Summary

Analyse de carottes d’arbres par tomodensitométrie à rayons X

Published: September 22, 2023
doi:

Summary

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

Abstract

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

Introduction

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

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

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

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

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

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

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

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

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

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

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

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

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

Equation 1

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

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

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

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

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

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

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

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

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

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

Protocol

1. Échantillonnage de carottes Échantillonnez l’arbre à l’aide d’une foreuse Pressler. Consultez les références sur la façon de carotter un arbre manuellement39. Cette chaîne d’outils est présentée pour les mandrins de 5,15 mm. Mettez les noyaux d’arbre décollés dans des pailles en papier de 6 mm ou dans tout autre récepteur qui ne nécessite pas de colle. Ne collez pas les noyaux d’arbres sur un support en bois. Si les noyaux étaient d…

Representative Results

Si l’objectif est l’estimation de la biomasse ou l’augmentation de la croissance des arbres de nombreux échantillons, c’est-à-dire l’échelle inter-anneaux (figure 1), le porte-échantillon 1 (figure 5) est utilisé pour balayer les échantillons afin d’obtenir des profils de densité (voir l’étape 5.4.3) et des estimations de la croissance des arbres, par exemple pour les arbres à croissance rapide avec de grands TRW, ce qui permet une résolu…

Discussion

Étapes critiques du protocole
Les étapes critiques du protocole comprennent la manipulation appropriée de la perceuse d’incrément pour obtenir des carottes d’incrément de haute qualité (étape 1.1. et voir39) pour éviter les morceaux. Ensuite, il est essentiel de laisser les carottes non montées (voir26), à la fois pour l’insertion dans le porte-échantillon (Figure 5, voir21) ainsi que pour une extract…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

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

Materials

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

Riferimenti

  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

Citazione di questo articolo
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