Περίληψη
Οι επιδράσεις που δέχονται τα φυτά από το περιβάλλον, διακρίνονται σε βιοτικές και αβιοτικές ή φυσικοχημικές και επηρεάζουν τις αλληλεπιδράσεις του φυτού, με το φυσικοχημικό περιβάλλον, στο οποίο αναπτύσσονται. Η έγκαιρη ανίχνευση του τύπου και της έντασης της καταπόνησης των φυτών που προκαλείται λόγω των παραμέτρων αυτών είναι κρίσιμη, για την ελαχιστοποίηση τόσο της οξείας όσο και της χρόνιας απώλειας της παραγωγικότητας, κυρίως σε συνθήκες θερμοκηπίου (όπου διαφορετικές δόσεις άρδευσης λαμβάνουν χώρα κατά τη διάρκεια της ημέρας). Η σημαντικότητα της βλάβης εξαρτάται από τον τύπο της καταπόνησης και από τη διάρκεια μεταξύ του χρόνου έναρξης και του χρόνου ανίχνευσης της καταπόνησης. Συνήθως, όταν ένα φυτό καταπονείται, είτε λόγω βιοτικών είτε λόγω αβιοτικών παραγόντων, εκφράζεται στην καλλιέργεια με ποικίλα συμπτώματα. Η υδατική καταπόνηση, για παράδειγμα, συντελεί στο κλείσιμο των στομάτων και εμποδίζει τη λειτουργία της φωτοσυνθετικής διαδικασία και του ρυθμού της διαπνοής, με απο ...
Οι επιδράσεις που δέχονται τα φυτά από το περιβάλλον, διακρίνονται σε βιοτικές και αβιοτικές ή φυσικοχημικές και επηρεάζουν τις αλληλεπιδράσεις του φυτού, με το φυσικοχημικό περιβάλλον, στο οποίο αναπτύσσονται. Η έγκαιρη ανίχνευση του τύπου και της έντασης της καταπόνησης των φυτών που προκαλείται λόγω των παραμέτρων αυτών είναι κρίσιμη, για την ελαχιστοποίηση τόσο της οξείας όσο και της χρόνιας απώλειας της παραγωγικότητας, κυρίως σε συνθήκες θερμοκηπίου (όπου διαφορετικές δόσεις άρδευσης λαμβάνουν χώρα κατά τη διάρκεια της ημέρας). Η σημαντικότητα της βλάβης εξαρτάται από τον τύπο της καταπόνησης και από τη διάρκεια μεταξύ του χρόνου έναρξης και του χρόνου ανίχνευσης της καταπόνησης. Συνήθως, όταν ένα φυτό καταπονείται, είτε λόγω βιοτικών είτε λόγω αβιοτικών παραγόντων, εκφράζεται στην καλλιέργεια με ποικίλα συμπτώματα. Η υδατική καταπόνηση, για παράδειγμα, συντελεί στο κλείσιμο των στομάτων και εμποδίζει τη λειτουργία της φωτοσυνθετικής διαδικασία και του ρυθμού της διαπνοής, με αποτέλεσμα να μεταβάλλεται το χρώμα και η θερμοκρασία του φύλλου. Άλλα συμπτώματα που συντελούν στη μορφολογία του φύλλου, όπως συστροφή φύλλου και το σημείο μαρασμού λόγω απώλειας της κυτταρικής σπαργής, μπορούν να αποτελέσουν επίσης ένδειξη υδατικής καταπόνησης. Για να αποφευχθούν οι συνθήκες εκείνες που θα συντελέσουν στην εκδήλωση οποιασδήποτε μορφής καταπόνησης του φυτού, απαιτείται η βέλτιστη διαχείριση του εναέριου (π.χ. η θερμοκρασία του αέρα, η σχετική υγρασία, ένταση της ηλιακής ακτινοβολίας, η ταχύτητα του αέρα), ριζικού περιβάλλοντος της καλλιέργειας (π.χ. διαθέσιμο νερό στη ρίζα, ηλεκτρική αγωγιμότητα στη ρίζα), του μικροκλίματος και των γενετικών χαρακτηριστικών των φυτών. Η συνεχής, άμεση και σε πραγματικό χρόνο παρακολούθηση της ανταπόκρισης του φυτού, υπό συγκεκριμένες περιβαλλοντικές και ριζικές συνθήκες, ονομάζεται «Speaking plant» προσέγγιση και μπορεί να συμβάλει στη βελτιστοποίηση αυτή, ρυθμίζοντας έτσι την αποδοτική δυναμική της καλλιέργειας. Η έννοια της «speaking plant» προσέγγισης και της ανταπόκριση των φυτών – μέσω της τηλεπισκόπησης είναι απαραίτητη για την καλύτερη κατανόηση των αλληλεπιδράσεων μεταξύ του μικροκλίματος και της φυσικής κατάστασης των φυτών. Έτσι, σε αυτή την προσέγγιση, οι φυσικές αποκρίσεις των φυτών στις περιβαλλοντικές αλλαγές καταγράφονται και η προκύπτουσα πληροφορία χρησιμοποιείται για να προσδιορίσει εκείνες τις συνθήκες που θέτουν τα φυτά σε καταπόνηση. Με τον τρόπο αυτό γίνεται έλεγχος του μικροκλίματος του θερμοκηπίου ώστε να επιτευχθεί πιο αποτελεσματική και βέλτιστη παραγωγή.Μέχρι σήμερα, το περιβάλλον του θερμοκηπίου ελέγχονταν από τη θερμοκρασία του αέρα και τις μετρήσεις της υγρασίας της ατμόσφαιρας, σε ένα μόνο αντιπροσωπευτικό σημείο που βρίσκεται στο κέντρο του θερμοκηπίου, υποθέτοντας πλήρη ομοιογένεια του μικροκλίματος. Αυτός είναι ο λόγος για τον οποίο, ορισμένα συστήματα ελέγχου του κλίματος προτείνουν την εγκατάσταση των αισθητήρων σε διάφορα σημεία στο χώρο του θερμοκηπίου. Ωστόσο, η υπόθεση αυτή δεν είναι ιδιαίτερα εφικτή στα περισσότερα από τα θερμοκήπια, καθώς το μέγεθός τους έχει αυξηθεί σημαντικά κατά τη διάρκεια των τελευταίων δεκαετιών. Μετρήσεις ωστόσο του κλίματος δείχνουν ότι ακόμη και σε καλά σχεδιασμένα θερμοκήπια υπάρχουν μεγάλες διαφορές θερμοκρασίας. Για παράδειγμα σε ένα θερμοκηπίο με μήκος μεγαλύτερο από 40 m, όπου χρησιμοποιεί σύστημα ψύξης, οι βαθμίδες θερμοκρασίας αέρα μπορεί να διαφέρουν μέχρι και 5 °C. Αυτές οι έντονες διακυμάνσεις της θερμοκρασίας, συντελούν εκτός από τη μη-ομοιόμορφη παραγωγή και την ποιότητα, στη δημιουργία παρασίτων και ασθενειών. Συνεπώς, η φυσιολογική αντίδραση του μικροκλίματος του θερμοκηπίου (θερμοκρασία αέρα, την υγρασία και την ταχύτητα) και των καλλιεργειών (καλλιέργειες διαπνοής, στοματική και αεροδυναμική αγωγιμότητα) ποικίλει σε διαφορετικές τοποθεσίες μέσα στο θερμοκήπιο, όχι μόνο λόγω της μεταβολής των εξωτερικών καιρικών συνθηκών, αλλά και λόγω των συστημάτων ελέγχου του κλίματος θερμοκηπίου (δηλαδή με τη χρήση των συστημάτων θέρμανσης, μόνωσης, αερισμού ή ψύξης). Έτσι, η άμεση και σε πραγματικό χρόνο παρακολούθηση των αντιδράσεων των φυτών και των διαδικασιών, σε συνδυασμό με την παρακολούθηση των τοπικών παραμέτρων μικροκλίματος μπορεί να βοηθήσει στη βελτίωση του ελέγχου του κλίματος και της συνολική παραγωγής. Η έγκαιρη, άμεση και σε πραγματικό χρόνο ανίχνευση των ποικίλων καταπονήσεων της καλλιέργειας μπορεί να επιτευχθεί, με την ανάπτυξη ενός συστήματος ανίχνευσης, εξοπλισμένο με μία πλατφόρμα πολλαπλών αισθητήρων, η οποία θα είναι σε θέση να κινείται πάνω από την καλλιέργεια και θα χρησιμοποιεί το φυτό ως «αισθητήριο» για να αντιλαμβάνεται τις πραγματικές του ανάγκες. Οι υπάρχων μέθοδοι μέτρησης των άμεσων και έμμεσων παραμέτρων φυσιολογίας του φυτού, όπως είναι ο ρυθμός φωτοσύνθεσης, η συγκέντρωση της χλωροφύλλης και του αζώτου και η υγρασία στο περιβάλλον της ρίζας, είναι αρκετά περίπλοκοι και προβληματικοί, καθώς περιορίζονται σε σχετικά μικρή κλίμακα, καθιστώντας την εφαρμογή τους σε μια εμπορικής κλίμακα πολλαπλών αισθητήρων, μάλλον ανέφικτη. Επιπλέον, υπάρχον μέθοδοι ανίχνευσης υδατικής καταπόνησης, μέσω υπολογισμού του υδατικού δυναμικού των φύλλων και μέτρησης της ροή χυμού του βλαστού, έχουν χρησιμοποιηθεί ευρέως μεταξύ άλλων, για την αξιολόγηση της υδατικής κατάστασης των φυτών είτε σε εδαφικές είτε σε υδροπονικές καλλιέργειες. Τα δεδομένα αυτά παρέχουν άμεση ενημέρωση σχετικά με την υδατική κατάσταση των φυτών, απαιτούν ωστόσο την επαφή του φυτού με τον αισθητήρα ή καταστροφή μέρος αυτού, κάτι το οποίο είναι δύσκολα εφαρμόσιμο σε εμπορικής κλίμακας καλλιέργεια. Στα εμπορικά συστήματα παραγωγής, η ανάπτυξη ενός συστήματος καταγραφής της φυσιολογίας του φυτού σε πραγματικό χρόνο από απόσταση (χωρίς την ανάγκη επαφής ή καταστροφής του φύλλου), βασισμένο στην πλατφόρμα πολλαπλών αισθητήρων. μπορεί να επιτευχθεί με την ανάπτυξη των προηγμένων συστημάτων τεχνικής υπολογιστικής νοημοσύνης. Ένα υπερφασματικό οπτικό σύστημα για παράδειγμα, το οποίο θα παρέχει πληροφορίες σχετικά με τη μορφολογία (μέγεθος, σχήμα, υφή), τη φασματική ιδιότητα (χρώμα, θερμοκρασία, υγρασία) και τα δεδομένα ανάπτυξης, μπορεί να οδηγήσει στην ανάπτυξη ενός συστήματος παρακολούθησης της φυσιολογίας της καλλιέργειας σε πραγματικό χρόνο, βασισμένο σε πλατφόρμες πολλαπλών αισθητήρων. Ως εκ τούτου, στόχος αυτoύ του ερευνητικού έργου ήταν να διερευνηθεί η χρήση πολυφασματικού και υπερφασματικού οπτικού αισθητήρα και υπέρυθρου θερμογράφου που θα λαμβάνουν μετρήσεις εξ αποστάσεως, υπό ελεγχόμενες περιβαλλοντικές συνθήκες για την εκτίμηση της φυσιολογίας της καλλιέργειας. Τα δεδομένα φασματικής ανάκλασης της καλλιέργειας και τα δεδομένα που προέρχονται από υπέρυθρους αισθητήρες θερμοκρασίας, χρησιμοποιήθηκαν για την παρακολούθηση της ποιότητας της φυσιολογίας της καλλιέργειας προκειμένου ναxxiεκτιμηθεί ο προγραμματισμός της άρδευσης και να ρυθμιστεί το μικροκλίμα του θερμοκηπίου, για την επίτευξη αποτελεσματικότερης και βέλτιστης παραγωγής. Οι υδατικοί και θερμικοί δείκτες που προέκυψαν, μελετήθηκαν ως προς τη δυνατότητά τους να ανιχνεύουν έγκαιρα, άμεσα και σε πραγματικό χρόνο την ένταση και τη διάρκεια ποικίλων καταπονήσεων της καλλιέργειας κατά τη διάρκεια της ημέρας. Για το σκοπό αυτό, υλοποιήθηκε μία σειρά μετρήσεων με στόχο την αξιολόγηση των πιο δημοφιλή θερμικών δεικτών και δεικτών ανάκλασης για την αξιολόγηση του υδατικού επιπέδου της καλλιέργειας σε ελεγχόμενο περιβάλλον. Στη συνέχεια πραγματοποιήθηκε διερεύνηση της εφαρμογής υπερφασματικού αισθητήρα απεικόνισης, ως εργαλείο καταγραφής της ανακλώμενης ακτινοβολίας του φυτού από απόσταση και εκτίμησης διαφορετικών επιπέδων υδατικής καταπόνησης και καταπόνησης αζώτου. Σύμφωνα με τα αποτελέσματα των μετρήσεων, οι τιμές της διαφοράς των δεικτών Modified Red Simple Ratio Index (mrSRI) και Modified Red Normalised Vegetation Index (mrNDVI) μεταξύ των καταπονημένων και μη φυτών, παρουσίασαν υψηλό συντελεστή συσχέτισης με την αντίστοιχη μεταβολή της διαφοράς των τιμών της υγρασίας του υποστρώματος και του θερμικού δείκτη Crop Water Stress Index (CWSI). Ο θερμικό δείκτης TSDmeas ωστόσο ενδείκνυται ως άμεσος δείκτης ανίχνευσης υδατικής καταπόνησης, καθώς παρουσίασε συσχέτιση με τη μεταβολή της υγρασίας του υποστρώματος χωρίς την ανάγκη μέτρησης της θερμοκρασίας των μη καταπονημένων φυτών. Από την άλλη πλευρά, η τιμή της διαφοράς του δείκτη Transformed Chlorophyll Absorption in Reflectance Index (TCARI) και του δείκτη Photochemical Reflectance Index (PRI) μεταξύ των καταπονημένων και μη φυτών, παρουσίασε συσχέτιση με την αντίστοιχη μεταβολή της διαφοράς της συγκέντρωσης της χλωροφύλλης και του ρυθμού της φωτοσύνθεσης, αντίστοιχα. Επιπλέον, οι δείκτες Optimized Soil Adjusted Vegetation Index (OSAVI) και Modified Soil Adjusted Vegetation Index (MSAVI) παρουσίασαν συσχέτιση με τις αντίστοιχες μεταβολές της διαφοράς της συγκέντρωσης αζώτου μεταξύ των καταπονημένων και μη φυτών.Προέκυψε ωστόσο, πως αν και αρκετοί ήταν οι δείκτες που ήταν σε θέση να ανιχνεύουν είτε άμεσα είτε έμμεσα διαφορετικά επίπεδα υδατικής καταπόνησης και καταπόνησης αζώτου, ο καθένας από αυτούς παρουσιάζει ορισμένα μειονεκτήματα όταν χρησιμοποιείται μεμονωμένα. H έντονη παραλλακτικότητα της δομής του φύλλου αλλά και της γενικότερης άμβλυνσης της ακτινοβολίας λόγω της διακύμανσης της γωνίας φωτισμού μέσα στο θερμοκήπιο, του προσανατολισμού και της κλίσης τουxxiiφύλλου, της παρουσίας σκιάσεων και της ανάκλασης από μη φυλλικές επιφάνειες, καθιστούν τους δείκτες επιρρεπείς στις περιβαλλοντικές συνθήκες. Έτσι προκύπτει έντονη η ανάγκη καταγραφής δεδομένων ανάκλασης μη καταπονημένων φυτών, ως σημείο αναφοράς. Για την ελαχιστοποίηση της επίδρασης των εξωγενών παραμέτρων υπολογίστηκε η δεύτερη παράγωγος των δεδομένων ανάκλασης, ώστε να εξασφαλισθεί η σταθερότητα των τιμών στην πάροδο του χρόνου, για διαφορετικά σημεία μέσα στο χώρο του θερμοκηπίου. Προέκυψε ότι οι δείκτες SRI(555/465) και TGI της δεύτερης παραγώγου παρουσίασαν σημαντική συσχέτιση με τη μεταβολή του ρυθμού της φωτοσύνθεσης. Επιπλέον στα πλαίσια του έργου, ένας νέος δείκτης αζώτου, ο οποίος ονομάζεται Background Adjustment Nitrogen Index (BANI), αναπτύχθηκε και συγκρίθηκε με τους υπάρχον δείκτες που χρησιμοποιήθηκαν για την εκτίμηση διαφορετικών επιπέδων υδατικής καταπόνησης και καταπόνησης αζώτου. Προέκυψε ότι, ο ΒΑΝΙ ήταν ο καλύτερος δείκτης ανάκλασης για την πρόβλεψη της συγκέντρωσης αζώτου του φυτού τομάτας σε άζωτο, σε συνθήκες θερμοκηπίου. Αυτά τα ευρήματα ανοίγουν νέες δυνατότητες παρακολούθησης της φυσιολογίας της καλλιέργειας από απόσταση. Η περαιτέρω ταξινόμηση των δεικτών ανάκλασης και της πληροφορίας που προκύπτει από τους δείκτες, μέσω στατιστικού εργαλείου όπως είναι το μοντέλο δέντρου ταξινόμησης και λήψης αποφάσεων (Classification Tree), συντέλεσε στο να ξεπεραστούν περιορισμοί που προκύπτουν κατά τη διαδικασία της μέτρησης και να ενισχύσει τις δυνατότητα επίτευξης αξιόπιστων αποτελεσμάτων ανίχνευσης διαφορετικών επιπέδων υδατικής καταπόνησης και καταπόνησης αζώτου. Αυτό το εργαλείο διασφαλίζει την αυτοματοποίηση της διαδικασίας παρακολούθησης της φυσιολογίας της καλλιέργειας από απόσταση, περιορίζοντας αρκετά την ανθρώπινη παρέμβαση.
περισσότερα
Περίληψη σε άλλη γλώσσα
Plant stress for a certain crop in greenhouse conditions, may be the result of a single or a combination of abiotic factors, such as the aerial microclimate (e.g. air temperature, relative humidity, solar radiation intensity, air velocity), the root conditions (e.g. available water and nutrient in the root, electrical conductivity in the root zone), the microclimate and of plant genetic traits. The dynamic response of plants to changes of their environment is called ‘speaking plant’. Early detection of plant stress using plant based sensing could be valuable to better understand the interactions between plants and their microclimate in order to control irrigation management.Until recently, methods that have been widely used to assess different type of plant stress such as substrate water content, photosynthesis rate and chlorophyll content are time consuming, or they require plant contact or destructive sampling, something difficult to realize in commercial scale. Current computational ...
Plant stress for a certain crop in greenhouse conditions, may be the result of a single or a combination of abiotic factors, such as the aerial microclimate (e.g. air temperature, relative humidity, solar radiation intensity, air velocity), the root conditions (e.g. available water and nutrient in the root, electrical conductivity in the root zone), the microclimate and of plant genetic traits. The dynamic response of plants to changes of their environment is called ‘speaking plant’. Early detection of plant stress using plant based sensing could be valuable to better understand the interactions between plants and their microclimate in order to control irrigation management.Until recently, methods that have been widely used to assess different type of plant stress such as substrate water content, photosynthesis rate and chlorophyll content are time consuming, or they require plant contact or destructive sampling, something difficult to realize in commercial scale. Current computational intelligence techniques have allowed the development of advanced systems, such as the hyperspectral optic system that supplies information from a targeted object, which would facilitate the non-contact anf non-destructive calculation of morphological (size, shape, texture), spectral (colour, temperature, moisture) and temporal data (growth rate, development, dynamic change of spectral and morphological states), in order to enable automated sensing capabilities. Crop spectral reflectance data and data derived from infrared temperature sensors are advantageous to develop a real-time plant canopy health growth and quality monitoring system with multi-sensor platforms in order estimate irrigation scheduling and control greenhouse microclimate to achieve more efficient and optimal production. Therefore, the objective of the present work was to explore the use of multispectral and hyperspectral canopy reflectance and crop temperature measurements, carried out remotely, under controlled environmental conditions in order to assess crop water status. Further aim was to investigate the use hyperspectral machine vision as a non-contact technique for detecting changes in spectral reflectance of a soilless tomato crop grown under varying irrigation and nitrogen regimes. The results of the present study show that the Modified Red Simple Ratio Index (mrSRI) and the Modified Red Normalised Vegetation Index (mrNDVI) could be used as an indicator of plant water stress in greenhouses, up to a certain limit. mrSRI and mrNDVI differences between water stressed and well-watered plants were correlated well with the respective differences in volumetric water content and Crop Water Stress Index (CWSI) values of the two treatments. Temperature Stress Day (TSDmeas) is more convenient index for canopy water stress deficit, without the need of measuring the temperature of well-watered plants. In addition, Transformed Chlorophyll Absorption in Reflectance Index (TCARI) was strongly correlated with tomato leaf chlorophyll content variations and Photochemical Reflectance Index (PRI) with photosynthesis rate. Optimized Soil Adjusted Vegetation Index (OSAVI) and Modified Soil Adjusted Vegetation Index (MSAVI) differences between nitrogen stressed and well-fertigated plants were correlated well with the respective differences in nitrogen content. The reflectance data observed on nitrogen stressed plants were further derivative to minimize extraneous of variation in the reflectance indices, by ensuring consistency of estimates over time and across the region. To this knowledge, a good indicator of photosynthesis rate by SRI(555/465) and TGI was pointed out without knowing in advanced the values observed in control plants.In the frame of this research, a new nitrogen indicator, named Background Adjustment Nitrogen Index (BANI), was developed and compared to the existing indices that were used for nitrogen detection. In this study, BANI was the best spectral index for predicting plant nitrogen concentration.In addition, this research explored the potential of classification tree model as a robust statistical method that use reflectance indices to predict water and nitrogen plant stress response. The resulted spectral indices that had significant determination coefficient, with plant physiology factors, used to train a tree-based modeling, in order to: (i) predict chlorophyll _a content plant status, (ii) predict water content plant status and (iii) determine if water and nitrogen stress plants could be differentiated from non-stressed plants.
περισσότερα