Биолог РУДН разработал новую модель для анализа фотосинтеза in vivo

Биолог РУДН разработал новую модель для анализа фотосинтеза in vivo

Биолог из РУДН разработал модель для анализа фотосинтеза in vivo. Этот метод позволяет рассчитать коэффициент поглощения света хлорофиллом, основываясь на его отражающей способности. Анализ поглощения света важен для оценки продуктивности экосистем, от которой зависит и состояние биосферы в целом, и глобальный климат.

Измерения эффективности фотосинтеза в живых системах необходимы, так как они позволяют оценить круговорот углерода, а, следовательно, влияние на климат. Для изучения фотосинтеза in vivo используют коэффициент поглощения растительности – величину, которая показывает, насколько глубоко падающее излучение проникает в растительный покров. Он зависит от биохимических, структурных и внешних факторов, поэтому его оценка очень сложна. Сотрудник РУДН Алексей Соловченко и его коллеги из США и Израиля нашли новый способ оценки этого показателя.

Сперва биологи вычислили отношение коэффициентов поглощения и пропускания для единичных листьев и лиственного покрова в целом. Измерить эти коэффициенты для покрова «в сумме» сложно, а для единичного листа просто, поэтому зная соотношение между ними, можно рассчитать поглощение и пропускание лиственного покрова, зная коэффициенты для отдельного листа. Затем исследователи РУДН получили уравнение, которое связывает коэффициент поглощения растительного покрова с коэффициентом поглощения пигментов – в первую очередь, хлорофилла – в листьях. Выяснилось, что покров, в отличие от единичного листа, способен поглощать свет в инфракрасном диапазоне, а кроме того, коэффициенты поглощения пигментов для растений с разной плотностью лиственного покрова, могут отличаться. Поэтому биологам пришлось внести соответствующие поправки в финальную модель.

Эту математическую модель, описывающую коэффициент поглощения лиственного покрова, исследователи протестировали на культурах растений с разными типами фотосинтеза – кукурузы (С4 фотосинтез), сои и риса (С3 фотосинтез), измерив так же спектры поглощенного и отраженного солнечного излучения

Модель показала, что в синей спектральной области лиственный покров риса отражает больше, чем лиственные покровы других культур, что, по мнению учёных, связано с тем, что рис растет в воде. Помимо этого, полученные с помощью модели кривые поглощения для растений с С3 типом фотосинтеза (соя и рис) отличались от таковых у растений с С4 типом фотосинтеза (кукуруза), что объясняется биохимическими различиями.

Таким образом, созданная биологами модель способна «предсказывать» поглощение света разными типами растений с разными типами фотосинтеза, разными архитектурами листового покрова и разным содержанием пигментов в листе. 

Статья в журнале Remote Sensing of Environment

Новости
Все новости
Наука
24 ноября
«Экономика, в которой мы живём»: РУДН совместно с Банком России провёл всероссийскую конференцию по вопросам денежно-кредитной политики

У нашего вуза крепкая связь с ведущими институтами отечественной финансовой системы и профессиональным бизнес-сообществом. Ещё одним подтверждением этому стала всероссийская научная конференция РУДН и Банка России по вопросам денежно-кредитной политики. Мероприятие объединило свыше 300 представителей финансовой сферы. В их числе представители Банка России, РАН, бизнеса, финансового сектора, преподаватели и студенты ведущих федеральных вузов.

Наука
21 ноября
РУДН — в трёх предметных рейтингах Shanghai Ranking's Global Ranking of Academic Subjects-2025

Опубликованы результаты международных предметных рейтингов ARWU (Shanghai Ranking’s Global Ranking of Academic Subjects) по 55 предметным направлениям. РУДН занял места в трёх из них: «Сельское хозяйство», «Математика» и «Науки об окружающей среде».

Наука
20 ноября
Следящий за сахаром: студенты РУДН создали чат-бот для больных диабетом 1-го типа

Один из проектов акселератора RUDN.VC — чат-бот для больных сахарным диабетом 1-го типа. Его разработали студенты направления «Биомедицина» медицинского института РУДН Никита Радаев и Дмитрий Пруцких.