Karjatamise ja varjutamise mõju krohmseente ning taimede vahelistele interaktsioonidele

Abstract

Karjatamine ja varjutamine võivad mõjutada arbuskulaarset mükoriisat moodustavate seente kolonisatsiooni taimejuurtes nii positiivselt kui ka negatiivselt. Mõlema faktori mõjusid on eelnevalt uuritud, kuid karjatamise mõju kohta puudub ühine arusaam. Oluliseks peetakse karjatamise intensiivsust ja kestvust, kuid mõju oleneb kontekstist. Varjutamise puhul on leitud, et vähese valguse korral võib seente kolonisatsioon taimejuurtes väheneda. Antud töö eesmärk oli katsetada kolonisatsiooni määramist programmiga AMFinder ning võimekust tuvastada karjatamise ja varjutamise võimalikke mõjusid. Selleks kasutati katseandmestikku, kus erinevate töötlustega simuleeriti karjatamist, varjutamist ja karjatamise puudumist. Programm AMFinder kasutab kolonisatsiooni määramiseks masinõpet ning tehisnärvivõrke, et mikroskoobiga tehtud slaidipiltidelt tuvastada arbuskulaarse mükoriisa struktuure. Masinõppe kasutamine võimaldab andmeid analüüsida ning seoseid tuvastada kiiremini. Võrdluseks määrati kolonisatsioon ka klassikalise, inimhindaja meetodiga. Selle tulemustest selgus, et varjutamise töötlusega taimede arbuskulaarse mükoriisa kolonisatsioon oli keskmiselt kõrgem kui teistel töötlustel. Sama mustrit programm AMFinder tuvastada ei suutnud. AMFinderi katsetamiseks treeniti erinevaid mudeleid, mille puhul kasutati treeningandmestiku aditiivset lähenemist. Tõenäoliselt oleks AMFinder suutnud tuvastada erinevused töötluste vahel, kui oleks kasutatud rohkem treeningandmeid, andmete augmenteerimist ning esitatud kogu andmestik korraga mudelile treenimiseks. Siiski, võrreldes klassikalise meetodiga, on AMFinderi kasutamisel potentsiaali, kuna paremini treenitud mudeli puhul oleks võimalik kolonisatsiooni määrata oluliselt kiiremini ning inimhindaja subjektiivsuseta.

Effects of grazing and shading on interactions between plants and arbuscular mycorrhizal fungi Grazing and shading can positively or negatively affect arbuscular mycorrhizal fungal (AMF) colonisation in plant roots. Both factors have been researched, but as of right now, there is no consensus. Grazing has been found to have positive as well as negative effects that depend on the intensity and duration. For shading, there is a common understanding that it negatively affects the colonisation of plant roots due to light deprivation under intense shade. This thesis aimed to test the program AMFinder and its ability to detect AM fungal colonisation in plant roots under simulated grazing (clipping) and shading. For this purpose, an experimental dataset was used where plants were subjected to clipping, shading or no clipping treatments. AMFinder uses machine learning and neural networks to detect AM fungal structures in microscope images. The use of machine learning enables higher data throughput and faster analysis. Colonisation was also quantified using a regular human-based method, plants subjected to the shading treatment had higher average AM fungal colonisation than other treatments. Measurements conducted with AMFinder did not distinguish the same pattern. This was probably due to the structure of training and the datasets used. Different AMFinder models were exposed to the training sets additively, which did not produce sufficiently good models. Better models could be generated with more training data, data augmentation, and different training approaches, such as exposing the model to the maximum available data in one run. Machine learning and computer vision still have the potential to accelerate the quantification of AM fungal colonisation in plant roots and the analysis of large datasets