Use of sensor technologies to estimate and assess the effect of various plant diseases on crop growth and development

Abstract

The topic of this study was ?Use of sensor technologies to estimate and assess the effect of various plant diseases on crop growth and development?. The background of the investigation can be seen in the challenge of developing a sensor system for the site-specific identification of plant diseases. The most widely used practice in disease control is still to spray fungicides uniformly over fields at different times during the vegetation period. However, most diseases are not distributed uniformly across a field, but occur in patches. During the early stage of epidemics large areas of the field are disease free. Excessive use of fungicides increases costs and can increase fungicides residue levels on agricultural products. As there is an increasing pressure to reduce their use by targeting fungicide spraying only on those places in the field where they are needed, the challenge is to provide farmers the the appropriate technological solutions. A simple and cost-effective optical device, based on the measurement of canopy reflectance in several wavebands, would allow disease patches to be identified and thus controlled. The implementation of these reflectance measurement data into crop growth models would allow for the development of site-specific decision rules whether to spray or not to spray. The specific objectives of the Ph.D. thesis were to: develop and test reflectance measurements as a possible technology to identify reflectance signatures of various plant diseases; develop suitable sets of calibrations that can be used for the identification and quantification of plant diseases; test different sensor systems at different spatial resolutions for their ability to identify plant diseases; develop a strategy to use plant disease information gained from sensor measurements as input dataset for the simulation of wheat growth under disease pressure in CERES-Wheat. In greenhouse experiments at the University of Hohenheim and in field experiments at the experimental station ?Ihinger Hof? of the University of Hohenheim the influence of the diseases powdery mildew, septoria leaf blotch and wheat eyespot on the reflectance of winter wheat was analyzed. To measure the reflectance of the plants three different sensor systems were used. Plant reflectance was measured with a digital camera (LEICA S1 PRO, LEICA Kamera AG, Solms, Germany) at leaf scale (0.5 cm²) and with the spectroradiometer Field Spec® Hand Held (ASD, Inc. Boulder, CO, USA) (0.5 m²) and the Yara N-Sensor in the field-scan modus (12 m²) 2 m above the canopy. The diseases powdery mildew, septoria leaf blotch and wheat eyespot have been analyzed. In a first approach it was tested if it is possible to detect plant diseases using reflectance measurements. The greenhouse studies showed that powdery mildew could be identified especially in the visible wavelength range. Also a correlation between powdery mildew pustules and reflectance changes was possible. Powdery mildew is a leaf disease and changes could directly be detected by a sensor system (Chapter 5). Out of this the second approach was to analyze if a stem disease that cannot directly be detected could be identified using a sensor system. The influence of wheat eyespot was investigated in a field experiment with winter wheat. The results showed that wheat eyespot could not be detected with the digital camera and the spectroradiometer. The problem was the low infection level and the distance between the measuring place and the infection place (Chapter 6). In a next step common vegetation indices were tested for their ability to identify plant diseases. Different vegetation indices were selected out of the literature to detect powdery mildew and septoria leaf blotch in the field using a spectroradiometer. Results indicated that the common vegetation index REIP was able to detect powdery mildew at an infection level of 7 %. With the common vegetation indices septoria leaf blotch could be detected only at a late infection level of 13.7 %. Out of this the new vegetation index DII was developed, which was able to detect septoria leaf blotch at an early infection level of 4 % (Chapter 7). Not only the place of infection but also the spatial resolution seems to play an important role in the identification of plant diseases. In a further approach different sensor systems with different spatial resolutions were tested in a field experiment for the identification of septoria leaf blotch. The results showed in general that septoria leaf blotch could be identified especially in the infrared wavelength range compared to powdery mildew that could especially identified in the visible wavelength range. The results showed further that the lower the spatial resolution , the more difficult it gets to identify plant diseases site-specifically. With a spatial resolution of 0.5 cm² a identification and quantification was possible. With a spatial resolution of 0.5 m² only a identification was possible and with a spatial resolution of 12 m² not identification and quantification was possible. That might be because of the resulting mixture of healthy and diseased plants (Chapter 8). The last step of this work was then to show how reflectance measurements could be implemented into crop growth models to calculate decisions whether to spray or not to spray fungicides on a site-specific level. Summarizing, the overall results of this study indicated that an identification of plant diseases was possible under certain conditions. An identification was possible if the infection place was also the measuring place and if a sensor system was used with a high spatial resolution. The results also showed that it was possible in a certain way to differ between biotroph and necrotroph plant diseases. For a holistic farming concept it is necessary in the future that reflectance measurements are integrated in a crop growth model to give farmers a decision tool that decides whether the infection is critical enough to spray or not.

Die vorliegende Arbeit stand unter dem Titel ?Use of sensor technologies to estimate and assess the effect of various plant diseases on crop growth and development?. Hintergrund der Untersuchung war die Entwicklung eines Sensor Systems für die teilflächenspezifische Identifizierung von Pflanzenkrankheiten. Die am meist verbreiteste Technik im Bereich der Krankheitskontrolle ist immer noch die einheitliche Bearbeitung von Feldern mit Fungiziden zu verschiedenen Zeitpunkten innerhalb der Vegetationsperiode. Jedoch sind die meisten Pflanzenkrankheiten nicht einheitlich über einem Feld verbreitet, sondern treten nur auf einzelnen Teilflächen auf. Während der anfänglichen Krankheitsentwicklung sind viele Teile des Feldes noch frei von Krankheiten. Der übermäßige Gebrauch von Pflanzenschutzmitteln erhöht die Kosten und kann die Rückstände von Pflanzenschutzmitteln auf landwirtschaftlichen Produkten erhöhen. Da ein erheblicher Druck besteht, den Gebrauch von Pflanzenschutzmitteln zu reduzieren und nur noch an den Stellen im Feld einzusetzen, an denen Pflanzenkrankheiten auftreten, ist die Herausforderung, Landwirten eine geeignete technologische Lösung bereit zu stellen. Eine einfache und kostengünstige optische Erfindung, basierend auf der Messung der Bestandesreflexion in verschiedenen Wellenlängenbereiche, würde es ermöglichen, Krankheiten im Feld teilflächenspezifisch zu erkennen und zu kontrollieren. Die Einbindung dieser Reflexionsmessungen in Pflanzenwachstumsmodellen würde es ermöglichen, teilflächenspezifische Entscheidungsregeln zu entwickeln, die entscheiden, ob es notwendig ist zu behandeln oder nicht. Die einzelnen Ziele der Arbeit waren: die Entwicklung und das Testen von Reflexionsmessungen als eine geeignete Technologie um Pflanzenkrankheiten anhand der Reflexion zu erkennen; die Entwicklung von geeigneten Kalibrierungsserie, die zur Identifizierung und Quantifizierung von Pflanzenkrankheiten verwendet werden können; das Testen von unterschiedlichen Sensor-Technologien mit einer unterschiedlichen räumlichen Auflösung im Hinblick auf die Erkennung von Pflanzenkrankheiten; die Entwicklung von Strategien um die Information über Pflanzenkrankheiten, gewonnen von den Sensormessungen, als Eingangsparameter in CERES-Wheat zu integrieren, um die Entwicklung von Weizen unter Krankheiten zu simulieren. In Gewächshausversuchen an der Universität Hohenheim und in Feldversuchen auf der Versuchsstation ?Ihinger Hof? der Universität Hohenheim wurde der Einfluss der Krankheiten Mehltau, Blattdürre und Halmbruch auf die Reflexion von Winterweizen untersucht. Um die Reflexion der Pflanzen zu untersuchen wurden drei verschiedenen Sensoren verwendet. Die Reflexion wurde mit einer digitalen Kamera (LEICA S1 Pro, LEICA Kamera AG, Solms, Deutschland) auf der Blattebene (0,5 m2) und mit dem Spectroradiometer Field Spec® Hand Held (ASD, Ic. Boulder, CO, USA) (0,5 m2) und dem Yara N-Sensor im field-scan Modus (12 m2) 2 m über dem Bestand gemessen. In einem ersten Ansatz wurde getestet, ob es möglich ist, Pflanzenkrankheiten mittels Reflexionsmessungen zu erkennen. Die Gewächshausversuche zeigten, dass es möglich ist, Mehltau zu erkennen, vor allem im sichtbaren Wellenlängenbereich. Auch eine Korrelation zwischen Mehltaupusteln und der Reflexionsänderung war möglich. Mehltau ist eine Blattkrankheit und kann somit direkt von den Sensoren erkannt werden (Kapitel 5). Daraufhin wurde in einem zweiten Ansatz untersucht ob es möglich ist ein Stängelkrankheit, die nicht direkt von Sensoren erkannt werden kann zu identifizieren. Der Einfluss von Halmbruch wurde in einem Feldversuch mit Winterweizen untersucht. Die Ergebnisse zeigten, dass Halmbruch nicht mit der digitalen Kamera und dem Spectroradiometer erkannt werden konnte. Das Problem war die geringe Infektionsrate und der Abstand zwischen Ort der Messung und Ort der Infektion (Kapitel 6). In einem nächsten Schritt wurden gebräuchliche Vegetationsindizes im Hinblick auf ihre Fähigkeit, Pflanzenkrankheiten zu erkennen, getestet. Verschiedenen Vegetationsindizes wurden aus der Literatur ausgewählt, um Mehltau und Blattdürre im Feld mittels des Spectroradiometers zu erkennen. Die Ergebnisse zeigten, dass der gebräuchliche Index REIP Mehltau bei einem Infektionslevel von 7 % erkennen konnte. Blattdürre konnte jedoch mittels den gebräuchlichen Indizes erst ab einem Infektionslevel von 13.7 % erkannt werden. Aus diesem Grund wurde der neue Vegetationsindex DII entwickelt, der Blattdürre bei einem frühen Infektionslevel von 4 % erkennen konnte (Kapitel 7). Aber nicht nur der Ort der Infektion, sondern auch die räumliche Auflösung scheint eine wichtige Rolle bei der Erkennung von Pflanzenkrankheiten zu spielen. In einem weiteren Ansatz wurden unterschiedliche Sensorsysteme mit einer unterschiedlichen räumlichen Auflösung in Feldversuchen für die Erkennung von Blattdürre getestet. Die Ergebnisse zeigen generell, dass Blattdürre besonders im infraroten Wellenlängenbereich erkannt werden konnte verglichen mit Mehltau, der besonders im sichtbaren Wellenlängenbereich erkennbar war. Die Ergebnisse zeigen ferner, dass je geringer die räumliche Auflösung ist, desto schwieriger wird es, Pflanzenkrankheiten teilflächenspezifisch zu erkennen. Mit einer räumlichen Auflösung von 0,5 cm² war eine Erkennung und Quantifizierung möglich. Mit einer räumlichen Auflösung von 0,5 m² war nur noch eine Erkennung, aber keine Quantifizierung und mit einer räumlichen Auflösung von 12 m² war keine Erkennung und Quantifizierung möglich. Eine mögliche Ursache hierfür liegt in der Mischung aus gesunden und kranken Pflanzen (Kapitel 8). Der letzte Schritt dieser Arbeit war dann aufzuzeigen, wie Reflexionsmessungen in Pflanzenwachstumsmodellen integriert werden können, um Entscheidungen teilflächenspezifisch zu ermitteln, die entscheiden, ob es notwendig ist Fungizide auszubringen oder nicht. Zusammenfassend zeigten die Ergebnisse, dass ein Erkennen von Pflanzenkrankheiten unter gewissen Bedingungen möglich war. Ein Erkennen war dann möglich, wenn der Messort dem Infektionsort entsprach und wenn ein Sensor mit einer hohen räumlichen Auflösung verwendet wurde. Die Ergebnisse zeigten auch, dass es möglich war, in gewisser Weise zwischen biotrophen und nekrotrophen Krankheiten zu unterscheiden. Für ein ganzheitliches Bewirtschaftungskonzept ist es in der Zukunft notwendig, dass Reflexionsmessungen in Pflanzenwachstumsmodellen integriert werden, um dem Landwirt eine Entscheidungshilfe zu geben, die ermittelt, ob die Infektion kritisch genug ist für eine Behandlung mit einem Fungizid.