FAUPE Forbedring af Afgrødernes Udbytte og Produktionsmæssige Egenskaber

K Ø B E N H A V N S U N I V E R S I T ET D E T N A T U R - O G B I O V I D E N S K A B E L I G E F A K U L T E T FAUPE Forbedring af Afgrødernes Udbytte og Produktionsmæssige Egenskaber Forsøg og resultater fra rodscreening i markforsøg og udvikling af kamera - arbejdspakke 1 og 3 2014 og 2015 Af Simon Fiil Svane Kristian Thorup-Kristensen Jesper Svensgaard Institut for Plante- og Miljøvidenskab Højbakkegaard Allé 13 2630 Taastrup

Foreløbige resultater fra marken 2014-2015 - rodmålinger Indledning I alle FAUPE markforsøgene blev der installeret minirhizotroner lige efter såning for en visuel kvantificering af rodvækst. Minirhizotronteknikken er en relativ tidskrævende og dyr metode til studier af rødder i marken. Derudover er metoden ofte præget af en stor variation hvilket gør det svært at studere sortsforskelle. Derfor er det et mål i FAUPE projektet at effektiviserer denne metode og samtidig afprøve nye metoder som kan bruges fremover til studier af rødder i marken. En af de væsentlige mangler ved minirhizotronmetoden har i mange år været manglende løsninger på at automatisere genkendelsen af rødder i minirhizotroner, trods et væld af nye muligheder indenfor softwareløsninger til billedanalyse og kamerateknologier. Et af problemerne er at rodforskning er et relativt lille marked, så der er ikke udviklet brugbare kommercielle værktøjer. Derudover er billedanalyse af rødder relativt kompleks. Typisk er det ikke nok at kunne identificere mønstre eller farveforskelle, da der vil være risiko for at kunne identificere for mange falske positiver, som følge af ridser, dug eller farveforskelle i baggrunden. I 2007 blev der publiceret en banebrydende artikel af en gruppe japanske forskere, som ved hjælp af spektral billede-genkendelse var i stand til at identificere rod-væv på baggrund af den kemiske sammensætning, som er unik i forhold til baggrundsmateriale bestående af vand, plastik og jord (Nakaji et al. 2007). På nuværende tidspunkt er der dog ingen brugbare kommerciel produkt til brug i minirhizotroner, så derfor blev der i FAUPE regi påbegyndt et udviklingsarbejde med det danske firma Videometer A/S (Hørsholm) som er et anerkendt internationalt firma indenfor spektral billede-genkendelse. I 2014 blev de første test af multispektral billede-genkendelse af rødder udført i samarbejde med Videometer, og sidenhen blev der udført en række test med henblik på at få tilpasset teknologien i et egentligt rodkamera til brug i minirhizotroner. Udover studier ved hjælp af minirhizotroner har der i 2014 og 2015 været afprøvet forskellige sensorværktøjer til at måle røddernes aktivitet i form af deres optag af vand og nærringstoffer fra et givent jordlag. Denne indirekte måling af rodvækst har flere fordele i forhold til minirhizotronteknikken, idet sensorerne måler i et større område af jorden og at data opsamles løbende gennem vækstsæsonen via datalogger. På grund af markvariation kræves der, som ved andre markstudier, flere gentagelser fra hvert jordlag. I de seneste år er priserne på elektronik faldet markant, og der er sket en revolution indenfor trådløst sensor kommunikation og dataopsamling, hvilket har medført nye interessante sensorværktøjer som kan tænkes at kunne bruges til rodstudier. I FAUPE projektet er der testet en række forskellige sensor teknologier under kontrollerede forhold i en væksthusopstilling og en ny trådløst vandindholdssensor har været testet i marken i år 2015. 2

Metode Rodstudier blev foretaget ved brug minirhizotron teknikken, hvor billeder blev taget med meget simpelt kamera gennem gennemsigtige akryl rør isat jorden i parcellerne 1 i en vinkel på 30 o ned i jorden. Rodvæksten måles løbende gennem sæsonen, ved brug af et simpelt specialbygget kamera opsætning. For en detaljeret beskrivelse af teknikken og billedanalyse se Rasmussen et al. (2015). I 2014 blev en lang række sensor teknologier testet i et kontrolleret forsøgsopstilling i væksthus. Her blev forskelige sensor teknologier testet 1.5 m høje jordfyldte koloner specialfremstillet til forsmålet. Søjlerne blev konstrueret så det var muligt at kvantificere rodvækst visuelt gennem en gennemsigtig akryl-plade(rhizotroner). I forsøget blev der testet forskellige sensor teknologier designet til at måle jordfugt og ledningsevne. Se detaljeret metodebeskrivelse i appendiks bagerst. På baggrund af disse tests blev der i 2015 indkøbt 24 trådløse vandindholdssensor (figur 1) til en marktest (Parrot Flower Power, Paris France). Sensoren måler ændringer i vandindhold ved en måling af jordens dieletriske permitivitet ved hjælp af en FDR teknologi (Frequency Domain) tilsvarende Decagon 5TE testet i 2014 forsøget (Se appendiks bagerst). Sensoren er forholdsvis billig og derudover indeholder hver sensor en intern datalogger. Data kan herved overføres ved hjælp af Bluetooth til en smartphone med en forud installeret applikation. Dette gør sensoren yderst interessant til brug i markforsøg, da kabler herved helt undgås og manglende data som følge af kabelbrud er fortid. Sensoren installeres ved brug af samme type bor som bruges til isætning af minirhizotroner (figur 1). 2 huller blev boret i hver parcel, og hullernes dybde blev justeret ved hjælp af hårdt-stampet jord til en dybde af 50 og 100 cm under jordoverfalden. Sensoren blev indsat i et specialfremstillet bundstykke påsat et pvc rør, så sensor-hovedet ikke oversvømmes ved kraftig regn. Røret isættes og sensor-stængerne presses forsigtigt ned i den genpakkede jordmatrix i bunden af hullet (figur 3). Sensor blev isat i de 2 dybder i 12 parceller 1 lige efter fremspirring d. 30/4 2015. 2 sorter (Evergreen og Evalina) blev målt ved 2 kvælstofsnivauer (75 og 150 kg N ha -1 ) med 3 gentagelser. Figur 1: Isætning af sensorer d. 30/4 2015. Sensorerne er påmonteret et pvc rør med en vandtæt samling. Data gemmes internt i hver sensor, men kan overføres løbende gennem vækstsæsonen til en smartphone via Bluetooth. Rodkamera udvikling: I 2014 blev et forsøg gennemført ved brug af Videometer Lab systemet fra Videometer A/S, (figur 2). Til forsøget var der forberedt en række små rhizotroner (29cm x 19cm x 1cm HxLxB), med tre 1 Se nærmere beskrivelse af markforsøgene i 2014 og 2015 i kort afrapportering: Markforsøg generelt arbejdspakke 1 og 3, 2014 og 2015 3

forskellige dyrkningsmedier (ren sandblanding, sphagnum, sandholdig- og lerholdig-muld). Tre forskellige afgrøde typer, olieræddike (Raphanus sativus var. oleiformis), hestebønne (Vicia faba) og byg (Hordeum vulgare L), blev dyrket i 3-5 uger og medbragt til videometer i Hørsholm. Ved hjælp af Videometer Lab systemet blev multispektral billedanalyse gennemført på baggrund af 19 forskellige bølgelængder fra UV til nær-infrarød ved hjælp af LED dioder. (Videometer, Hørsholm; Dörge et al. 2000). På baggrund af de 19 billeder blev der foretaget en statistisk analyse ud fra en optimeret algoritme. Herved kan pixels med en spektral reflektans svarende til rod væv udpeges og et binært billede bestående udelukkede af rødder genereres. For en mere detaljeret beskrivelse af metoden se Svensgaard et al. (2013). På baggrund af det binære billede kan der foretages en billedanalyse basseret på form og rodlængde, intensitet og samlet rod-areal kunne beregnes. Figur 2: VideometerLab ( Videometer) I 2015 har fokus været på at udvikle et multispektral kamera tilpasset minirhizotron rør i samarbejde med ProInvent og Videometer. Der er foretaget en mock-up test og på nuværende tidspunkt er en prototype under konstruktion til test ved udgangen af 2015. I 2016 er der planlagt at konstruere et automatiseret rodkamera set-up til brug i det ny opførte semi-field anlæg (RadiMax). Resultater og diskussion Herunder præsenteres de foreløbige færdiganalyserede resultater fra rodstudierne i FAUPE forsøgenes. Data er foreløbige og en endelig præsentation af data over FAUPE forsøgene i 2015 bliver færdiggjort, når alle planteprøver er analyseret for kvælstofindhold. Analysen forventes afsluttet i slutningen af januar 2016. Sortsforskelle i rodvækst På nuværende tidspunkt er rodmålinger fra 2015 vårbyg forsøget færdiganalyseret. Foreløbige roddybde data for 2014-2015 er præsenteret i figur 3. På nuværende tidspunkt kan vi konkludere følgende. Vårbyg sorterne testet i FAUPE markforsøget varierer i dyb rodvækst. Sortsforskellen er særligt markant ved slutningen af kernefyldningen (Markeret med en * i figur 3), mens sortsforskellen ikke er ikke signifikant i den tidlige strækningsfase (BBCH 32). Ved blomstring er der en stærkere tendens til en sortsforskel (P<0.12) (BBCH 65). I begge år udvikler Evalina en dybere rodvækst en Evergreen ved modenhed. I 2015 har vårbyg sorten Tocada en tendens til dybere rodvækst ved blomstring, mens sorten Laurikka havde tendens til færre dybe rødder. 4

Trods 8 rør isat for hver sort er der en stor variation ved brug af minirhizotron metoden, hvilket gør det svært at tolke roddata mellem sorter. En stor del af den observerede variation formodes at skyldes stor markvariation særligt i underjorden, hvilket også kan observeres ud fra forskel i udbytte mellem høstparcellerne. Derudover har det nye rodkamera der udvikles et op til 4 gange større synsfelt i røret. Flere rødder vil derfor komme med på hvert billede hvilket vil styrke den statistiske analyse. Figur 3: Gennemsnitlig maksimal roddybde i FAUPE bygforsøgene. Roddata er begge år medtaget fra det høje kvælstofs-niveau (2014=170 Kg N ha -1 ; 2015=140 kg N ha -1 ). Sorterne Evalina og Evergreen var medtaget begge år. Effekten af sort er testet med en lineær mixed model i dataanalyse programmet R, med blok som fixed effekt. ns= ikke signifikant (P>0.05), *=(P<0.05). Måling af rodaktivitet I 2015 blev den første marktest foretaget ved brug af en vandindholdssensor som indirekte måling af rodvækst i marken. Data er ikke færdiganalyserede endnu, men testen er forløbet tilfredsstillende. Vi konkluderer følgende. Alle 24 sensorer har opsamlet data gennem hele vækstsæsonen uden et eneste udfald. Vi kan konkludere at sensoren har som under kontrollerede i væksthus målt et faldt i jordens fugtighed i løbet af sæsonen. Lige efter isætning af sensoren falder jordens vandindhold meget svagt. I starten af juni falder vandindholdet markant for alle sensorer. Dette fald passer med at vi ser de første af rødder i tilsvarende dybde i minirhizotronerne (Figur 3 mod figur 4). 5

A B Figur 4: A Vandindholdsmåling fra tre Parrot FDR sensorer isat 50 cm under jordoverfladen i FAUPE 2015 vårbygforsøg. Sensorerne er isat i 50 cm dybde i tre gentagelser ved 150 kg N ha -1. B Vandindholdsmålinger foretaget med en højpræcisions TDT (Time Domain Transmission) måling i et kontrolleret forsøg i væksthus ved brug af ACLLIMA TDT sensor isat i 70 cm s dybde (Se appendiks 1). Både i drivhus og i marken er det observeret at sensor signalet har haft en unik karakter i perioder med høj rodaktivitet omkring sensoren. Under den kraftige vækst i sommermånederne er der et højt fordampningstab fra bladende gennem bladendes åbne spalteåbninger (Transpiration). I løbet af solrige sommer dage åbnes spalteåbninger gradvist og når et maksimum i middagstimerne, hvis afgrøden er velforsynet med vand (Maruyama & Kuwagata 2008). Omkring middag er transpirationen særlig høj, mens den om natten er næsten nul, da spalteåbningerne er lukkede. Herved opstår et unikt dag/nat signal, som kan kobles direkte op til rodaktivitet i et givent jordlag. Analyser af dagssignaler har før været brugt til at estimere fordampning fra skovområder gennem grundvandsmålinger i brønde (Gribovszki et al. 2010) og er for nyligt blevet forslået som metode til analyse af rødders optag af vand og som en indirekte fordampningsmåling ved brug af jordvandsmålinger, men dog aldrig testet i marken (Guderle & Hildebrandt 2015). Der er i FAUPE nu udviklet en analyseplatform, så data kan sammenlignes på baggrund af dag/nat signaler. Data fra sensorerne kan således studeres og sammenlignes trods stor usikkerhed omkring den egentlige mængde vand i et givent jordlag. Jordvandsmålinger i marken er nemlig stærkt påvirket af forskelle i jord-densiteten omkring sensorhovedet eller som følge af temperatur ændringer og opløselige ioner i jordvæsken, som kan påvirke permitivitetsmålingen ved brug af TDR eller FDR teknologi (Robinson et al. 2008). I 2016 vil forsøgene gentages i et forbedret set up på baggrund af de erfaringer der er gjort i den første test i 2015. Udvikling af nyt rodkamera I 2014 og 2015 er der foretaget en succesfuld multispektral billedeanalyse ved hjælp af VideometerLab systemet og de første test af et multispektral minrhizotron kamera er gennemført (figur 5 og 6). Vi kan på nuværende tidspunkt konkludere følgende: For alle jordtyper og plantearter i 2014 testen var det muligt at identificere rødder ved hjælp af multispektral billedeanalyse i det kommercielle billedbehandlingssoftware der hører med til VideometerLab. I alle tilfælde var det muligt at generere et binært billede af rødder, ved hjælp af en 6

optimeret algoritme på baggrund af en bruger udvalgt rod og baggrund identifikation machine learning (Trænings-kørsel), jf. Svensgaard et al. (2013). Figur 5: (a) Original multispektralt billede af rhizotron overflade med små hvide fragtmenter af rødder. (b) Indekseret billede efter transformation med brug af indekseret billede i to klasse med indeks skala. Indeks 0 til 2 (gul/rødlig) er identificeret som rod-væv. (c). Binært billede med rod pixels (brunlige pixels) og baggrund (grønne pixels). figur 6. (a) Transformeret og indekseret billede efter klassifikation med simple algoritme. (b) Forbedret algoritme optimeret gennem en trænings-session (machine learning) ved en manual udpegning af rod og baggrundsmateriale på det viste billede. På enkelte billeder var det endda muligt at identificere rødder, som ikke var synlige på normale RGB billeder efter at have optimeret algoritmen. På baggrund af de 19 bølgelængder indbygget i Videomter-Lab er de 5 mest lovende bølgelængder udvalgt og vil blive indbygget i et multispektral minirhizotron kamera som forventes færdigt til brug i markforsøg og RadiMax i april 2016. Det forventes, at der i billedbehandlingssoftwaren kan laves så solide og simple algoritmer via machine learning, at systemet automatisk, baseret på få referencebilleder, kan lave automatisk analyse og segmentering for rodbestanddele i billederne med simpelt output for ønskede rod parametre. Herved er målet nået med automatiseret billedtagning og analyse i rhizotroner under markforhold. 7

Referencer Dörge, T., Carstensen, J.M. and Frisvad, J.C., 2000. Direct identification of pure Penicillium species using image analysis. Journal of Microbiological Methods, 41(2), pp.121-133. Gribovszki, Z., Szilágyi, J. & Kalicz, P., 2010. Diurnal fluctuations in shallow groundwater levels and streamflow rates and their interpretation A review. Journal of Hydrology, 385(1-4), pp.371 383. Guderle, M. & Hildebrandt, A., 2015. Using measured soil water contents to estimate evapotranspiration and root water uptake profiles a comparative study. Hydrology and Earth System Sciences, 19(1), pp.409 425. Nakaji, T., Noguchi, K. & Oguma, H., 2007. Classification of rhizosphere components using visible near infrared spectral images. Plant and Soil, 310(1-2), pp.245 261. Rasmussen, I.S., Dresbøll, D.B. & Thorup-Kristensen, K., 2015. Winter wheat cultivars and nitrogen (N) fertilization Effects on root growth, N uptake efficiency and N use efficiency. European Journal of Agronomy, 68, pp.38 49. Robinson, D. a. et al., 2008. Soil Moisture Measurement for Ecological and Hydrological Watershed-Scale Observatories: A Review. Vadose Zone Journal, 7(1), p.358. Svensgaard, J., Roitsch, T. and Christensen, S., 2014. Development of a mobile multispectral imaging platform for precise field phenotyping. Agronomy, 4(3), pp.322-336. 8

9

10

11

12

13