Summary

Анализ древовидных кернов с помощью рентгеновской компьютерной томографии

Published: September 22, 2023
doi:

Summary

Здесь мы покажем, как обрабатывать древовидные керны с помощью набора инструментов рентгеновской компьютерной томографии. За исключением химической экстракции для некоторых целей, никакой дополнительной физической лабораторной обработки не требуется. Набор инструментов может быть использован для оценки биомассы, для получения данных MXD/ширины годичных колец деревьев, а также для получения количественных данных по анатомии древесины.

Abstract

Набор инструментов рентгеновской компьютерной томографии (КТ) представлен для получения данных о ширине годичных колец деревьев (TRW), максимальной плотности поздней древесины (MXD), других параметрах плотности и количественной анатомии древесины (QWA) без необходимости трудоемкой обработки поверхности или какой-либо физической подготовки образца. Основное внимание здесь уделяется инкрементным ядрам и процедурам сканирования с разрешением от 60 мкм до 4 мкм. Определены три шкалы, на которые следует смотреть на древесину: (i) межкольцевая шкала, (ii) кольцевая шкала, т.е. шкала анализа древесных колец и денситометрическая шкала, а также (iii) анатомическая шкала, последняя из которых приближается к обычному качеству тонкого среза. Специально разработанные держатели образцов для каждого из этих весов обеспечивают высокопроизводительное сканирование нескольких инкрементных ядер. Ряд программных процедур был специально разработан для эффективной обработки трехмерных рентгеновских КТ-изображений кернов деревьев для TRW и денситометрии. В данной работе кратко объясняются основные принципы проведения КТ, которые нужны для правильного понимания протокола. Протокол представлен для некоторых известных видов, которые обычно используются в дендрохронологии. Сочетание приблизительных оценок плотности, данных TRW и MXD, а также количественных анатомических данных позволяет нам расширять и углублять текущие анализы для реконструкции климата или реакции деревьев, а также развивать область дендроэкологии/климатологии и археологии.

Introduction

Плотность древесины является легко измеряемой переменной1, которая отражает как анатомические, так и химические свойства древесины2. При оценке биомассы надземной биомассы плотность древесины является важной весовой переменной 3,4,5, которая умножается на размеры дерева и коэффициент, представляющий содержание углерода в древесине. Плотность древесины тесно связана с механическими свойствами древесины6 и отражает историю жизни дерева7.

Плотность клеточной стенки измеряется как приблизительно 1500 кг/м³ и считается относительно постоянной8, однако следует учитывать и изменения плотности внутрикольцевой клеточной стенки 8,9. Древесные клетки (в основном трахеиды у хвойных деревьев, сосуды, паренхима и волокна у лиственных пород) ориентированы/имеют различную форму, а толщина клеточной стенки и размер просвета этих клеток варьируютсяв 10 раз. Таким образом, плотность древесины варьируется между деревьями, внутри дерева (осевая и поперечная) и в пределах коротких интервалов в пределах кольцадеревьев 11,12. Во многих случаях изменение плотности древесины в масштабе кольца также ограничивает границу годичных колецдерева 13. Плотность древесины и, в конечном счете, тканевые фракции в этой статье в целом разделены на три категории (т.е. три различные шкалы разрешения) в зависимости от цели исследования (Рисунок 1), как описано ниже.

Межкольцевая шкала: При измерении кусков древесины для этого образца получается одно значение. Это можно сделать через погружение в воду или геометрически14. Таким образом, можно получить общие технологические переменные биомассы или древесины. Чтобы учесть вариации от сердцевины до коры, эти куски дерева могут быть дополнительно разделены на блоки, которые измеряются вручную для получения информации о стратегии жизненного цикла. При переходе на рентгеновскую компьютерную томографию с низким разрешением, например, в медицинских сканерах17,18, данные TRW на средних и широких кольцах могут быть эффективно получены на многих образцах 18,19,20. Эта шкала также может быть использована для оценки биомассы от сердцевины до коры как умеренных, так и тропических деревьев 4,22, обычно с разрешением от 50 мкм до 200 мкм.

Кольцевая шкала: Древесина является регистратором прошлых условий окружающей среды. Наиболее известным параметром является ширина годичных колец деревьев (TRW), но для глобальных температурных реконструкций установлено, что рекорды максимальной плотности поздней древесины (MXD) являются лучшим показателем температуры22. MXD является легко измеряемой переменной23 и показателем толщины клеточной стенки и размера клеток на последних клетках годичного кольца, а на границе деревьев и бореальных участках положительно связаны с сезонной температурой воздуха24: чем теплее и длиннее лето, тем больше происходит одревеснение клеточной стенки, что, таким образом, увеличивает плотность этих последних клеток. Традиционные измерения, такие как иммерсивные и геометрические, менее точны для определения плотности на уровне кольца. В предыдущей работе была разработана цепочка инструментов для использования рентгеновской пленки на тонко нарезанных образцах25. Это вызвало революцию как в лесном хозяйстве, так и в более поздней палеоклиматологии15,18, определив максимальную плотность поздней древесины (MXD), т.е. пиковое значение плотности, часто находящееся в конце кольца, в качестве показателя летней температуры. Основной принцип заключается в том, что образцы распиливаются (примерно от 1,2 мм до 7 мм13) так, чтобы они были идеально параллельны осевому направлению, и образец помещается на чувствительную пленку, подверженную воздействию рентгеновского источника. Затем эти рентгенографические пленки считываются с помощью источника света, который определяет интенсивность и сохраняет профили и параметры годичных колец деревьев. Эти инструменты, однако, требуют значительного объема подготовки образцов и ручной работы. Недавно он был разработан для рентгеновской компьютерной томографии более стандартизированным способом или на основе установленных ядер26. Разрешение здесь колеблется от 10 мкм до 20 мкм. TRW также измеряется по этой шкале, особенно при работе с меньшими кольцами.

Анатомический масштаб: В этом масштабе (разрешение < 4 мкм) средние уровни плотности становятся менее значимыми, так как визуализируются основные анатомические особенности и можно измерить их ширину и пропорции. Как правило, это делается путем проведения микросрезов или оптического сканирования с высоким разрешением или сканирования μ-компьютерной томографии. Когда необходимо визуализировать ультраструктуру клеточных стенок, наиболее часто используемымметодом является сканирующая электронная микроскопия. На анатомическом уровне отдельные фракции тканей становятся видимыми, так что на основе изображений можно получить физиологические параметры. На основе индивидуальных анатомических параметров и плотности клеточной стенки древесины может быть получена анатомическая плотность для сравнения с традиционными оценками плотности древесины24.

Благодаря усовершенствованным методам секционирования и программному обеспечению для обработки изображений29,30, дендроанатомия30 была разработана для более точной записи древесины, как для более точной оценки MXD в хвойных деревьях, так и для измерения нескольких анатомических переменных широколиственных деревьев. На этой шкале измеряются фактические анатомические параметры, связанныес параметрами окружающей среды. При μКТ этот уровень также может быть получен32,33.

Поскольку древесина по своей природе гигроскопична и анизотропна, плотность древесины должна быть тщательно определена, а условия измерения должны быть указаны: как в духовке, кондиционированной (обычно с содержанием влаги 12%) или в сыром виде (как при вырубке в лесу)34. Для больших образцов и технических целей плотность древесины определяется как деление массы на ее объем при заданных условиях. Тем не менее, значение плотности древесины сильно зависит от масштаба, в котором она измеряется, например, от сердцевины до коры плотность древесины может удвоиться, а в масштабе колец (у хвойных деревьев) переход от ранней древесины к поздней также приводит к значительному увеличению плотности древесины, с пиком на кольцевой границе.

Здесь представлен протокол рентгеновской компьютерной томографии приращенных ядер для измерения особенностей в указанных выше 3 масштабах (рис. 1). Последние разработки в области рентгеновской компьютерной томографии могут охватить большинство этих масштабов благодаря гибкой конфигурации. Цели исследования определят окончательный протокол сканирования.

Решающим ограничивающим фактором (который неразрывно связан с масштабным характером плотности древесины и древесины в целом) является разрешение и время, необходимое для сканирования. Примеры демонстрируют, как: (i) получить профили плотности древесины в масштабе межкольцевого дерева для оценки биомассы в Terminalia superba из бассейна реки Конго, (ii) получить данные о плотности из кедра Clanwilliam (Widdringtonia cedarbergensis) на основе спирального сканирования на системе HECTOR35 и (iii) измерить параметры сосудов на скальных дубах в системе Nanowood. Оба сканера входят в комплект сканеров Центра рентгеновской томографии UGent (UGCT,

Figure 1
Рисунок 1: Общее методологическое дерево решений для рентгеновской компьютерной томографии. Строки указывают на шаги, которые необходимо предпринять, начиная с цели исследования и заканчивая окончательным форматом данных. Белые ящики — это шаги, которые актуальны для этого набора инструментов. Серые рамки — это шаги, которые могут быть выполнены с помощью другого программного обеспечения или R-пакетов, таких как dplr47 и Treeclim48 для анализа годичных колец деревьев, а также ROXAS44 , а также ImageJ42 или других (коммерческих) приложений для получения анатомических параметров древесины на основе КТ-изображений. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Рентгенокомпьютерные исследования древесины
Настройка сканера: Стандартный рентгеновский компьютерный томограф состоит из рентгеновской трубки, рентгеновского детектора, поворотной ступени и набора двигателей для перемещения вращающейся ступени, а в большинстве случаев и детектора, вперед и назад (Рисунок 2).

Figure 2
Рисунок 2. Сканирующая система HECTOR . Система35, показывающая расстояние до детектора источника (SDD) и расстояние до объекта источника (SOD). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Большинство лабораторных систем имеют конусно-лучевую геометрию, что означает, что производимые рентгеновские лучи распределяются из выходного окна трубки в форме конуса-луча, что означает, что при изменении расстояния между объектом и трубкой (SOD = Источник-Объект-Расстояние) и детектором и трубкой (SDD = Источник-Детектор-Расстояние) увеличивается (см. обсуждение разрешения). Из-за проникающей способности рентгеновских лучей они проходят через объект, а интенсивность затухающего пучка является функцией энергии рентгеновского луча, химического состава объекта (атомного номера присутствующих элементов) и плотности материала. Учитывая постоянный энергетический спектр и постоянный состав материала древесины, затухание рентгеновского луча сильно зависит от плотности материала, что объясняет его использование для денситометрии. Затухание (или пропускание) может быть выражено законом Бера-Ламберта:

Equation 1

где I0 — входящий рентгеновский пучок, экспоненциально затухающий до проходящего рентгеновского пучка Id при распространении через вещество на расстояние d. Коэффициент линейного затухания μ зависит от ряда взаимодействий с материалом объекта. Таким образом, проекции являются записями проходящего луча.

Практически, объект устанавливается на вращающуюся сцену, выбираются подходящие СОД и СДД, также выбирается определенная мощность (связанная с размером, плотностью и составом объекта) и объект поворачивается на 360°, и во время этого вращения берется несколько проекций. Эти проекции затем используются для реконструкции внутренней структуры объекта. Существует несколько алгоритмов реконструкции, из которых наиболее часто используемые до сих пор основаны на аналитической схеме, разработанной десятилетия назад, опираясь на преобразование Радона и теорему среза Фурье. За более подробной информацией читатель отсылается к специализированной литературе36.

Загадка разрешения, объема данных и размера выборки: Разрешение является ключевым фактором в рентгеновской компьютерной томографии. В системах с обратной геометрией или геометрией параллельного луча, таких как синхротронные пучки, другие соображения играют роль. В этом протоколе обсуждается только стандартная лабораторная рентгеновская компьютерная томография с конусно-лучевой геометрией. Здесь важное значение имеет понятие увеличения, размера пикселя детектора и размера пятна. Увеличение определяется как отношение SDD/SOD. Далее, размер пикселя детектора, очевидно, также влияет на разрешение: чем меньше размер пикселя, тем выше разрешение, но в большинстве случаев поле зрения (FoV) также напрямую связано с размером пикселя и размером детектора (меньший размер пикселя, меньший FoV для того же количества пикселей). Кроме того, важен и размер пятна рентгеновского луча: чем больше размер пятна, тем ниже разрешение, а значит, можно увидеть меньше деталей.

Важно отметить, что можно получить разрешение, которое может быть выше, чем возможно в соответствии с вышеупомянутыми ограничениями, поэтому лучше использовать термин размер вокселя (воксель – это объемный пиксель) вместо разрешения. Кроме того, существуют и другие факторы, такие как резкость детектора, которые еще больше ограничивают истинное разрешение, с которым сканируется объект. Только истинная калибровка системы с использованием установленных целей дает правдивый ответ.

Однако в большинстве случаев размер воксела, с которым объект может быть просканирован, в основном ограничен размером объекта. Это означает, что чем больше объект, тем меньше будет размер воксела. Если объект не помещается в поле зрения детектора для определенного размера вокселов, то размер вокселя можно уменьшить, например, ограничив увеличение.

Время сканирования и объем данных важно учитывать при выборе желаемого размера воксела. В целом, чем меньше размер воксела, тем выше детализация, которую вы хотите увидеть, тем меньше выборка или чем меньше образцов можно отсканировать за один раз, тем больше времени требуется и чем больше объем данных будет собран. Представьте себе следующий теоретический пример: можно отсканировать образец размером 10 см x 10 см x 10 см на расстоянии 50 мкм за один раз с помощью определенной рентгеновской компьютерной томографии и захочется отсканировать тот же объем с точностью до 10 мкм, объем, который помещается в поле зрения, будет составлять всего 2 см x 2 см x 2 см. Предполагая, что это физически возможно. Это означает, что требуется 125 сканирований (разрешение в 5³ = 5 раз выше, масштабируется в степени 3 из-за объемного характера метода визуализации), чтобы охватить весь объем, и что объем данных также увеличится. Конечно, это всего лишь мысленный эксперимент, и нужно учитывать гораздо больше, чем просто решение. Для получения дополнительной информации читатель может ознакомиться с обзором возможностей сканирования37.

Гибкость инструментов для сканирования деревянных объектов: В последнее десятилетие многие компании поставляли рентгеновские компьютерные системы с аналогичной комплектацией, как HECTOR35. Обзор нескольких систем КТ, особенно оцененных по их временному разрешению, приведен в38.

В целом, гибкость и удобство использования рентгеновских компьютерных систем значительно улучшились. Многие системы позволяют сканировать широкий спектр объектов, что также относится и к системам в УГКТ. Приведенный ниже протокол продемонстрирован для системы HECTOR, которая подходит для анализа годичных колец деревьев. Однако протокол действителен для любой другой доступной системы, если это позволяют разрешение и формат данных.

Эти системы позволяют сканировать самые разные объекты. Несколько изображений различных деревянных объектов, отсканированных с помощью системы HECTOR, приведены на рисунке 3. Именно эта гибкость включает в себя три шкалы, которые мы представляем на рисунке 1, варьирующиеся от грубого разрешения до очень высокого.

Figure 3
Рисунок 3. Примеры настройки сканирования. (A) бревно, (B) виолончель49, (C) держатели образцов (тип 1) с древовидными ядрами для пакетного сканирования и (D) держатели образцов типа 2 с инкрементными сердечниками для спирального сканирования, установленные на вращательном столике HECTOR. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Protocol

1. Отбор проб керна Возьмите образец дерева с помощью сверла Pressler. Обратитесь к источникам информации о том, как вручную создать керн дерева39. Этот набор инструментов представлен для сердечников 5,15 мм. Положите отклеенные сердцевины дерева в 6 мм бумажны?…

Representative Results

Если целью является оценка биомассы или приращения роста дерева большого количества образцов, т.е. межкольцевая шкала (рис. 1), то держатель образца 1 (рис. 5) используется для сканирования образцов с целью получения профилей плотности (см. шаг 5.4.3) и оценки р…

Discussion

Критические шаги в рамках протокола
Важнейшие шаги в рамках протокола включают в себя надлежащую обработку инкрементного сверла для получения высококачественных инкрементных ядер (шаг 1.1 и см.39), чтобы избежать битов и кусочков. Далее, важно, чтобы стержни оставались нер?…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Мы благодарим трех анонимных рецензентов за их отзывы и предложения. Данное исследование было профинансировано Специальным исследовательским фондом BOF для JVdB (BOF Starting Grant BOF. STG.2018.0007.01), для УГКТ как центра экспертизы (BOF. EXP.2017.0007) и в качестве основного объекта (BOF. COR.2022.008), авторы также выражают признательность Исследовательскому фонду Фландрии (G019521N и G009720N) и Фонду промышленных исследований UGent (IOF) за финансовую поддержку инфраструктуры в виде гранта IOF. APP.2021.0005 (проект FaCT F2021/IOF-Equip/021).

Materials

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

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, &. #. 2. 0. 1. ;., 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. , (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).

Play Video

Citer Cet Article
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).

View Video