Verwendung von NDVI zur Validierung von

Fungizidbehandlungen bei Gerste

1_ZJwajtjyxQA_J3bLE1yEiQ.png
 

Mithilfe von multispektralen Daten unterstützt eine Gruppe von Forschern der North Dakota State University die Gerstenanbauer des Staates, Pilzkrankheiten zu bekämpfen und die negativen Auswirkungen auf Ertrag und Samenqualität zu reduzieren.

Hier sehen Sie die Atlas-Daten, die in diesem Artikel gezeigt werden.


Pilzerkrankung: eine latente Bedrohung für Gerstenanbauer

Fusarium Head Blight (FHB) ist ein Pilzerreger, der sich in warmen, feuchten Umgebungen entwickelt und eine Vielzahl von Feldfrüchten, darunter auch Gerste, befällt. FHB verringert den Kornertrag und die -qualität, indem es seine Entwicklung beeinflusst und verwelkte, verfärbte und untergewichtige Getreidekörner produziert.

Getreide aus North Dakota ist besonders anfällig für diese Krankheit, was zu geschätzten Ertragsverlusten von 5 bis 10 % pro Jahr führt. Zwischen 2010 und 2014 lag der Produktionsverlust in dem Staat zwischen 25 und 280 Millionen US-Dollar.

Besorgt über die finanziellen Auswirkungen dieser Erkrankung führte eine Gruppe von Forschern der North Dakota State Universität am Carrington Research Extension Center im Sommer 2016 ein Experiment durch, bei dem sie verschiedene Fungizidbehandlungen untersuchten, um FHB in Gerste zu bekämpfen.

Validierung von Fungizidanwendungen

Die Gruppe testete zehn Fungizidbehandlungen, die zu verschiedenen Zeitpunkten in der Vegetationsperiode angewendet wurden. Die früheste Anwendung erfolgte am 2. Juni (4,0–4,5 Blattstadium) und die letzte am 1. Juli (Feekes 10,50-Stufe). Alle Behandlungen wurden während der gesamten Saison mit der gleichen Wassermenge bewässert. Darüber hinaus wurde zerkleinertes Weizenstroh über die neu entstandene Gerste verteilt, um eine Quelle für die Inokulum-Krankheiten zu lokalisieren.

RGB-Bild des Plots (in Rot), wo die Forscher die Fungizidbehandlungen getestet haben.

RGB-Bild des Plots (in Rot), wo die Forscher die Fungizidbehandlungen getestet haben.

Sobald die Behandlungen angewendet wurden, kartierten die Forscher das Feld am 15. Juli [Abbildung 1] und am 21. Juli [Abbildung 2] mithilfe des MicaSense RedEdge. Anschließend wurden mit Hilfe von MicaSense Atlas zwei kalibrierte NDVI-Karten erstellt.

15. Juli NDVI (Bereich 0,46–0,95) - NDVI quantifiziert die Vitalität der Pflanzen. Bei Plots mit niedrigem NDVI bleibt nur wenig oder gar kein grünes Pflanzengewebe übrig.

15. Juli NDVI (Bereich 0,46–0,95) - NDVI quantifiziert die Vitalität der Pflanzen. Bei Plots mit niedrigem NDVI bleibt nur wenig oder gar kein grünes Pflanzengewebe übrig.

21. Juli, NDVI (Bereich 0,27–0,95) - Die Differenz zwischen den beiden NDVI-Karten korrespondiert die jeweiligen Reifegrade der Gerste.

21. Juli, NDVI (Bereich 0,27–0,95) - Die Differenz zwischen den beiden NDVI-Karten korrespondiert die jeweiligen Reifegrade der Gerste.

Die NDVI-Karten (oben) beschreiben das Behandlungsergebnis für jeden Plot. Grüne Plots zeigen an, wo die Behandlung am effektivsten war, Gelb, wo der Behandlungseffekt minimal war, und Rot, wo die Pflanzenkrankheiten am stärksten gediehen waren, und wo nur wenig oder gar kein grünes Pflanzengewebe übriggeblieben ist.

Während die Gerste reift, beginnen die Blätter und Stängel auszutrocknen, sobald die Pflanze ihre Nährstoffe in das sich entwickelnde Getreide bewegt. Wenn eine Pflanze aufgrund einer Krankheit gestresst ist, reift sie schneller und das Ergebnis ist eine insgesamt kürzere Lebensdauer und ein geringerer Ertrag.

Schlussfolgerungen

In dieser Studie zeigten kalibrierte NDVI-Werte eine starke Korrelation mit dem von den Forschern visuell erfassten Krankheitsgrad. Tatsächlich konnte die NDVI-Karte erfolgreich Unterschiede in der Ertragssicherung der Gerste zwischen den Behandlungen anzeigen. Die Plots mit den höchsten NDVI-Werten (grün dargestellt) wiesen niedrigere Krankheitsgrade auf und erzielten maximale Erträge.

Darüber hinaus liefert diese Studie einen weiteren Beweis für den Nutzen multispektraler Bilder als eine objektive Informationsquelle zur Unterstützung von Managemententscheidungen. In diesem Fall waren die Forscher in der Lage, multispektrale Bilder zu verwenden, um die Auswirkungen von Fungizidbehandlungen auf ihr Getreide genau zu bewerten und Maßnahmen zu ergreifen, um die negativen Auswirkungen auf den Ertrag und die Samenqualität während der Saison zu minimieren.