- ข้อความ
- ประวัติศาสตร์
3.3. Principal component analysis o
3.3. Principal component analysis of stress effect on maize and
tomato plants
The nutrient deficiency induces modification of the plant that
reflected in changes of the sixteen JIP-test parameters (4Po, jEo,
PIABS, ETo/RC, 4Eo, dRo, PItotal, REo/RC, 4Ro, gRC, ABS/RC, DIo/RC, 4Do,
t(Fm), TRo/RC, RC/CSo), describing the physiological state of photosynthetic
machinery.We used multiparametric analysis to evaluate
the stress effects in plants in order to identify parameters that are
most sensitive for plant stress response. The individual parameters
are not fully independent (as is the case for the JIP-test parameters)
because they are calculated on the basis of points of one experimental
curve e chlorophyll fluorescence rise curve, and some of
parameters are connected by mathematical expressions (e.g. 4Po
and 4Do). An effective approach to use such a set of experimental
parameters is principal component analysis (PCA). PCA evaluates
variations in the values of experimental parameters and derives
new complex variables that reflect maximal changes in the
parameter data set. The first principal component (PC), Comp 1, is a
vector in n-dimensional space that corresponds to maximal variations
of parameters. The second PC, Comp 2 is a vector in the plane
perpendicular to Comp 1 vector and reflects maximal change of
parameters in the same plane.
The positions of points with coordinates Comp 1/Comp 2 in this
parametric plane present the state of photosynthetic machinery
and show the effect of stress factors (see Fig. 4AB). The projections
of values of parameters on the plane of PCs, Comp 1/Comp 2 display
the influence of each parameter within total stress response represented
by the PCs.
For a better understanding of the stressors effect on the whole,
we applied principal component analysis. This approach allows
transforming the set of measured parameters into fewer variables
that determine the changes in plant physiological state (Jolliffe,
2002).
The modifications in the first Principal Component (Comp 1, PC
1) determined about 70% of total changes in maize plants, the
second component Comp 2 reflected 14%, and Comp 3e6%. This
means that most of the stress induced variations in the plant could
be connected with the three components. The analysed JIP-test
parameters had different sensitivity to stressors, and different
contribution in the formation of principal components. In maize
plants main part for PC 1 and PC 2 have parameters shown in
Table 6. The parameters presented in the left columns contribute
increase the PC 1 values and those in the right columns decrease their values. Other 4 parameters do not have sufficient part in this
component. The variations of the PC 2 are determined mainly due
to 3 parameters in the positive direction and other 3 e in the
negative direction. The sign of values in Table 6 shows what correlation
exists between the parameters and principal components
e positive or negative.
The stress induced variation in the investigated plants could be
better visualized in 2D graph on a plane with Cartesian coordinates
“Component 1” and “Component 2” (see Fig. 4). The samples are
represented as points in the plane and their colour marks the
experimental group the subject belongs. For maize plants the
control group is positioned in a narrow region of the plane Comp 1/
Comp 2 (Fig. 4A). The position of samples representing stressed
plants is shifted and this shift is higher in more stressed objects.
The deviations from control plants are mostly due to the reduction
of the values of Comp 1 and to a minor extent e of Comp 2. Another
important effect demonstrated in Fig. 4A, is that almost in all variants
(except P deficiency) the stress resulted in a significant increase
in the heterogeneity of the population in respect of the
studied parameters.
For a better understanding of which processes and structures in
photosynthetic machinery were affected by stress, we can apply a
graphical approach e so-called biplot or dual graph, which describes
the coordinates of points, reflecting the state of the investigated
samples and simultaneously it shows vectors presenting
observed variables (JIP parameters). These vectors give us information
about the relative “contribution” of each variable to the
formation of the principal components (Comp 1 and Comp 2). The
direction and magnitude of the vector are indicators of this.
Comparing these two plots, we can obtain information about the
effects of nutrients.
3.3.1. Principal components analysis of maize plants
The sample distribution within Comp 1/Comp 2 plane is not
homogeneous. For maize plants the samples distribution could be
positioned into 5 relatively good separated clusters (Fig. 4A). The
first cluster includes control group and the plants endured phosphorus
deficiency. They are placed in region with positive values
both of Comp 1 and Comp 2. It shows that phosphorus deficiency
does not modify strongly the photosynthetic machinery as
compare to control plants. The second cluster includes the samples
with N, Mg and S deficiency that are distributed almost homogeneously
around origin of the coordinate system. There is a
slight shift of the points of N and S-deficient plants toward positive
but those of Mg-deficient plant e toward negative direction. It
means that despite the similarities in the fluorescence transients
there are enough features that could be used as a fluorescence
phenotype marker for distinguishing the samples within the
group.
The third cluster is composed mainly of samples lacking K in
plants and it is located in the negative region of Comp 1 and Comp
2. This means that the lack of K in maize can be easily determined
by measuring the fluorescence.
The fourth and fifth clusters are formed by objects with a deficit
of Fe and Ca, i.e. when maize lacks iron or calcium, plants have
similar JIP-parameters and they are well separated from the others.
3.3.2. Analysis of principal components in tomato plants
As compare to maize, the tomato plants were more homogeneously
distributed around the origin of the coordinate system and
the disposal of individual variants are significantly overlapped
(Fig. 4B). In these plants the contribution of the PC 1 into total stress
induced variation is 54%, of PC 2e25% and PC 3e13%. The PC 1 and
PC 2 reflect totally 79% of changes in tomato plants.
The formation of the first component is due to the changes in
parameters reflecting the activity of PSII (see Table 7: PIABS; 4Po;
4Eo; jEo) and the second component is sensitive to parameters
related to PSI activity (see Table 7: 4Ro; dRo; REo/RC; PItotal etc.). The
parameters reflecting the concentration of reaction centres (RC/CSo
and gRc) contributed to decrease in Comp 2.
tomato plants
The nutrient deficiency induces modification of the plant that
reflected in changes of the sixteen JIP-test parameters (4Po, jEo,
PIABS, ETo/RC, 4Eo, dRo, PItotal, REo/RC, 4Ro, gRC, ABS/RC, DIo/RC, 4Do,
t(Fm), TRo/RC, RC/CSo), describing the physiological state of photosynthetic
machinery.We used multiparametric analysis to evaluate
the stress effects in plants in order to identify parameters that are
most sensitive for plant stress response. The individual parameters
are not fully independent (as is the case for the JIP-test parameters)
because they are calculated on the basis of points of one experimental
curve e chlorophyll fluorescence rise curve, and some of
parameters are connected by mathematical expressions (e.g. 4Po
and 4Do). An effective approach to use such a set of experimental
parameters is principal component analysis (PCA). PCA evaluates
variations in the values of experimental parameters and derives
new complex variables that reflect maximal changes in the
parameter data set. The first principal component (PC), Comp 1, is a
vector in n-dimensional space that corresponds to maximal variations
of parameters. The second PC, Comp 2 is a vector in the plane
perpendicular to Comp 1 vector and reflects maximal change of
parameters in the same plane.
The positions of points with coordinates Comp 1/Comp 2 in this
parametric plane present the state of photosynthetic machinery
and show the effect of stress factors (see Fig. 4AB). The projections
of values of parameters on the plane of PCs, Comp 1/Comp 2 display
the influence of each parameter within total stress response represented
by the PCs.
For a better understanding of the stressors effect on the whole,
we applied principal component analysis. This approach allows
transforming the set of measured parameters into fewer variables
that determine the changes in plant physiological state (Jolliffe,
2002).
The modifications in the first Principal Component (Comp 1, PC
1) determined about 70% of total changes in maize plants, the
second component Comp 2 reflected 14%, and Comp 3e6%. This
means that most of the stress induced variations in the plant could
be connected with the three components. The analysed JIP-test
parameters had different sensitivity to stressors, and different
contribution in the formation of principal components. In maize
plants main part for PC 1 and PC 2 have parameters shown in
Table 6. The parameters presented in the left columns contribute
increase the PC 1 values and those in the right columns decrease their values. Other 4 parameters do not have sufficient part in this
component. The variations of the PC 2 are determined mainly due
to 3 parameters in the positive direction and other 3 e in the
negative direction. The sign of values in Table 6 shows what correlation
exists between the parameters and principal components
e positive or negative.
The stress induced variation in the investigated plants could be
better visualized in 2D graph on a plane with Cartesian coordinates
“Component 1” and “Component 2” (see Fig. 4). The samples are
represented as points in the plane and their colour marks the
experimental group the subject belongs. For maize plants the
control group is positioned in a narrow region of the plane Comp 1/
Comp 2 (Fig. 4A). The position of samples representing stressed
plants is shifted and this shift is higher in more stressed objects.
The deviations from control plants are mostly due to the reduction
of the values of Comp 1 and to a minor extent e of Comp 2. Another
important effect demonstrated in Fig. 4A, is that almost in all variants
(except P deficiency) the stress resulted in a significant increase
in the heterogeneity of the population in respect of the
studied parameters.
For a better understanding of which processes and structures in
photosynthetic machinery were affected by stress, we can apply a
graphical approach e so-called biplot or dual graph, which describes
the coordinates of points, reflecting the state of the investigated
samples and simultaneously it shows vectors presenting
observed variables (JIP parameters). These vectors give us information
about the relative “contribution” of each variable to the
formation of the principal components (Comp 1 and Comp 2). The
direction and magnitude of the vector are indicators of this.
Comparing these two plots, we can obtain information about the
effects of nutrients.
3.3.1. Principal components analysis of maize plants
The sample distribution within Comp 1/Comp 2 plane is not
homogeneous. For maize plants the samples distribution could be
positioned into 5 relatively good separated clusters (Fig. 4A). The
first cluster includes control group and the plants endured phosphorus
deficiency. They are placed in region with positive values
both of Comp 1 and Comp 2. It shows that phosphorus deficiency
does not modify strongly the photosynthetic machinery as
compare to control plants. The second cluster includes the samples
with N, Mg and S deficiency that are distributed almost homogeneously
around origin of the coordinate system. There is a
slight shift of the points of N and S-deficient plants toward positive
but those of Mg-deficient plant e toward negative direction. It
means that despite the similarities in the fluorescence transients
there are enough features that could be used as a fluorescence
phenotype marker for distinguishing the samples within the
group.
The third cluster is composed mainly of samples lacking K in
plants and it is located in the negative region of Comp 1 and Comp
2. This means that the lack of K in maize can be easily determined
by measuring the fluorescence.
The fourth and fifth clusters are formed by objects with a deficit
of Fe and Ca, i.e. when maize lacks iron or calcium, plants have
similar JIP-parameters and they are well separated from the others.
3.3.2. Analysis of principal components in tomato plants
As compare to maize, the tomato plants were more homogeneously
distributed around the origin of the coordinate system and
the disposal of individual variants are significantly overlapped
(Fig. 4B). In these plants the contribution of the PC 1 into total stress
induced variation is 54%, of PC 2e25% and PC 3e13%. The PC 1 and
PC 2 reflect totally 79% of changes in tomato plants.
The formation of the first component is due to the changes in
parameters reflecting the activity of PSII (see Table 7: PIABS; 4Po;
4Eo; jEo) and the second component is sensitive to parameters
related to PSI activity (see Table 7: 4Ro; dRo; REo/RC; PItotal etc.). The
parameters reflecting the concentration of reaction centres (RC/CSo
and gRc) contributed to decrease in Comp 2.
0/5000
3.3. วิเคราะห์ส่วนประกอบที่หลักของความเครียดผลข้าวโพด และพืชมะเขือเทศขาดธาตุอาหารก่อให้เกิดการปรับเปลี่ยนพืชที่ในการเปลี่ยนแปลงของพารามิเตอร์การทดสอบจิ๊บสิบหก (4Po, jEoPIABS ร้าน เบ/RC, 4Eo, dRo, PItotal, REo/RC, 4Ro, gRC, ABS/RC, DIo/RC, 4Dot(Fm), TRo/RC, RC/CSo), อธิบายสรีรวิทยารัฐ photosyntheticเครื่องจักรเราใช้ multiparametric วิเคราะห์ประเมินผลกระทบของความเครียดในพืชเพื่อระบุพารามิเตอร์ที่สำคัญที่สุดสำหรับการตอบสนองความเครียดของพืช พารามิเตอร์แต่ละตัวไม่อิสระทั้งหมด (เป็นกรณีสำหรับพารามิเตอร์จิ๊บทดสอบ)เนื่องจากพวกเขาคำนวณจุดหนึ่งทดลองเส้นโค้งเส้นโค้งอีคลอโรฟิลล์ fluorescence ขึ้น และบางส่วนของพารามิเตอร์การเชื่อมต่อ โดยนิพจน์ทางคณิตศาสตร์ (เช่น 4Poก 4Do) วิธีการมีผลบังคับใช้เช่นชุดทดลองพารามิเตอร์การวิเคราะห์ส่วนประกอบหลัก (PCA) ประเมิน PCAเปลี่ยนแปลงค่าพารามิเตอร์ทดลอง และมาตัวแปรเชิงซ้อนใหม่ที่สะท้อนถึงการเปลี่ยนแปลงสูงสุดในการกำหนดพารามิเตอร์ หลักส่วนประกอบแรก (พีซี), Comp 1 เป็นการเวกเตอร์ในพื้นที่ n มิติที่สอดคล้องกับรูปแบบสูงสุดพารามิเตอร์ PC สอง Comp 2 เป็นเวกเตอร์ในระนาบตั้งฉากกับเวกเตอร์ Comp 1 สะท้อนให้เห็นถึงการเปลี่ยนแปลงสูงสุดของพารามิเตอร์ในระนาบเดียวกันตำแหน่งของจุดที่ มีพิกัด Comp 1/คอม 2 นี้เครื่องบินพาราเมตริกแสดงสถานะของเครื่องจักร photosyntheticและแสดงผลของปัจจัยความเครียด (ดู Fig. 4AB) ประมาณการค่าของพารามิเตอร์บนระนาบของชิ้น ค่าตอบแทนใหม่ 1 2 แสดงอิทธิพลของแต่ละพารามิเตอร์ภายในตอบสนองต่อความเครียดทั้งหมดแทนโดยซองสำหรับความเข้าใจของผลลดทั้งหมดเราใช้การวิเคราะห์ส่วนประกอบหลัก วิธีการนี้ช่วยให้เปลี่ยนชุดของพารามิเตอร์การวัดตัวแปรน้อยลงที่ระบุการเปลี่ยนแปลงในสภาวะสรีรวิทยาของพืช (Jolliffe2002)การปรับเปลี่ยนในส่วนประกอบหลักแรก (Comp 1, PC1) ประมาณ 70% ของการเปลี่ยนแปลงทั้งหมดในพืชข้าวโพด กำหนดคอมโพเนนต์สอง Comp 2 ผล 14% และค่าตอบแทน 3e6% นี้หมายความว่า ที่สุดของความเครียดเกิดจากความแตกต่างในโรงงานสามารถสามารถเชื่อมต่อกับคอมโพเนนต์ที่สาม จิ๊บทดสอบ analysedพารามิเตอร์มีความไวแตกต่างกัน เพื่อ ลด และอื่นส่วนในการก่อตัวของส่วนประกอบหลัก ในข้าวโพดส่วนประกอบหลักของพืชสำหรับ PC 1 PC 2 มีพารามิเตอร์ที่แสดงในตาราง 6 การ นำพารามิเตอร์ที่แสดงในคอลัมน์ซ้ายเพิ่มค่า PC 1 และผู้ที่อยู่ในคอลัมน์ขวาลดค่า พารามิเตอร์ 4 ไม่มีส่วนที่เพียงพอในส่วนประกอบ กำหนดรูปแบบของ PC 2 ส่วนใหญ่ผลพารามิเตอร์ 3 ในทิศทางบวกและอื่น ๆ 3 e ในการทิศทางลบ เครื่องหมายของค่าในตาราง 6 แสดงความสัมพันธ์ของสิ่งอยู่ระหว่างพารามิเตอร์และส่วนประกอบหลักอีบวก หรือลบการเปลี่ยนแปลงความเครียดที่เกิดในพืช investigated อาจดี visualized 2D กราฟบนเครื่องบินกับพิกัดคาร์ทีเซียน"ส่วนประกอบ 1" และ "ส่วนประกอบ 2" (ดู Fig. 4) ตัวอย่างแสดงเป็นจุดเครื่องบินและเครื่องหมายของสีกลุ่มทดลองที่เป็นเรื่อง สำหรับข้าวโพดเลี้ยงสัตว์พืชกลุ่มควบคุมอยู่ในพื้นที่แคบเครื่องบินใหม่ 1 /Comp 2 (Fig. 4A) ตำแหน่งของตัวอย่างแทนที่เน้นพืชจะเปลี่ยน และกะนี้อยู่สูงกว่ามากกว่าเน้นวัตถุความแตกต่างจากควบคุมพืชเป็นส่วนใหญ่เนื่องจากการลดค่า Comp 1 และ e ขนาดรอง Comp 2 อื่นผลสำคัญแสดงใน Fig. 4A อยู่ที่เกือบในทุกตัวแปร(ยกเว้นขาด P) ความเครียดส่งผลให้เกิดการเพิ่มขึ้นอย่างมีนัยสำคัญใน heterogeneity respect ของประชากรพารามิเตอร์ที่ศึกษาสำหรับความเข้าใจของกระบวนการและโครงสร้างในการเครื่องจักร photosynthetic ได้รับผลกระทบจากความเครียด เราสามารถนำไปใช้เป็นวิธีกราฟิกอีเรียกว่า biplot หรือกราฟคู่ ซึ่งอธิบายถึงพิกัดของจุด สะท้อนให้เห็นถึงสถานะของการ investigatedตัวอย่างและพร้อมจะแสดงเวกเตอร์ที่นำเสนอสังเกตตัวแปร (จิ๊บพารามิเตอร์) เวกเตอร์เหล่านี้ให้ข้อมูลเกี่ยวกับญาติ "สัดส่วน" ของตัวแปรแต่ละตัวการก่อตัวของส่วนประกอบหลัก (Comp 1 และ 2 ที่ Comp) ที่ทิศทางและขนาดของเวกเตอร์เป็นตัวบ่งชี้นี้เปรียบเทียบสองลงจุด เราสามารถรับข้อมูลเกี่ยวกับการผลของสารอาหาร3.3.1 การหลักส่วนประกอบการวิเคราะห์พืชข้าวโพดไม่มีการกระจายตัวอย่างภายในเครื่องบินใหม่ 1 2 ของใหม่เป็นเนื้อเดียวกัน อาจมีการกระจายตัวอย่างพืชข้าวโพดตำแหน่งในกลุ่มแยก 5 ค่อนข้างดี (Fig. 4A) ที่คลัสเตอร์แรกที่มีกลุ่มควบคุมและฟอสฟอรัส endured พืชขาด พวกเขาอยู่ในภูมิภาคที่มีค่าเป็นบวกทั้งของ Comp 1 และ 2 ที่ Comp แสดงว่าขาดฟอสฟอรัสไม่แก้ไขอย่างยิ่งจักร photosynthetic เป็นเปรียบเทียบกับพืชควบคุม คลัสเตอร์ที่สองประกอบด้วยตัวอย่างมีขาด N, Mg และ S ที่กระจายเกือบ homogeneouslyรอบจุดกำเนิดของระบบพิกัด ไม่มีการเปลี่ยนแปลงเล็กน้อยของจุดของ N และ S ไม่ไปทางบวกแต่ที่มก.ไม่พืช e ไปทางทิศทางลบ มันหมายความ ว่า แม้ มีความคล้ายคลึงในอินพุตวงจร fluorescenceมีคุณสมบัติเพียงพอที่สามารถใช้เป็นแบบ fluorescencephenotype เครื่องหมายสำหรับการแยกแยะตัวอย่างภายในกลุ่มประกอบด้วยส่วนใหญ่อย่างขาด K ในคลัสเตอร์ที่สามพืชและตั้งอยู่ในแคว้น Comp 1 และค่าตอบแทนเป็นค่าลบ2. ซึ่งหมายความ ว่า การขาดของ K ในข้าวโพดสามารถได้ระบุโดยวัด fluorescence ที่คลัสเตอร์สี่ และห้าจะเกิดขึ้นจากวัตถุที่มีการขาดดุลFe และ Ca เช่นข้าวโพดขาดเหล็กหรือแคลเซียม พืชมีดีคล้ายจิ๊บพารามิเตอร์และพวกเขาจะแยกจากผู้อื่น3.3.2 การวิเคราะห์ส่วนประกอบสำคัญในพืชมะเขือเทศเปรียบเทียบกับข้าวโพด พืชมะเขือเทศได้มากกว่า homogeneouslyกระจายทั่วต้นกำเนิดของระบบพิกัด และทิ้งของตัวแปรแต่ละตัวจะซ้อนกันอย่างมีนัยสำคัญ(Fig. 4B) เหล่านี้ในพืชส่วนของ PC เป็นความเครียดทั้งหมดการเปลี่ยนแปลงเหนี่ยวนำให้เป็น 54%, PC 2e25% และ PC 3e13% PC 1 และPC 2 สะท้อนทั้งหมด 79% ของการเปลี่ยนแปลงในพืชมะเขือเทศการก่อตัวของส่วนประกอบแรกคือเนื่องจากการเปลี่ยนแปลงในพารามิเตอร์ที่สะท้อนให้เห็นถึงการ PSII (ดูตาราง 7: PIABS; 4Po4Eo jEo) และส่วนที่สองเป็นพารามิเตอร์ที่เกี่ยวข้องกับกิจกรรม PSI (ดูตาราง 7: 4Ro; dRo REo/RC PItotal ฯลฯ) ที่พารามิเตอร์ที่สะท้อนให้เห็นถึงความเข้มข้นของศูนย์ปฏิกิริยา (RC/CSoและ gRc) ส่วนลดใน Comp 2
การแปล กรุณารอสักครู่..
3.3. Principal component analysis of stress effect on maize and
tomato plants
The nutrient deficiency induces modification of the plant that
reflected in changes of the sixteen JIP-test parameters (4Po, jEo,
PIABS, ETo/RC, 4Eo, dRo, PItotal, REo/RC, 4Ro, gRC, ABS/RC, DIo/RC, 4Do,
t(Fm), TRo/RC, RC/CSo), describing the physiological state of photosynthetic
machinery.We used multiparametric analysis to evaluate
the stress effects in plants in order to identify parameters that are
most sensitive for plant stress response. The individual parameters
are not fully independent (as is the case for the JIP-test parameters)
because they are calculated on the basis of points of one experimental
curve e chlorophyll fluorescence rise curve, and some of
parameters are connected by mathematical expressions (e.g. 4Po
and 4Do). An effective approach to use such a set of experimental
parameters is principal component analysis (PCA). PCA evaluates
variations in the values of experimental parameters and derives
new complex variables that reflect maximal changes in the
parameter data set. The first principal component (PC), Comp 1, is a
vector in n-dimensional space that corresponds to maximal variations
of parameters. The second PC, Comp 2 is a vector in the plane
perpendicular to Comp 1 vector and reflects maximal change of
parameters in the same plane.
The positions of points with coordinates Comp 1/Comp 2 in this
parametric plane present the state of photosynthetic machinery
and show the effect of stress factors (see Fig. 4AB). The projections
of values of parameters on the plane of PCs, Comp 1/Comp 2 display
the influence of each parameter within total stress response represented
by the PCs.
For a better understanding of the stressors effect on the whole,
we applied principal component analysis. This approach allows
transforming the set of measured parameters into fewer variables
that determine the changes in plant physiological state (Jolliffe,
2002).
The modifications in the first Principal Component (Comp 1, PC
1) determined about 70% of total changes in maize plants, the
second component Comp 2 reflected 14%, and Comp 3e6%. This
means that most of the stress induced variations in the plant could
be connected with the three components. The analysed JIP-test
parameters had different sensitivity to stressors, and different
contribution in the formation of principal components. In maize
plants main part for PC 1 and PC 2 have parameters shown in
Table 6. The parameters presented in the left columns contribute
increase the PC 1 values and those in the right columns decrease their values. Other 4 parameters do not have sufficient part in this
component. The variations of the PC 2 are determined mainly due
to 3 parameters in the positive direction and other 3 e in the
negative direction. The sign of values in Table 6 shows what correlation
exists between the parameters and principal components
e positive or negative.
The stress induced variation in the investigated plants could be
better visualized in 2D graph on a plane with Cartesian coordinates
“Component 1” and “Component 2” (see Fig. 4). The samples are
represented as points in the plane and their colour marks the
experimental group the subject belongs. For maize plants the
control group is positioned in a narrow region of the plane Comp 1/
Comp 2 (Fig. 4A). The position of samples representing stressed
plants is shifted and this shift is higher in more stressed objects.
The deviations from control plants are mostly due to the reduction
of the values of Comp 1 and to a minor extent e of Comp 2. Another
important effect demonstrated in Fig. 4A, is that almost in all variants
(except P deficiency) the stress resulted in a significant increase
in the heterogeneity of the population in respect of the
studied parameters.
For a better understanding of which processes and structures in
photosynthetic machinery were affected by stress, we can apply a
graphical approach e so-called biplot or dual graph, which describes
the coordinates of points, reflecting the state of the investigated
samples and simultaneously it shows vectors presenting
observed variables (JIP parameters). These vectors give us information
about the relative “contribution” of each variable to the
formation of the principal components (Comp 1 and Comp 2). The
direction and magnitude of the vector are indicators of this.
Comparing these two plots, we can obtain information about the
effects of nutrients.
3.3.1. Principal components analysis of maize plants
The sample distribution within Comp 1/Comp 2 plane is not
homogeneous. For maize plants the samples distribution could be
positioned into 5 relatively good separated clusters (Fig. 4A). The
first cluster includes control group and the plants endured phosphorus
deficiency. They are placed in region with positive values
both of Comp 1 and Comp 2. It shows that phosphorus deficiency
does not modify strongly the photosynthetic machinery as
compare to control plants. The second cluster includes the samples
with N, Mg and S deficiency that are distributed almost homogeneously
around origin of the coordinate system. There is a
slight shift of the points of N and S-deficient plants toward positive
but those of Mg-deficient plant e toward negative direction. It
means that despite the similarities in the fluorescence transients
there are enough features that could be used as a fluorescence
phenotype marker for distinguishing the samples within the
group.
The third cluster is composed mainly of samples lacking K in
plants and it is located in the negative region of Comp 1 and Comp
2. This means that the lack of K in maize can be easily determined
by measuring the fluorescence.
The fourth and fifth clusters are formed by objects with a deficit
of Fe and Ca, i.e. when maize lacks iron or calcium, plants have
similar JIP-parameters and they are well separated from the others.
3.3.2. Analysis of principal components in tomato plants
As compare to maize, the tomato plants were more homogeneously
distributed around the origin of the coordinate system and
the disposal of individual variants are significantly overlapped
(Fig. 4B). In these plants the contribution of the PC 1 into total stress
induced variation is 54%, of PC 2e25% and PC 3e13%. The PC 1 and
PC 2 reflect totally 79% of changes in tomato plants.
The formation of the first component is due to the changes in
parameters reflecting the activity of PSII (see Table 7: PIABS; 4Po;
4Eo; jEo) and the second component is sensitive to parameters
related to PSI activity (see Table 7: 4Ro; dRo; REo/RC; PItotal etc.). The
parameters reflecting the concentration of reaction centres (RC/CSo
and gRc) contributed to decrease in Comp 2.
tomato plants
The nutrient deficiency induces modification of the plant that
reflected in changes of the sixteen JIP-test parameters (4Po, jEo,
PIABS, ETo/RC, 4Eo, dRo, PItotal, REo/RC, 4Ro, gRC, ABS/RC, DIo/RC, 4Do,
t(Fm), TRo/RC, RC/CSo), describing the physiological state of photosynthetic
machinery.We used multiparametric analysis to evaluate
the stress effects in plants in order to identify parameters that are
most sensitive for plant stress response. The individual parameters
are not fully independent (as is the case for the JIP-test parameters)
because they are calculated on the basis of points of one experimental
curve e chlorophyll fluorescence rise curve, and some of
parameters are connected by mathematical expressions (e.g. 4Po
and 4Do). An effective approach to use such a set of experimental
parameters is principal component analysis (PCA). PCA evaluates
variations in the values of experimental parameters and derives
new complex variables that reflect maximal changes in the
parameter data set. The first principal component (PC), Comp 1, is a
vector in n-dimensional space that corresponds to maximal variations
of parameters. The second PC, Comp 2 is a vector in the plane
perpendicular to Comp 1 vector and reflects maximal change of
parameters in the same plane.
The positions of points with coordinates Comp 1/Comp 2 in this
parametric plane present the state of photosynthetic machinery
and show the effect of stress factors (see Fig. 4AB). The projections
of values of parameters on the plane of PCs, Comp 1/Comp 2 display
the influence of each parameter within total stress response represented
by the PCs.
For a better understanding of the stressors effect on the whole,
we applied principal component analysis. This approach allows
transforming the set of measured parameters into fewer variables
that determine the changes in plant physiological state (Jolliffe,
2002).
The modifications in the first Principal Component (Comp 1, PC
1) determined about 70% of total changes in maize plants, the
second component Comp 2 reflected 14%, and Comp 3e6%. This
means that most of the stress induced variations in the plant could
be connected with the three components. The analysed JIP-test
parameters had different sensitivity to stressors, and different
contribution in the formation of principal components. In maize
plants main part for PC 1 and PC 2 have parameters shown in
Table 6. The parameters presented in the left columns contribute
increase the PC 1 values and those in the right columns decrease their values. Other 4 parameters do not have sufficient part in this
component. The variations of the PC 2 are determined mainly due
to 3 parameters in the positive direction and other 3 e in the
negative direction. The sign of values in Table 6 shows what correlation
exists between the parameters and principal components
e positive or negative.
The stress induced variation in the investigated plants could be
better visualized in 2D graph on a plane with Cartesian coordinates
“Component 1” and “Component 2” (see Fig. 4). The samples are
represented as points in the plane and their colour marks the
experimental group the subject belongs. For maize plants the
control group is positioned in a narrow region of the plane Comp 1/
Comp 2 (Fig. 4A). The position of samples representing stressed
plants is shifted and this shift is higher in more stressed objects.
The deviations from control plants are mostly due to the reduction
of the values of Comp 1 and to a minor extent e of Comp 2. Another
important effect demonstrated in Fig. 4A, is that almost in all variants
(except P deficiency) the stress resulted in a significant increase
in the heterogeneity of the population in respect of the
studied parameters.
For a better understanding of which processes and structures in
photosynthetic machinery were affected by stress, we can apply a
graphical approach e so-called biplot or dual graph, which describes
the coordinates of points, reflecting the state of the investigated
samples and simultaneously it shows vectors presenting
observed variables (JIP parameters). These vectors give us information
about the relative “contribution” of each variable to the
formation of the principal components (Comp 1 and Comp 2). The
direction and magnitude of the vector are indicators of this.
Comparing these two plots, we can obtain information about the
effects of nutrients.
3.3.1. Principal components analysis of maize plants
The sample distribution within Comp 1/Comp 2 plane is not
homogeneous. For maize plants the samples distribution could be
positioned into 5 relatively good separated clusters (Fig. 4A). The
first cluster includes control group and the plants endured phosphorus
deficiency. They are placed in region with positive values
both of Comp 1 and Comp 2. It shows that phosphorus deficiency
does not modify strongly the photosynthetic machinery as
compare to control plants. The second cluster includes the samples
with N, Mg and S deficiency that are distributed almost homogeneously
around origin of the coordinate system. There is a
slight shift of the points of N and S-deficient plants toward positive
but those of Mg-deficient plant e toward negative direction. It
means that despite the similarities in the fluorescence transients
there are enough features that could be used as a fluorescence
phenotype marker for distinguishing the samples within the
group.
The third cluster is composed mainly of samples lacking K in
plants and it is located in the negative region of Comp 1 and Comp
2. This means that the lack of K in maize can be easily determined
by measuring the fluorescence.
The fourth and fifth clusters are formed by objects with a deficit
of Fe and Ca, i.e. when maize lacks iron or calcium, plants have
similar JIP-parameters and they are well separated from the others.
3.3.2. Analysis of principal components in tomato plants
As compare to maize, the tomato plants were more homogeneously
distributed around the origin of the coordinate system and
the disposal of individual variants are significantly overlapped
(Fig. 4B). In these plants the contribution of the PC 1 into total stress
induced variation is 54%, of PC 2e25% and PC 3e13%. The PC 1 and
PC 2 reflect totally 79% of changes in tomato plants.
The formation of the first component is due to the changes in
parameters reflecting the activity of PSII (see Table 7: PIABS; 4Po;
4Eo; jEo) and the second component is sensitive to parameters
related to PSI activity (see Table 7: 4Ro; dRo; REo/RC; PItotal etc.). The
parameters reflecting the concentration of reaction centres (RC/CSo
and gRc) contributed to decrease in Comp 2.
การแปล กรุณารอสักครู่..
3.3 . การวิเคราะห์องค์ประกอบหลักของผลความเครียดในข้าวโพดและพืชมะเขือเทศ
) การขาดธาตุอาหารของพืชที่สะท้อนการเปลี่ยนแปลงของสิบหก
จิบทดสอบพารามิเตอร์ ( 4po โจ
piabs โต้ , , , / RC 4eo dro pitotal , , , , 4ro REO / RC , RC GRC , ABS / , / ดิโอ RC , 4do
, T ( FM ) , เกินไป / RC , RC / CSO ) เพื่ออธิบายสภาพทางสรีรวิทยาของเครื่องจักรแสง
ที่เราใช้ในการวิเคราะห์เพื่อประเมินความเครียด multiparametric
ผลในพืชเพื่อระบุพารามิเตอร์ที่สำคัญที่สุดสำหรับการตอบสนองต่อความเครียด
พืช พารามิเตอร์แต่ละ
ไม่ได้อย่างอิสระ ( เป็นกรณีสำหรับจิบทดสอบพารามิเตอร์ )
เพราะพวกเขาจะถูกคำนวณบนพื้นฐานของจุดทดลอง
โค้ง E คลอโรฟิลล์ฟลูออเรสเซนซ์ลุกขึ้นโค้ง และบางส่วนของ
พารามิเตอร์ที่เกี่ยวข้อง โดยนิพจน์ทางคณิตศาสตร์ ( เช่น 4po
และ 4do ) วิธีที่มีประสิทธิภาพที่จะใช้เช่นชุดของพารามิเตอร์ทดลอง
คือการวิเคราะห์องค์ประกอบหลัก ( PCA ) ระบบประเมินการเปลี่ยนแปลงค่าของพารามิเตอร์
ใหม่มาทดลอง ตัวแปรเชิงซ้อน ที่สะท้อนให้เห็นถึงการเปลี่ยนแปลงสูงสุดใน
พารามิเตอร์ชุดข้อมูล ส่วนประกอบหลักแรก ( PC ) , คอมพ์เป็น
1เวกเตอร์ในพื้นที่ที่สอดคล้องกับการเปลี่ยนแปลง n-dimensional สูงสุด
ของพารามิเตอร์ พีซีที่สอง คอมพ์ 2 เป็นเวกเตอร์ในระนาบตั้งฉากกับคอมพ์
1 เวกเตอร์และสะท้อนให้เห็นถึงการเปลี่ยนแปลงของค่าพารามิเตอร์ค่า
ในระนาบเดียวกัน ตำแหน่งของจุดที่มีพิกัดคอมพ์ 1 / 2 ในเครื่องคอมพ์ปัจจุบันพารามิเตอร์นี้
สภาพของเครื่องจักรด้วยแสงและแสดงผลของปัจจัยความเครียด ( ดูภาพประกอบ4ab ) ประมาณการ
ของค่าของตัวแปรต่อเครื่องบินของเครื่องคอมพ์ คอมพ์ 1 / 2 แสดง
อิทธิพลของแต่ละตัวแปรภายในทั้งหมดความเครียดการตอบสนองแทน
โดยชิ้นเพื่อความเข้าใจที่ดีขึ้นของผลปัจจัยในทั้ง
เราประยุกต์การวิเคราะห์องค์ประกอบหลัก วิธีนี้ช่วยให้
เปลี่ยนชุดวัดค่าในตัวแปร
น้อยลงที่ศึกษาการเปลี่ยนแปลงสภาพทางสรีรวิทยาพืช ( จอลลิฟ
, 2002 ) การเปลี่ยนแปลงในองค์ประกอบหลักแรก ( คอมพ์ 1 PC ,
1 ) กำหนดประมาณ 70% ของการเปลี่ยนแปลงทั้งหมดในข้าวโพดพืช ,
2 ชิ้นส่วนคอมพ์ 2 สะท้อนถึง 14 % และ บริษัท 3e6 % นี้
หมายความว่าส่วนใหญ่ของความเครียด เกิดการเปลี่ยนแปลงในพืชสามารถ
เชื่อมต่อกับสามส่วนประกอบ การวิเคราะห์ทดสอบ
จิบค่าความไวแตกต่างกันมีความเครียด และมีส่วนร่วมในการพัฒนาแตกต่างกัน
ของส่วนประกอบหลัก ในพืชข้าวโพด
ส่วนหลักสำหรับคอมพิวเตอร์ 1 และ 2 มีพารามิเตอร์ที่แสดงในคอม
โต๊ะ 6 พารามิเตอร์ที่แสดงในคอลัมน์ซ้ายมีส่วนร่วม
เพิ่ม PC 1 ค่า และผู้ที่อยู่ในคอลัมน์ด้านขวาลดคุณค่าของตน ตัวแปรอื่น ๆไม่มีส่วนที่เพียงพอในส่วนนี้
รูปแบบของพีซี 2 กำหนดส่วนใหญ่เนื่องจาก
3 พารามิเตอร์ในทิศทางบวกอีก 3
E ในทิศทางลบ เครื่องหมายของค่าในตารางที่ 6 แสดงความสัมพันธ์ระหว่างตัวแปรอะไร
E และส่วนประกอบหลัก บวก หรือ ลบ .
ความเครียดและการเปลี่ยนแปลงในพืชอาจ
สืบสวนดีกว่าสร้างภาพ 2D กราฟบนระนาบกับพิกัด
" องค์ประกอบที่ 1 " และ " ส่วน 2 " ( ดูรูปที่ 4 ) ตัวอย่าง
แสดงเป็นจุดในระนาบ และสีเครื่องหมาย
กลุ่มเรื่อง เป็นของ สำหรับข้าวโพดพืช
กลุ่มตั้งอยู่ในพื้นที่แคบ ๆของเครื่องคอมพ์ 1 /
คอมพ์ 2 ( รูปที่ 4 ) ตำแหน่งของตัวอย่างที่เป็นตัวแทนของตรึงเครียด
พืชจะเปลี่ยนและเปลี่ยนนี้สูงมากกว่าเน้นวัตถุ
เบี่ยงเบนจากพืชควบคุมเป็นส่วนใหญ่เนื่องจากการลดลงของค่าคอมพ์
1 และผู้เยาว์ขอบเขต E ของคอมพ์ 2 อื่นที่สำคัญผลแสดงในรูปที่ 4
, คือว่าในเกือบทุกสายพันธุ์
( ยกเว้น P ขาด ) ความเครียดมีผลในการเพิ่ม
อย่างมีนัยสำคัญในความหลากหลายของประชากรในส่วนของ
ศึกษาพารามิเตอร์ เพื่อความเข้าใจที่ดีขึ้นของกระบวนการและโครงสร้างใน
เครื่องจักรสังเคราะห์แสงได้รับผลกระทบจากความเครียด เราสามารถใช้วิธีการที่เรียกว่า biplot E
กราฟหรือกราฟคู่ , ซึ่งอธิบาย
พิกัดของจุดที่สะท้อนให้เห็นถึงสถานะของการสอบสวน
ตัวอย่างและ พร้อมกันมันแสดงเสนอ
เวกเตอร์ตรวจสอบตัวแปร ( ตัวแปรจิ๊บ ) เวกเตอร์เหล่านี้ให้ข้อมูลเกี่ยวกับความสัมพันธ์ระหว่าง
" ของแต่ละตัวแปร
รูปแบบขององค์ประกอบหลัก ( คอมพ์ 1 คอมพ์ 2 )
ทิศทางและขนาดของเวกเตอร์ที่เป็นตัวชี้วัดของนี้ .
เปรียบเทียบทั้งสองแปลง เราสามารถได้รับข้อมูลเกี่ยวกับผลของสารอาหาร .
3.3.1 . การวิเคราะห์ส่วนประกอบหลักของข้าวโพดพืช
ตัวอย่างการกระจายภายในเครื่องบิน 1 / คอมพ์คอมพ์ 2 ไม่ได้
เป็นเนื้อเดียวกัน สำหรับข้าวโพดพืชตัวอย่างการกระจายอาจ
วาง 5 ค่อนข้างดี แยกกลุ่ม ( รูปที่ 4 )
กลุ่มแรกประกอบด้วย กลุ่มควบคุม และพืชที่ทนต่อการขาดฟอสฟอรัส
พวกเขาจะอยู่ในเขตที่มีค่าเป็นบวก
ทั้งคอมพ์ 1 คอมพ์ 2 มันแสดงให้เห็นว่าการขาดฟอสฟอรัส
ไม่แก้ไขอย่างยิ่งสังเคราะห์แสงเป็นเครื่องจักร
เปรียบเทียบการควบคุมพืช กลุ่มที่สองประกอบด้วยตัวอย่าง
n , Mg และ S ขาดที่กระจายเกือบเป็นเนื้อเดียวกัน
รอบจุดเริ่มต้นของระบบพิกัด มี
เล็กน้อยกะของจุดของพืช และ s-deficient ต่อบวก
แต่บรรดามิลลิกรัมต่อพืชและขาดทิศทางที่เป็นลบ มัน
หมายความว่าแม้จะมีความคล้ายคลึงกันในการชั่วคราว
มีเพียงพอคุณสมบัติที่สามารถใช้เป็นเครื่องหมายเป็นการเรืองแสง
สําหรับการแยกอย่างภายใน
กลุ่ม 3 กลุ่ม ประกอบด้วยส่วนใหญ่ของกลุ่มตัวอย่างขาดโพแทสเซียมใน
พืชและตั้งอยู่ในภูมิภาคที่เป็นลบของคอมพ์คอมพ์
1 และ 2 ซึ่งหมายความว่าการขาดโพแทสเซียมในข้าวโพดสามารถกำหนด
โดยการวัด fluorescence .
กลุ่มที่สี่และห้ารูปแบบโดยวัตถุที่มีการขาดดุล
เหล็กและแคลเซียม เช่น เมื่อข้าวโพดขาดเหล็ก หรือ แคลเซียม พืชมี
พารามิเตอร์ จิบคล้ายกันและพวกเขาจะแยกจากคนอื่น ๆ .
3.3.2 . การวิเคราะห์องค์ประกอบหลักในพืชมะเขือเทศ
เมื่อเทียบกับ ข้าวโพด มะเขือเทศ คือเป็นเนื้อเดียวกันมากขึ้น
การกระจายรอบ ๆต้นกำเนิดของระบบพิกัดและการกำจัดของตัวแปรแต่ละตัว
( ภาพทับซ้อนทาง 4B ) ในพืชเหล่านี้บริจาคเครื่องคอมพิวเตอร์ 1 ในความเครียดทั้งหมดที่เกิดการเปลี่ยนแปลงเป็น 54 %
% 2e25 , PC และ PC 3e13 % PC และ PC 1
2 สะท้อนทั้งหมด 79 % ของการเปลี่ยนแปลงในพืช มะเขือเทศ
การก่อตัวขององค์ประกอบแรกคือเนื่องจากการเปลี่ยนแปลงใน
พารามิเตอร์ที่สะท้อนให้เห็นถึงกิจกรรมของ psii ( ดูจากตารางที่ 7 : piabs ; 4po ;
4eo ; โจ ) และส่วนที่สองคือความไวต่อค่า
เกี่ยวข้องกับกิจกรรม psi ( ดูจากตารางที่ 7 : 4ro ; dro ; REO / RC ; pitotal ฯลฯ )
พารามิเตอร์สะท้อนปฏิกิริยา ความเข้มข้นของศูนย์ ( RC / CSO และ
GRC ) มีส่วนลดในคอมพ์ 2
) การขาดธาตุอาหารของพืชที่สะท้อนการเปลี่ยนแปลงของสิบหก
จิบทดสอบพารามิเตอร์ ( 4po โจ
piabs โต้ , , , / RC 4eo dro pitotal , , , , 4ro REO / RC , RC GRC , ABS / , / ดิโอ RC , 4do
, T ( FM ) , เกินไป / RC , RC / CSO ) เพื่ออธิบายสภาพทางสรีรวิทยาของเครื่องจักรแสง
ที่เราใช้ในการวิเคราะห์เพื่อประเมินความเครียด multiparametric
ผลในพืชเพื่อระบุพารามิเตอร์ที่สำคัญที่สุดสำหรับการตอบสนองต่อความเครียด
พืช พารามิเตอร์แต่ละ
ไม่ได้อย่างอิสระ ( เป็นกรณีสำหรับจิบทดสอบพารามิเตอร์ )
เพราะพวกเขาจะถูกคำนวณบนพื้นฐานของจุดทดลอง
โค้ง E คลอโรฟิลล์ฟลูออเรสเซนซ์ลุกขึ้นโค้ง และบางส่วนของ
พารามิเตอร์ที่เกี่ยวข้อง โดยนิพจน์ทางคณิตศาสตร์ ( เช่น 4po
และ 4do ) วิธีที่มีประสิทธิภาพที่จะใช้เช่นชุดของพารามิเตอร์ทดลอง
คือการวิเคราะห์องค์ประกอบหลัก ( PCA ) ระบบประเมินการเปลี่ยนแปลงค่าของพารามิเตอร์
ใหม่มาทดลอง ตัวแปรเชิงซ้อน ที่สะท้อนให้เห็นถึงการเปลี่ยนแปลงสูงสุดใน
พารามิเตอร์ชุดข้อมูล ส่วนประกอบหลักแรก ( PC ) , คอมพ์เป็น
1เวกเตอร์ในพื้นที่ที่สอดคล้องกับการเปลี่ยนแปลง n-dimensional สูงสุด
ของพารามิเตอร์ พีซีที่สอง คอมพ์ 2 เป็นเวกเตอร์ในระนาบตั้งฉากกับคอมพ์
1 เวกเตอร์และสะท้อนให้เห็นถึงการเปลี่ยนแปลงของค่าพารามิเตอร์ค่า
ในระนาบเดียวกัน ตำแหน่งของจุดที่มีพิกัดคอมพ์ 1 / 2 ในเครื่องคอมพ์ปัจจุบันพารามิเตอร์นี้
สภาพของเครื่องจักรด้วยแสงและแสดงผลของปัจจัยความเครียด ( ดูภาพประกอบ4ab ) ประมาณการ
ของค่าของตัวแปรต่อเครื่องบินของเครื่องคอมพ์ คอมพ์ 1 / 2 แสดง
อิทธิพลของแต่ละตัวแปรภายในทั้งหมดความเครียดการตอบสนองแทน
โดยชิ้นเพื่อความเข้าใจที่ดีขึ้นของผลปัจจัยในทั้ง
เราประยุกต์การวิเคราะห์องค์ประกอบหลัก วิธีนี้ช่วยให้
เปลี่ยนชุดวัดค่าในตัวแปร
น้อยลงที่ศึกษาการเปลี่ยนแปลงสภาพทางสรีรวิทยาพืช ( จอลลิฟ
, 2002 ) การเปลี่ยนแปลงในองค์ประกอบหลักแรก ( คอมพ์ 1 PC ,
1 ) กำหนดประมาณ 70% ของการเปลี่ยนแปลงทั้งหมดในข้าวโพดพืช ,
2 ชิ้นส่วนคอมพ์ 2 สะท้อนถึง 14 % และ บริษัท 3e6 % นี้
หมายความว่าส่วนใหญ่ของความเครียด เกิดการเปลี่ยนแปลงในพืชสามารถ
เชื่อมต่อกับสามส่วนประกอบ การวิเคราะห์ทดสอบ
จิบค่าความไวแตกต่างกันมีความเครียด และมีส่วนร่วมในการพัฒนาแตกต่างกัน
ของส่วนประกอบหลัก ในพืชข้าวโพด
ส่วนหลักสำหรับคอมพิวเตอร์ 1 และ 2 มีพารามิเตอร์ที่แสดงในคอม
โต๊ะ 6 พารามิเตอร์ที่แสดงในคอลัมน์ซ้ายมีส่วนร่วม
เพิ่ม PC 1 ค่า และผู้ที่อยู่ในคอลัมน์ด้านขวาลดคุณค่าของตน ตัวแปรอื่น ๆไม่มีส่วนที่เพียงพอในส่วนนี้
รูปแบบของพีซี 2 กำหนดส่วนใหญ่เนื่องจาก
3 พารามิเตอร์ในทิศทางบวกอีก 3
E ในทิศทางลบ เครื่องหมายของค่าในตารางที่ 6 แสดงความสัมพันธ์ระหว่างตัวแปรอะไร
E และส่วนประกอบหลัก บวก หรือ ลบ .
ความเครียดและการเปลี่ยนแปลงในพืชอาจ
สืบสวนดีกว่าสร้างภาพ 2D กราฟบนระนาบกับพิกัด
" องค์ประกอบที่ 1 " และ " ส่วน 2 " ( ดูรูปที่ 4 ) ตัวอย่าง
แสดงเป็นจุดในระนาบ และสีเครื่องหมาย
กลุ่มเรื่อง เป็นของ สำหรับข้าวโพดพืช
กลุ่มตั้งอยู่ในพื้นที่แคบ ๆของเครื่องคอมพ์ 1 /
คอมพ์ 2 ( รูปที่ 4 ) ตำแหน่งของตัวอย่างที่เป็นตัวแทนของตรึงเครียด
พืชจะเปลี่ยนและเปลี่ยนนี้สูงมากกว่าเน้นวัตถุ
เบี่ยงเบนจากพืชควบคุมเป็นส่วนใหญ่เนื่องจากการลดลงของค่าคอมพ์
1 และผู้เยาว์ขอบเขต E ของคอมพ์ 2 อื่นที่สำคัญผลแสดงในรูปที่ 4
, คือว่าในเกือบทุกสายพันธุ์
( ยกเว้น P ขาด ) ความเครียดมีผลในการเพิ่ม
อย่างมีนัยสำคัญในความหลากหลายของประชากรในส่วนของ
ศึกษาพารามิเตอร์ เพื่อความเข้าใจที่ดีขึ้นของกระบวนการและโครงสร้างใน
เครื่องจักรสังเคราะห์แสงได้รับผลกระทบจากความเครียด เราสามารถใช้วิธีการที่เรียกว่า biplot E
กราฟหรือกราฟคู่ , ซึ่งอธิบาย
พิกัดของจุดที่สะท้อนให้เห็นถึงสถานะของการสอบสวน
ตัวอย่างและ พร้อมกันมันแสดงเสนอ
เวกเตอร์ตรวจสอบตัวแปร ( ตัวแปรจิ๊บ ) เวกเตอร์เหล่านี้ให้ข้อมูลเกี่ยวกับความสัมพันธ์ระหว่าง
" ของแต่ละตัวแปร
รูปแบบขององค์ประกอบหลัก ( คอมพ์ 1 คอมพ์ 2 )
ทิศทางและขนาดของเวกเตอร์ที่เป็นตัวชี้วัดของนี้ .
เปรียบเทียบทั้งสองแปลง เราสามารถได้รับข้อมูลเกี่ยวกับผลของสารอาหาร .
3.3.1 . การวิเคราะห์ส่วนประกอบหลักของข้าวโพดพืช
ตัวอย่างการกระจายภายในเครื่องบิน 1 / คอมพ์คอมพ์ 2 ไม่ได้
เป็นเนื้อเดียวกัน สำหรับข้าวโพดพืชตัวอย่างการกระจายอาจ
วาง 5 ค่อนข้างดี แยกกลุ่ม ( รูปที่ 4 )
กลุ่มแรกประกอบด้วย กลุ่มควบคุม และพืชที่ทนต่อการขาดฟอสฟอรัส
พวกเขาจะอยู่ในเขตที่มีค่าเป็นบวก
ทั้งคอมพ์ 1 คอมพ์ 2 มันแสดงให้เห็นว่าการขาดฟอสฟอรัส
ไม่แก้ไขอย่างยิ่งสังเคราะห์แสงเป็นเครื่องจักร
เปรียบเทียบการควบคุมพืช กลุ่มที่สองประกอบด้วยตัวอย่าง
n , Mg และ S ขาดที่กระจายเกือบเป็นเนื้อเดียวกัน
รอบจุดเริ่มต้นของระบบพิกัด มี
เล็กน้อยกะของจุดของพืช และ s-deficient ต่อบวก
แต่บรรดามิลลิกรัมต่อพืชและขาดทิศทางที่เป็นลบ มัน
หมายความว่าแม้จะมีความคล้ายคลึงกันในการชั่วคราว
มีเพียงพอคุณสมบัติที่สามารถใช้เป็นเครื่องหมายเป็นการเรืองแสง
สําหรับการแยกอย่างภายใน
กลุ่ม 3 กลุ่ม ประกอบด้วยส่วนใหญ่ของกลุ่มตัวอย่างขาดโพแทสเซียมใน
พืชและตั้งอยู่ในภูมิภาคที่เป็นลบของคอมพ์คอมพ์
1 และ 2 ซึ่งหมายความว่าการขาดโพแทสเซียมในข้าวโพดสามารถกำหนด
โดยการวัด fluorescence .
กลุ่มที่สี่และห้ารูปแบบโดยวัตถุที่มีการขาดดุล
เหล็กและแคลเซียม เช่น เมื่อข้าวโพดขาดเหล็ก หรือ แคลเซียม พืชมี
พารามิเตอร์ จิบคล้ายกันและพวกเขาจะแยกจากคนอื่น ๆ .
3.3.2 . การวิเคราะห์องค์ประกอบหลักในพืชมะเขือเทศ
เมื่อเทียบกับ ข้าวโพด มะเขือเทศ คือเป็นเนื้อเดียวกันมากขึ้น
การกระจายรอบ ๆต้นกำเนิดของระบบพิกัดและการกำจัดของตัวแปรแต่ละตัว
( ภาพทับซ้อนทาง 4B ) ในพืชเหล่านี้บริจาคเครื่องคอมพิวเตอร์ 1 ในความเครียดทั้งหมดที่เกิดการเปลี่ยนแปลงเป็น 54 %
% 2e25 , PC และ PC 3e13 % PC และ PC 1
2 สะท้อนทั้งหมด 79 % ของการเปลี่ยนแปลงในพืช มะเขือเทศ
การก่อตัวขององค์ประกอบแรกคือเนื่องจากการเปลี่ยนแปลงใน
พารามิเตอร์ที่สะท้อนให้เห็นถึงกิจกรรมของ psii ( ดูจากตารางที่ 7 : piabs ; 4po ;
4eo ; โจ ) และส่วนที่สองคือความไวต่อค่า
เกี่ยวข้องกับกิจกรรม psi ( ดูจากตารางที่ 7 : 4ro ; dro ; REO / RC ; pitotal ฯลฯ )
พารามิเตอร์สะท้อนปฏิกิริยา ความเข้มข้นของศูนย์ ( RC / CSO และ
GRC ) มีส่วนลดในคอมพ์ 2
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- Baby
- 1. Target small steps for improving an a
- วันนี้ฉันไปออกกำลังกาย
- ถ้าเป็นความจริงฉันเสียใจมาก ที่ฉันรักคุณ
- จดหมายอื่นๆ Hamed (51) Enfield, London
- recording levels 32 years ago.
- 1. Target small steps for improving an a
- 3.2. PSII biophysical parameters derived
- Do you still want to talk to them right.
- ควรที่จะได้รับการปรับปรุงเป็นอย่างมาก
- shame
- I think I would choose to do.
- กระทง
- ฉันเพิ่งอกหัก
- ตั้งแต่เริ่มต้นจนจบหรือไม่
- At you wish
- แปลภาษาอังกฤษเป็นไทย ออนไลน์ แปลภาษา แปล
- โปรดสังเกตุเราต้องการเปลี่ยนรูปปแบบCIRCU
- Only you
- And then I did laugh, even though the fu
- following
- อย่าทำให้ฉันหวั่นไหว
- เจ้าหน้าที่สรรพากร
- In the picture, is that you? looks smart
