet är en funktion av röntgenstrålens energi, objektets kemiska sammansättning (atomnumret för de närvarande elementen) och materialets densitet. Med tanke på ett konstant energispektrum och en konstant materialsammansättning av trä är dämpningen av röntgenstrålen i hög grad beroende av materialets densitet, vilket förklarar dess användning för densitet. Dämpningen (eller transmissionen) kan uttryckas med Beer-Lambert-lagen:

Equation 1

med I0 den inkommande röntgenstrålen exponentiellt som sönderfaller till en överförd röntgenstråle Id när den fortplantar sig genom materialet över ett avstånd d. Den linjära dämpningskoefficienten μ beror på en serie interaktioner med objektets material. Projektionerna är alltså inspelningar av den utsända strålen.

Praktiskt taget monteras objektet på rotationssteget, en korrekt SOD och SDD väljs, en viss effekt väljs också (relaterad till objektstorlek, densitet och sammansättning) och objektet roteras 360° och under den rotationen tas flera projektioner. Dessa projektioner används sedan för att rekonstruera objektets inre struktur. Det finns flera rekonstruktionsalgoritmer tillgängliga, varav de mest använda fortfarande är baserade på det analytiska ramverket som utvecklades för decennier sedan, och som bygger på Radontransformationen och Fourierskivsatsen. För mer information hänvisas läsaren till facklitteratur36.

Problem med upplösning, datavolym och provstorlek: Upplösning är nyckeln vid röntgen-CT-skanning. I system med invers geometri, eller parallell strålgeometri som synkrotronstrålrör, spelar andra överväganden en roll. Detta protokoll diskuterar endast standardlaboratoriebaserad röntgen-CT-skanning med konstrålegeometri. Här är begreppet förstoring, detektorns pixelstorlek och punktstorlek avgörande. Förstoring definieras som förhållandet mellan SDD/SOD. Därefter påverkar detektorns pixelstorlek naturligtvis också upplösningen: ju mindre pixelstorlek, desto högre upplösning, men i de flesta fall är synfältet (FoV) också direkt relaterat till pixelstorleken och storleken på detektorn (mindre pixelstorlek, mindre FoV för samma antal pixlar). Dessutom är punktstorleken på röntgenstrålen också viktig: ju större punktstorlek, desto lägre upplösning, vilket innebär att färre detaljer kan ses.

Det är viktigt att ta upp att man kan få en upplösning som är högre än vad som är möjligt enligt ovan nämnda gränser, därför är det bättre att använda termen voxelstorlek (en voxel är en volympixel) istället för upplösning. Dessutom finns det andra faktorer som spelar in, såsom detektorns skärpa, som ytterligare begränsar den verkliga upplösningen med vilken ett objekt skannas. Endast en sann kalibrering av systemet, med hjälp av etablerade mål, ger det sanna svaret.

I de flesta fall är dock voxelstorleken som ett objekt kan skannas mestadels begränsad av objektets storlek. Det betyder att ju större objektet är, desto lägre blir voxelstorleken. Om objektet inte passar inom detektorns FoV för en viss voxelstorlek, kan voxelstorleken minskas, t.ex. genom att begränsa förstoringen.

Skanningstid och datavolym är viktiga att ta hänsyn till när du bestämmer önskad voxelstorlek. I allmänhet innebär ju mindre voxelstorleken desto högre detaljer vill man se, desto mindre prov eller desto färre prover som kan skannas samtidigt, mer tid krävs och större datavolymer kommer att samlas in. Föreställ dig följande teoretiska exempel: man kan skanna ett prov som mäter 10 cm x 10 cm x 10 cm vid 50 μm på en gång med ett visst röntgen-CT-system och skulle vilja skanna samma volym vid 10 μm, den volym som passar inom FoV skulle bara vara 2 cm x 2 cm x 2 cm, förutsatt att detta är fysiskt möjligt. Detta innebär att det krävs 125 skanningar (5³ = 5 gånger högre upplösning, skalas till upphöjt till 3 på grund av bildteknikens volymetriska natur) för att täcka hela volymen, och att datavolymen skulle öka på samma sätt. Naturligtvis är detta bara ett tankeexperiment, och man måste överväga mycket mer än bara resolution. För mer information hänvisas läsaren till en översikt över skanningsmöjligheterna37.

Flexibilitet hos instrument för skanning av träföremål: Under det senaste decenniet har många företag levererat röntgen-CT-system med en liknande sammansättning som HECTOR35. En översikt över flera CT-system, särskilt bedömda för deras tidsupplösning, ges i38.

Sammantaget har flexibiliteten och användarvänligheten hos röntgen-CT-systemen förbättrats avsevärt. Många system tillåter skanning av en mängd olika objekt, vilket också är fallet med systemen på UGCT. Protokollet nedan demonstreras för HECTOR-systemet, som är lämpligt för trädringsanalys. Protokollet är dock giltigt för alla andra tillgängliga system om upplösning och dataformat tillåter det.

Dessa system gör det möjligt att skanna en mängd olika objekt. Några bilder av olika träföremål som skannats med HECTOR-systemet visas i figur 3. Det är denna flexibilitet som omfattar de tre skalor som vi presenterar i figur 1, som sträcker sig från en grov upplösning till en mycket fin upplösning.

Figure 3
Figur 3. Exempel på skanningsinställningar. (A) En logg, (B) en cello49, (C) provhållare (typ 1) med trädkärnor för satsvis skanning och (D) provhållare typ 2 med inkrementkärnor för spiralformad skanning monterad på rotationssteget av HECTOR. Klicka här för att se en större version av denna figur.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. Provtagning av kärna

  1. Provsmaka trädet med en Presslerborr. Konsultera referenser om hur man kärnar ett träd manuellt39. Denna verktygskedja är utformad för 5,15 mm kärnor.
  2. Lägg trädkärnorna som inte limmats i 6 mm papperssugrör eller i någon annan behållare som inte kräver lim. Limma inte fast trädkärnorna på ett trästöd. Om kärnorna redan var monterade, demontera dem med skalpell/såg eller lösningsmedel beroende på limtyp.
  3. Undvik att slå in dem i plaströr, försök att torka dem först för att undvika mögeltillväxt och svampröta.
  4. Använd blyertspenna för att skriva på papperssugrören, eftersom extraktionen kan bleka markörskrifter.
    OBS: Denna verktygskedja är även lämplig för 4 mm kärnor. Redan monterade och slipade kärnor kan användas, men dessa måste först demonteras. För arkeologiskt trä eller restträ behöver ett kärnstort prov göras (genom att såga/minska storleken) för skanning.

2. Förberedelse av kärna före skanning

  1. Utför extraktion av etanol/toluen eller etanol eller aceton40 Soxhlet i minst 24 timmar (figur 4A,B). Detta är nödvändigt för att säkerställa en hartsfri trävolym för att få en korrekt densitetsberäkning (harts dämpar signalen, figur 4C13,41).
    1. Gör en lösning av 1000 ml etanol med 427 ml toluen (enligt t.ex. ASTM D 1107 - 96) eller ren etanol eller aceton. Många universitet har en labbglasverkstad som kan göra en anpassad version av Soxhlet-apparaten för trädkärnor (Figur 4B).
    2. Fyll rundkolven med lösningsmedel och placera proverna i sugrören i ett stöd av rostfritt stål i Soxhlet-apparaten med kylare på en laboratorievärmare. Tillåt minst 6 sifoner per timme.
      OBS: En sluten vattenkrets används företrädesvis för kylning (eller något annat modernt kylsystem). I det här fallet cirkulerar en vattenpump vattnet, som lagras i en 100 L bassäng med klortabletter (för att undvika algutveckling), vid 120 L / h (men detta beror på storleken på Soxhlet-apparaten samt den applicerade värmen från värmeelementet). En luftkylare används för att kyla vattnet i 100 L bassängen. För att spara på lösningsmedel kan glaspärlor användas för att fylla upp tomrumsvolymen i Soxhlet-apparaten.
    3. Kontrollera temperaturen och antalet sifoner regelbundet. Torka kärnorna under en kemisk huv (kontrollera labbets policy för detta) för att ta bort lösningsmedelsrester eller sätt en torkugn under kemikaliehuven.
  2. Torka kärnorna i 24 timmar i en torkugn (103.5 °C) under frånluftsventilation och utför ett varmvattenbad (90 °C) eller varmvattenextraktion av Soxhlet i 24 timmar enligt beskrivningen ovan.
    1. Förvara proverna i papperssugrören i provhållarna av stål. Torka igen i en torr ugn i 24 timmar vid 103,5 °C, konditionera sedan till 60 % relativ luftfuktighet (RH) före skanning.
      OBS: 60%-värdet väljs i detta fall eftersom dessa är ungefär de omgivande genomsnittliga relativa luftfuktighetsförhållandena i röntgen-CT-skanningsrummet. Ugnstorra prover kan också användas. Den viktigaste faktorn är att alla prover skannas under samma förhållanden.
    2. Om vattenutvinningen degenererar papperssugrören, sätt tillbaka trädkärnorna i nya 6 mm papperssugrör21. Både 5,15 mm och 4 mm hylsor kan läggas i 6 mm papperssugrör.
    3. Se till att hela papperssugröret är fyllt med trä. Linda upp båda halmändarna och klipp av ändarna. Detta gör det enkelt att sätta in sugrören i den cylindriska hållaren.
    4. Se till att kambiumsidan (skall) är tydligt markerad på kärnan eftersom CoreProcessor och RingIndicator antar att barksidan är nedåt. Ta bort bitar och bitar samt kärnor med sprickor eftersom dessa är svåra att arbeta med.

Figure 4
Figur 4. Arbetsflöde för att extrahera och torka kärnor före skanning. A) Borrkärnor i papperssugrör placeras först i ett varmvattenbad och därefter i en het etanol-toluenblandning med en Soxhlet-apparat i 24 timmar, torkas sedan, placeras i ett varmvattenbad i 24 timmar, torkas sedan igen vid 103,5 °C och konditioneras sedan före skanning. (B) Bilder av den anpassade Soxhlet-uppställningen vid Gents universitet. Flera anpassade Soxhlet-apparater är seriefästa. Notera aluminiumfolien och isoleringsrören för att hålla lösningsmedlet eller lösningsmedelsblandningen tillräckligt varm för extraktion. C) Exempel på ytan på en tillväxtkärna från Pinus longaeva före och efter extraktion. Hartser och andra extraktivämnen maskerar den verkliga densitetssignalen på grund av dämpningen av röntgenstrålarna. Klicka här för att se en större version av denna figur.

3. Skanning av kärna

  1. Välj rätt typ av provhållare (figur 5) enligt beskrivningen nedan, beroende på forskningssyftet som beskrivs i figur 1.
    1. För att använda skalan mellan ringarna, använd hållare typ1 - kartong och perforerat blommigt skum.
    2. För MXD-data använder du hållare typ 2 - en provhållare av plast som rymmer 6 kärnor med en längd på 1-15 cm och en diameter på 3 cm.
    3. Använd hållare typ 3 - för dendroanatomiska ändamål som består av att helt enkelt knyta ihop papperssugrör.
  2. Ladda trädkärnorna i papperssugrör i provhållaren och fyll i kalkylbladsmallen som kan laddas ner på https://dendrochronomics.ugent.be/#software. Varje nummer motsvarar en given position i provhållaren.
  3. Skanning i en röntgen μCT-anläggning: rådfråga en röntgen-CT-expert för korrekta inställningar och skanningsprotokoll. För skannern som används i detta protokoll, se37.
  4. Rekonstruktion av de skannade bilderna: rådfråga en röntgen-CT-expert för de korrekta inställningarna för rekonstruktionen, eller de inställningar som följer med CT-skannern (programpaket för röntgen-CT-skannern). För rekonstruktionsparametrar för detta protokoll, se37.

Figure 5
Figur 5. Provhållartyper och upplösning. Utformning av de tre huvudhållartyperna, som motsvarar (A) interringskala, (B) trädringsskala och (C) anatomisk skala. På grund av den resulterande storleken minskar antalet prover med ökande upplösningskrav. Motsvarande 3D-renderingar för (D) mellanringskala (hållare 1), (E) ringbredd och MXD (hållartyp 2) och (F) anatomiska parametrar (hållartyp 3). Skalstreck = 5 mm. Klicka här för att se en större version av denna figur.

4. Skaffa TRW-data, densitetsdata och anatomiska data

  1. Komma igång med programvaran.
    1. För att få densitetsvärden (hållartyp 1 och 2), installera följande tre programvarupaket: (i) CoreProcessor, (ii) RingIndicator och (iii) CoreComparison verktygslådor från
    2. Eftersom dessa verktygslådor skapades i MATLAB installerar du rätt MATLAB compiler runtime (MCR), som finns på: http://nl.mathworks.com/products/compiler/mcr/. Den version som behövs för närvarande är MATLAB2022B. MCR är gratis, precis som de 3 programpaketen.
    3. Bredvid mappen med de rekonstruerade volymerna, skapa en ny tom mapp för MAT-filerna (ett filformat från MATLAB som lagrar variabler etc.), t.ex. matfiles_useful_name_sample_holder, detta är nödvändigt för att lagra tillfälliga parametrar.
    4. Se till att kalkylbladet finns i mappen med de rekonstruerade volymerna för att kunna fylla i exemplen i ett senare steg.
  2. Förbearbeta kärnvolymerna med CoreProcessor.
    OBS: För högupplösta anatomidata är följande bearbetningssteg inte nödvändiga (Figur 1), när de rekonstruerade volymerna är tillgängliga, se ImageJ:s riktlinjer för 3D-bilder42. Segmentering kan göras via Weka-pluginet43 för att ange kärl på enskilda skivor, t.ex.12eller i programvaruplugins som ROXAS44.
    1. Förbered kärnextraktionen: Förbered den automatiska extraktionen av inkrementkärnorna (beroende på mellanringskalan Figur 6A eller ringskalan Figur 6B) enligt beskrivningen nedan.
      1. Markera mappen med rekonstruerade filer (16-bitars TIFF-tvärsnittssegment) och kalkylbladsfilen (XrayForm.xlsx).
      2. Välj den tomma mappen från 4.1.3. Det här är mappen där CoreProcessor kommer att skapa en MAT-fil som kommer att användas i 4.2.2. för massutvinning av kärnor.
      3. Välj den nyligen skapade tomma MAT-filmappen eller, om den inte har skapats, välj någon annan mapp. Volymen laddas och ett längsgående tvärsnitt av cylindern visas, kontrollera några horisontella skivor för att säkerställa om alla kärnor och referenser var korrekt monterade i cylindern.
      4. Klicka nedifrån och upp för att välja sektorer för att utvärdera detta. Dessa tvärsnitt kommer att användas för nästa steg, så klicka tvärs över hela längden. Ange de mörka (luft) och vita referenserna (figur 6), så många gånger som anges i kalkylbladsfilen. Dubbelklicka efter varje val.
      5. För provhållare 1, inspektera multiskärmen med 9 tvärsnitt, genererade genom referensmaterialet för att kontrollera om densitetsberäkningen utfördes på träet (och inte på papperssugröret eller annat icke-trämaterial). Detta är viktigt för korrekt omvandling till faktiska trädensitetsvärden.
      6. I ett nytt popup-fönster väljer du varje kärna separat genom att rita en cirkel/ellips runt den. Utför märkning baserat på informationen från kalkylbladsfilen, kontrollera om namnet är korrekt. Respektera den ordning som mallen fylls i. All information lagras i en MAT-fil som kommer att användas under nästa steg för att extrahera alla kärnor på en gång.
    2. Klicka på Mass Core Extraction för att utföra kärnextrahering för alla kärnor i en given cylinder (som angavs i 4.2.1.2), förutsatt att metadata- och kalkylbladsfilerna finns i samma mapp.
      OBS: När du använder masskärnextraktion kommer alla kärnor att extraheras enligt användarens etikett (som lagras i mattfilmappen). Som ett resultat av den här åtgärden skapas en ny mapp med namnet Extraherad som innehåller alla separata kärnor. När flera provhållare förbereds i det första steget, och alla MAT-filer lagras i samma mapp, kommer alla MAT-filer i den här mappen att bearbetas.
    3. I CoreProcessor-verktygslådan klickar du på Manuell Tg-korrigering och väljer sedan mappen Extraherad för att säkerställa korrekt orientering av det tvärgående och radiella planet för varje kärnvolym, liknande montering av fysiska prover i en provhållare innan du slipar med det tvärgående planet i sikte (Figur 7B).
      1. Vissa tvärsnitt visas så att användaren kan se kornriktningen. I det sista diagrammet (längst ned till höger) inspekterar du segmentet som visas och ritar en linje för att ange kornriktningen. Dubbelklicka för att automatiskt rotera kärnan.
      2. Sedan visas en skärm, här beskär kärnans volym (Figur 7C), och se till att rektangeln omfattar hela kärndiametern. Detta är nödvändigt eftersom rektangelns mittpunkt ska vara så nära kärnaxeln som möjligt (för korrekt justering i RingIndicator-modulen).
        OBS: Om du skannar med hög upplösning, välj endast material inom kärnan i detta skede och använd konverteraren för att växla till sample hållare typ 2. Detta är till stor hjälp för till exempel ringporösa arter.
    4. Utför följande valfria steg i händelse av feljusterade, vända eller trasiga kärnor eller inkompatibla bildformat.
      1. Korrigering av kärnlutning (endast för provhållare 1): För att automatiskt korrigera för kärnlutning (t.ex. när kärnan lutar något i cylindern; Figur 7A). Detta är viktigt för senare steg. Välj den extraherade mappen som skapades i föregående steg.
        OBS: Detta behövs normalt inte om du har en provhållare typ 2 eller typ 3 (Figur 5) eller när alla prover och provhållare är helt upprätt.
      2. Vänd volymer: Om provet inte placerades med barksidan nedåt (märg-skall-riktningen är inte vänster till höger), ändra riktningen genom att vända kärnorna. Funktionen frågar efter en mapp och skapar en ny mapp.
      3. Limma kärnor: Sy ihop stora delar av enskilda kärnor virtuellt. Tanken är inte att sy perfekt, utan att se till att enskilda kärnor finns i samma flersidiga TIFF-volym, om det behövs. Använd indikeringen för bruten kärna (se steg 4.3.4.9) för att överbrygga utrymmena mellan kärndelarna.
      4. Konverterare: Om volymerna har manipulerats i ett annat programvarupaket och sparas utanför verktygslådan (t.ex. ImageJ), utför detta steg för att få rubrikinformationen korrekt. Använd det här steget även för 16-bitars flersidiga TIFF-volymer som kommer från en annan datortomograf och för att använda verktygslådan RingIndicator.
        OBS: Alla steg härifrån är för strukturriktningskorrigeringar och slutligen densitometri och trädringsanalys.
  3. Korrigera vinklarna och indikera ringar i RingIndicator.
    OBS: Följande steg måste vidtas kronologiskt i RingIndicator-modulen: (i) visualisering av det transversala och radiella planet, (ii) strukturkorrigering, (iii) skapande av densitetsprofilen och (iv) indikerande av ringarna manuellt eller halvautomatiskt.
    1. Utför visualisering av tvärgående och radiellt plan enligt beskrivningen nedan.
      1. För att bekanta dig med GUI, öppna verktygslådan och välj en flersidig TIFF-fil (en som skapades efter extrahering och efter tg korrigerad, så från mappnamnet Tg korrigerad).
      2. Välj Halvtjockleken på skivbilden för att visa en genomsnittlig bild av de centrala X-segmenten, där X sträcker sig från 1-10 där 1 inte är något genomsnitt (dvs. visar bara den centrala skivan) och 10 är en genomsnittlig bild av de 10 centrala segmenten.
        OBS: Medelvärdesbildning kan vara fördelaktigt för att framhäva ringkanter bättre och dämpa brus, å andra sidan kan det också få ringkanter att se mindre distinkta ut, särskilt när fibervinkeln är betydande. Justera detta värde efter behov. Det är viktigt att nämna att detta endast är för visning, det påverkar inte den underliggande volymen och det påverkar inte heller de eventuella beräkningarna/resultaten.
      3. Granska det grafiska användargränssnittet (GUI). Det grafiska användargränssnittet innehåller en toppfigur med kärnans tvärplan och en bottenfigur med kärnans radiella plan och en meny (figur 8).
      4. Om du vill läsa in en ny kärnvolym söker du efter funktionen Volym > Läs in volym för att välja en ny flersidig TIFF-fil i katalogen. Nu är användaren redo att ange strukturens riktning för att i efterhand indikera de faktiska trädringarna.
    2. Strukturkorrigering för att underlätta automatiska trädringsindikationer.
      1. Klicka manuellt på bilden för att infoga gröna staplar för strukturkorrigering. Börja med märgen (eller den äldsta ringen som finns) och avsluta med den senaste ringen. Längs kärnan korrigera för strukturella avvikelser på både det tvärgående och det radiella planet.
      2. Se till att ange ringen och fibervinkeln korrekt, eftersom alla efterföljande indikationer kommer att ha en interpolerad vinkel mellan respektive indikationer.
      3. Sätt in en grön stapel på ett plan, den kommer automatiskt att generera en på det andra planet. När du har satt in stapeln flyttar du noderna (vita fyrkanter) i slutet av stapeln för att ändra vinkeln. Använd den mellersta noden för att ändra stapelns position. Justera storleken på noderna för enkel användning.
      4. Efter varje steg, se till att trycka på Data > Export och Rings > Export Rings, för att säkerställa att ring- och fiberindikationer skrivs till rätt .txt files. Under alla korrigeringar, se till att alltid utföra dessa två åtgärder.
    3. Beräkning av densitetsprofilen.
      1. Använd diagrammet Densitometry > Densitometry för att beräkna densitetsprofilen. Skapa och rita en densitetsprofil genom att välja Overlay Plotting > Plot Density Profile, som kan fungera som en överlagring på kärnplanen.
      2. För MXD-beräkning, ange en procentsats (rekommenderad är 20 %, t.ex. 20 % betyder att endast 20 % av de högsta densitetsvärdena ingår), för att utesluta lägre värden från hartskanaler, tidig ved etc. För genomsnittliga densitetsvärden används 100 %. För minsta densitet använd också 100%.
    4. Utför manuell och/eller automatisk indikering av ringgränser med ett vänsterklick per ring enligt beskrivningen nedan.
      OBS: Sätt in samma gröna staplar som i steg 4.3.2.1., den här gången ska användaren göra detta nu ring per ring (Figur 9).
      1. Använd Overlay Plotting > Plot Density Profile för att visualisera densitetsprofilen på bilden. Det är bäst att ange ringgränsen även i samband med den här profilen.
        OBS: Öppna så många instanser från verktygslådorna som behövs, i kombination med CoreComparison-verktygslådan (se vidare).
      2. För automatiska indikationer (rekommenderas till exempel för barrträd), använd Auto > Max/Min/Inflection detection. Den här funktionen kommer automatiskt att ange trädringsgränser baserat på densitometriprofilen som skapades i föregående steg. För automatiska indikationer (fungerar bäst för boreala barrträd eller arter med tydliga ringgränser som definieras av densitetsprofilen) använder du Auto > Max/Min/Inflection detection. Den här funktionen kommer automatiskt att ange trädringsgränser baserat på densitometriprofilen som skapades i föregående steg.
      3. Beroende på arten (diffus-porös/ring-porös eller barrträd), använd maximal-/minimum- eller kurvböjning (direkt efter densitetstoppen) som trädringsgränskriterium. Den första parametern är ett tröskelvärde för toppfunktionen, den andra är en jämnare funktion.
      4. Efter att ha utfört de automatiska ringindikationerna, utför automatisk växling (med fönsterstorlek på 1 pixel och användardefinierade iterationer), samtidigt som du ser till att inga ringindikationer ritas på varandra på grund av denna förskjutning och kör om densitetsdiagrammet.
      5. Ändra avverkningsdatumet till det år då tillväxtkärnorna togs på levande träd eller något annat lämpligt datum. Standardvärdet är inställt på 1900.
      6. I Överläggsplottning väljer du Plot Rings och åren visas. Välj också det plan som ringar och/eller densitetsprofilen ska ritas ut på.
      7. När det finns två kärnor fullt angivna (t.ex. från samma träd) kan du göra parvisa jämförelser av breddkurvor för kärnringar genom att öppna verktygslådan CoreComparison. Öppna en RingIndicator-instans per kärna och redigera indikationerna om det behövs. Exportera dem igen och använd den här iterativa och interaktiva metoden för att få data av god kvalitet. I nästa steg (steg 4.4.1.), gör detta för alla kärnor för att exportera både TRW-data och motsvarande densitetsvärden.
      8. Kontrollera dubbelringarnas positioner i Ringar > alternativet Kontrollera ringar ; Detta kommer att kontrollera om några indikationer har en position utanför bilderna samt ringar som överlappar varandra, t.ex. om ett dubbelklick har inträffat två gånger på samma position.
      9. För trasiga kärnor som har bitar och bitar, börja vid märgen och avgränsa anomalier (luft på grund av trasiga kärnor, ljusa fläckar på grund av hartsfickor, föroreningar och förfallna delar) som om de vore ringar för att ta bort dem efteråt. Avsluta med trädringsgränsen för den senast bildade ringen och exportera data. Försök att undvika brutna borrkärnor under provtagningen (se steg 1.1 och39).
        OBS: Både saknade och trasiga ringar kan indikeras, se figur 10. Två fall definieras, ett där kärnan går sönder i mitten av en ring och ett där kärnan går sönder vid en ringgräns. För den första (figur 10A), ange gapet, notera numret på det gapet följt av nummer 1 och stäng parenteserna. Sedan kommer programmet att summera de två delarna av ringen för att få ett korrekt TRW-värde. I det andra fallet anges mellanrumsnumret följt av nummer 2, och programmet kommer att utelämna detta avsnitt (Figur 10B).
      10. Genom att ange ringar och generera densitetsprofiler skapas och lagras flera .txt filer i samma mapp som de flersidiga TIFF-filerna, och de viktigaste listas i Tabell 1. Behåll dessa .txt filer i samma mapp som TIFF-bilderna för att ytterligare behandla dem i CoreComparison-modulen (steg 5.4).
        OBS: För att beräkna densitetsvärden på ett annat sätt baserat på den råa densitetsprofilen (till exempel latewood-bredd jämfört med earlywood-bredd45 eller andra mått som inte stöds av verktygslådorna CoreComparison och CoreProcessor), använd textfilerna zpos_corr och density_corr och använd dessa för sådana beräkningar.
  4. För att jämföra TRW-serier och exportera data via CoreComparison , följ stegen nedan.
    OBS: När du använder den här verktygslådan öppnas två fönster samtidigt, CoreComparison och PatternMatching-modulen. CoreComparison handlar om korsdatering och export av TRW-data, medan PatternMatching-modulen kan användas för att exportera densitetsprofiler och densitetsvärden (MXD, minsta densitet (MND), medeldensitet och 4 kvartilvärden). Huvudmålet med CoreComparison är att generera TRW-värdena och densitetsvärdena, och att ha en grov uppskattning av korsdateringskvaliteten, med en koppling till RindIndicator i händelse av saknade ringar eller felaktiga indikationer.
    1. Utför följande steg för korsdatering eller matchning av ringbreddsmönstret med andra serier.
      1. När RingIndicator-avsnittet är klart väljer du textfilerna som ska jämföras, och en skärm öppnas med ringbredder, tillsammans med korsdatering eller statistiska parametrar som Gleichlaüfigkeit (GLK)46 och eller Spearman-korrelation mellan enskilda serier (figur 11).
      2. Om du vill göra ändringar i ringindikationerna (till exempel under korsdatering) öppnar du RingIndicator igen, importerar data, exporterar ändrade data och ringar och använder knappen Uppdatera i CoreComparation-modulen (se längst upp till vänster) för att se ändringarna.
      3. Öppna flera RingIndicator instanser för att göra ändringar i olika trädringsserier och använd flera skärmövervakare för att göra detta.
      4. I GLK- och CORR-menyn (figur 11) utför du en rad åtgärder relaterade till GLK, såsom tröskelvärden för siffrorna, exportera GLK-värdena till ett kalkylblad och rangordna dem.
    2. Hämta TRW-värden från CoreComparison enligt beskrivningen nedan.
      1. Använd plottnings- och exportfunktionen i CoreComparison för att ändra förskjutningen mellan kurvorna (ett större värde resulterar i en mindre förskjutning). Visualisera TRW-data i ett diagram genom att välja Plotting and Export > Ring Width.
      2. Exportera TRW-data genom att klicka på Plotta och exportera > Exportera RW-data. Exportera ringbredder i kalkylbladsformat eller i Tucson-format.
    3. Hämta densitetsprofilerna från PatternMatching-modulen enligt beskrivningen nedan.
      1. För att få densitetsprofilerna i kalkylbladet, gå till PatternMatching-modulen , och efter att ha laddat in profilerna, i menyn Övrigt väljer du Plotting > Export Corrected Density Profiles.
      2. Om du vill gruppera processprofiler eller bedöma data med olika metoder använder du de .txt filerna direkt från tabell 1 (se steg 4.3.4.11).
    4. Hämta MXD, MND och andra densitetsvärden från PatternMatching-modulen enligt beskrivningen nedan.
      1. För att få fram medeldensitets-, MXD-, MND- och kvartildata per trädring, använd Annan plottning > Exportera klustrade data. Ett kalkylblad kommer att genereras och kan hittas i samma mapp som TIFF-filerna.
      2. Flikarna i kalkylbladet beskrivs i tabell 2. Exportera dessa trädringsvariabler till Rstudio eller annan programvara för vidare analys.

Figure 6
Figur 6. Erhållande av trädensitetsvärden från gråvärden. Omvandling av bildens gråvärden till faktiska uppskattningar av trädensiteten, genom kalibrering med ett referensmaterial. (A) Provhållare 1, med en upplösning på 60 μm, som visar luftreferens, vit referens och kärna. (B) Provhållare, vid 20 μm, luft, referens och kärna visas också. Klicka här för att se en större version av denna figur.

Figure 7
Figur 7. Förbearbetningssteg för 3D-kärnvolymen. Förbehandlingssteg för 3D-kärnvolymen före visualisering och visning av trädringarna. (A) Lutning (axiell) korrigering, (B) tangentiell korrigering, med de grå staplarna som anger fiberriktningen, (C) beskärning av kärnvolymen för att erhålla en volym med endast vedartade voxlar. Klicka här för att se en större version av denna figur.

Figure 8
Figur 8. Skärmdump av en kärna. Skärmdump av en kärna (tangentiell bredd cirka 3 mm, upplösning μm) som öppnas i RingIndicator-verktygslådan. Den övre rutan är den tvärgående vyn, den nedre rutan är den radiella vyn. Gröna staplar visar strukturangivelsen (i detta fall på ringgränsen), röd linje är densitetsprofilen. De gula siffrorna anger kalenderår och de blå siffrorna det generiska ringnumret (räknat från den första indikationen). Klicka här för att se en större version av denna figur.

Figure 9
Figur 9. Visualisering av ringindikering och densitetsprofil i RingIndicator-modulen. Gröna linjer är indikationer, röda linjer är trädensitetsprofilen. Klicka här för att se en större version av denna figur.

Figure 10
Figur 10. Hur man hanterar sprickor i kärnorna. (A) När en spricka uppstår i mitten av ringen kommer det generiska ringnumret (med början från märgen) att märkas som ett gap, och TRW kommer att beräknas genom att summera bredden på de två ringdelarna. Parametrarna är 3 (ringens nummer) och 1 (fall 1: spricka i mitten av en ring)31. (B) När en spricka uppstår vid en ringgräns kommer gapet att utelämnas från TRW-beräkningen. Parametrarna är 3 (ringens nummer) och 2 (fall 2: spricka vid ringgränsen)31. Klicka här för att se en större version av denna figur.

Figure 11
Figur 11. Skärmbild av modulen Core Comparison. Skärmdump av Core Comparison-modulen, där ringbreddsserier fördelas vertikalt för enkel visuell jämförelse. Den övre rutan visar ringbredden för 4 kärnor från Fagus sylvatica, den nedre vänstra rutan visar Gleichlaüfigkeit (GLK) och den nedre högra rutan Spearman-korrelationskoefficienten. Klicka här för att se en större version av denna figur.

Filnamn Förklaring
SAMPLENAME_density.txt Okorrigerade densitetsvärden för hela bildens längd, alltså inte korrigerade för ring- och fibervinkel
PROVNAMN _density_corr.txt Jfr tidigare txt men då med korrigerade densitetsvärden
PROVNAMN _ring-and-fibre.txt Positioner och vinklar för ring- och fiberindikering
PROVNAMN _zpos.txt Placeringen av trädringsgränserna på din kärna, utan ring- och fiberkorrigering
PROVNAMN _zpos.corr.txt idem som zpos, men sedan korrigerad för ring- och fibervinkel
PROVNAMN _ringwidth.txt beräknade ringbredder, med hänsyn till ring- och fibervinkel

Tabell 1. Textfiler som genereras av RingIndicator. Lista över textfiler som genereras efter att ha angett ringar och exporterat densitetsprofilen i RingIndicator. Dessa bör finnas kvar i samma mapp som den .tiff filen för att kunna öppnas i CoreComparing-modulen.

Årsringsvariabel Förklaring
Genomsnittlig densitet Genomsnittlig densitet per årsring
Maximal densitet halvbaserad MXD men endast baserat på den andra halvan av årsringen för att undvika att höga densitetsvärden från föregående år inte ingår
Minsta densitet Minsta densitet per årsring
1-4 kvartal Medel- och maximivärden för varje kvartil i den årliga ringprofilen

Tabell 2. Information om kalkylblad. Trädringsvariabler som exporteras till ett kalkylblad med namnet exportera klustrade data.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Om målet är uppskattning av biomassa eller trädtillväxt för många prover, dvs. på en skala mellan ringarna (figur 1), används provhållare 1 (figur 5) för att skanna prover för att erhålla densitetsprofiler (se steg 5.4.3) och uppskattningar av trädens tillväxt, t.ex. för snabbväxande träd med stor TRW, vilket möjliggör en grövre upplösning. Figur 12 visar ett exempel på både kärna-till-bark- och axiella densitetstrender hos T. superba, en art från Kongobäckenet. Dessa diagram baserades på skanningar av 110 μm från trädens tillväxtkärnor tagna på olika höjdpositioner i stammen.

För ringskalan (Figur 1) som är riktad mot skanningskärnor med provhållare 2 (Figur 5B) är trädringsanalys och MXD-beräkning möjlig. Ett exempel på detta är figur 13, där en kronologi för minsta densitet (i detta fall kopplad till nederbörd under regnperioden) och en kronologi för maximal densitet plottas för borrkärnor av W. cedarbergensis från Cedarbergbergen i Sydafrika26. Detta baserades på skanning av monterade kärnor med 10 μm upplösning.

För den anatomiska skalan (figur 1) ger skanningskärnor med hållare 3, dvs. flera kärnor i papperssugrör som är inslagna tillsammans, en upplösning på upp till 4 μm. Resultatet visas i figur 14, där en röntgen-CT-bild av ek (Q. robur) visas, med både earlywood- och latewood-kärl segmenterade.

Figure 12
Figur 12. Trender för radiell och axiell trädensitet. (A) Radiell variation av ugnstorkad veddensitet (kg/m3) från 46 Terminalia superba-träd i Kongobäckenet (DRC; data hämtade från 21), med minimivärden (min), medelvärde och maximum (max), med en rå profil (röd) överlagrad. (B) Radiell variation och axiell variation från ett enda Terminalia superba-träd , där vid varje höjdintervall på 1 m en tillväxtkärna togs och skannades (totalt 23 borrkärnor). Det finns en ökande densitetstrend från märg till bark (markerad enligt färgfält) och en högre veddensitet i den övre stammen. Skanningsupplösning = 110 μm. Klicka här för att se en större version av denna figur.

Figure 13
Figur 13. Kronologisk utveckling. En kronologi för minsta densitet och en maximal kronologi för senvedsdensitet från Widdringtonia cedarbergensis. Data hämtade från26. Skanningsupplösningen är 10 μm. Klicka här för att se en större version av denna figur.

Figure 14
Figur 14. Högupplöst skanning av ett ekprov. Exempel på en segmentering av ekkärl på Quercus robur skannad vid 4 μm. Segmenteringen utfördes med hjälp av analysprogrammet Octopus, med hjälp av bilateral filtrering, trösklar, en serie binära krymp- och expansionsoperationer, euklidisk avståndstransform och slutligen märkning av kärlen. Färgen representerar kärlstorleken, från liten (mörkblå) till stor (mörkorange). Klicka här för att se en större version av denna figur.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritiska steg i protokollet
Kritiska steg i protokollet inkluderar korrekt hantering av inkrementborren för att erhålla högkvalitativa inkrementkärnor (steg 1.1. och se39) för att undvika bitar och bitar. Därefter är det viktigt att kärnorna lämnas omonterade (men se26), både för insättning i provhållaren (figur 5, se21) samt för korrekt hartsextraktion50 och för eventuell framtida analys. Strax före skanning (steg 2.2.2) är konditioneringen av proverna i skannerrummet avgörande för att undvika dimensionella deformationer på grund av fluktuationer i fukt. Sedan, när ringarna kan anges i RingIndicator-modulen, är det viktigt att ringgränserna och vinklarna är väl indikerade, eftersom densitetstopparna kan planas ut, liknande felaktiga indikationer på klassiska densitometrisystem13. Indikationen är också viktig för att ha korrekta ringbreddsmått21. Nästa viktiga steg är korrekt korsdatering via CoreComparison-modulen (steg 4.4.1.). Om vissa kärnor har felaktiga indikationer kan det finnas en miljösignalförlust51.

Modifieringar och felsökning av tekniken
Observera att verktygslådorna RingIndicator och CoreComparison kan användas för flatbäddsbilder även52 efter att data har konverterats till rätt upplösning i CoreProcessor-modulen. Därför måste DICOM-formatet (vanligt format för medicinska ändamål och används även för träprover53) konverteras till .tiff. Avdelningar som har medicinsk CT-skanner kan endast använda denna programvara för typ 1 analys av mellanringskala med upplösningar på cirka 200 μm.

Teknikens begränsningar
Nackdelen med metoden är att det bara finns ett fåtal anläggningar tillgängliga för att skanna efter årsringsskala och anatomisk skala (som kräver en högre upplösning). Datavolym och datahantering kan vara utmanande för större volymer54. För mycket högupplösta bilder av vedets anatomi (t.ex. för att ytterligare belysa gropstrukturer etc.), se klassiska procedurer för att använda mikrosnitt för klassisk genomlysningsmikroskopi27, svepelektronmikroskopi eller konfokalmikroskopi55.

Betydelse i förhållande till befintliga metoder
Användning av X-ray CT-verktygskedjan för inkrementkärnor som presenteras här har testats för att visa tillförlitliga densitetsvärden på grund av kalibreringssteget (figur 6)56 och genererar MXD-värden som är jämförbara med befintliga densitometriprocedurer13.

Framtida tillämpningar av tekniken
Eventuella framtida tillämpningar av tekniken kan inkludera tillämpning av djupinlärning, bland annat för automatiserade ringindikationer och kvantifieringar av trävävnad57, särskilt för 3D-bilder.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna har inga intressekonflikter att uppge.

Acknowledgments

Vi tackar de tre anonyma granskarna för deras feedback och förslag. Denna forskning finansierades av BOF Special Research Fund för JVdB (BOF Starting Grant BOF. STG.2018.0007.01), för UGCT som ett kompetenscentrum (BOF. EXP.2017.0007) och som en Core Facility (BOF. COR.2022.008), Författarna erkänner också Research Foundation Flanders (G019521N och G009720N) och UGent Industrial Research Fund (IOF) för det ekonomiska stödet till infrastrukturen genom bidrag 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

Nyckelord: Trädkärnanalys datortomografi med röntgenstrålning klimatrekonstruktion trädrespons vedtillväxt skanning med hög genomströmning trädringsbredd maximal latewooddensitet kvantitativ vedanatomi densitetsprofiler inkrementkärnor dendrokronologi
Analys av trädkärnor med datortomografi med röntgen
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