BIONÆR-Bionæringsprogram

Vi er i stand til å skille mellom vannstress og nitrogenstatus i hveteplanter (arbeidspakke (AP) 1, del 1) ved å kombinere temperaturmålinger (termalkamera) og spektrale målinger (radiometer). Bruk av termalkamera er krevende, og vi har brukt en del ressurser på å utvikle metodikk og kalibreringsrutiner; et arbeid som nå er publisert. Når vi nå har fått mer data, viser de nyeste funn at vi er i stand til å skille mellom de samme to stressfaktorene med spektrale målinger alene. Dette er i ferde med å bli publisert. Lystgassmålinger i felt (AP 1, del 2) har vist at selv marginale endringer i pH har effekt på utslippene, og at kammermålinger må gjennomføres med paralleller (i tilegg til gjentak), på grunn av stor romlig variasjon. Videre har vi kunnet dokumentere stor variasjon i målte gass-strømmer i løpet av døgnet, og vi har dessuten underbygget tidligere funn av store utslipp i forbindelse med fryse/tine episoder. Resultatene ser ut til å kunne brukes til å dokumentere at riktig N-gjødslingsnivå gir lavere utslipp av lystgass per kilo produsert korn enn der en tilfører for lite eller for mye N. Systemet for robotisert lystgassmåling er ferdigstilt (AP2). Målingene viser at systemet har en mye raskere responstid enn det som er antatt ved tradisjonelle metoder. Det ferdige konseptet for automatisk lystgassmåling er nå i ferd med å testes grundig i felt, og det er etablert feltforsøk med pH-justering ved hjelp av mafiske (karbonatfrie) mineraler hvor roboten skal overvåke emisjonen (samarbeid med tilstøtende prosjekt MIGMIN). Roboten har vakt betydelig internasjonal oppmerksomhet, og vi har etablert intensjonsavtaler med ICOS og andre forskningsgrupper for å produsere flere roboter. Instrumentet for multippel gassmåling (FTIR) viste seg å gi lovende resultater under testingen, og en ny prototyp ble bygget. Denne vil testes videre utover året. Brysomme, flerårige ugras (åkertistel, åkerdylle og kveke) i hvete ser nå ut til kunne kartlegges automatisk ved hjelp av bildeanalyse (AP 3). Så langt simuleres bildetaking fra skurtresker eller traktor med RGB kameraet montert på en 3 m høy stang, eller montert på den bakkegående roboten (utviklet i AP 2), i begge tilfeller med linsa rettet på skrå framover (ca 45º). Det er laget algoritmer for projisering av skråbildene til bakkeplanet som fungerer bra. Resultatene viser godt samsvar mellom bildeanalyse og visuell bedømmelse. Det er utført manuell ugraskartlegging med GPS (± 10 cm nøyaktighet) på populasjoner fotografert året før, der tidspunktene for kartleggingen samsvarer med tidspunkt da man normalt ville gjennomført ugraskontroll. Dette danner basis for optimalisering av bildeanalysen. Bildetaking fra den bakkegående roboten er gjennomført for åkertistel og kveke. Noe analysearbeid gjenstår. I arbeidet med å utvikle metoder for tidlig sjukdomsdeteksjon (AP 4), er det samlet VOC-profiler fra Fusarium-arter og patogener involvert i «bladflekksjukdomskomplekset» i hvete. Det er signifikante forskjeller i VOC profilene mellom disse to gruppene. Vi har videre analysert VOC produksjonen fra sunne/smittede hveteplanter. To uker etter at planter ble smittet med meldugg produserte de fire ulike kjemiske forbindelser som ikke kan påvises hos friske planter. For voksne planter har vi funnet at det kun er planter smittet med hveteaksprikk som produsere mellein, mens det kun er planter smittet med aksfusariose som produserer sativen. I samarbeid med Sintef, har vi optimert måling av disse stoffene på veksthusplanter, når de finnes i lave konsentrasjoner. Parallelt med dette har vi detektert meldugg på små planter før symptomer er utviklet ved hjelp av optiske sensorer. For å se på effekter av multiple stressfaktorer (AP 5) under mest mulig kontrollerte forhold, gikk vi i prosjektet sammen om å kjøre i gang potteforsøk ved Hohenheim Universitet. Forsøket ble kjørt to ganger, og hveteplantene ble målt jevnlig med sju ulike sensorer (nesten ferdig publisert). Deretter gjennomførte vi et feltforsøk stort sett etter samme lest som potteforsøket. Her benyttet vi benyttet roboten utviklet i AP 2 til å gjøre sensormålingene på en effektiv måte. Analysering av data pågår fortsatt.

In this project we will develop and exploit new multi-sensor techniques to reduce the N20-emmissions from wheat production, by increasing the efficiency of fertilizer, weed-, and disease control. To do so we will follow the principle of precision agricult ure, i.e. the application of inputs reflects the spatial variability within a field. Starting with fertilizer, we intend to improve an existing system for site-specific application, which is unable to distinguish between the spectral characteristics of pl ants deficient in N from those related to water stress. The effects of site-specific fertilizer management on the N2O-emissions will also be documented. To increase the currently low efficiency of N2O-flux measurements, we will construct a programmable, u nmanned ground vehicle equipped with a gas monitoring system. This will greatly enhance our ability to quantify annual N2O emissions, as affected by treatments. The work on weeds comprises construction and calibration of image analysis for perennial weed species detection, and translation of sensed data into site-specific control actions. Discriminative power of the image analysis under varying field conditions is the most critical factor. Increased efficiency in disease control will be obtained by pre-sy mptomatic disease detection, based on induced chlorophyll fluorescence and volatile organic compounds (VOC) profile determination. One critical aspect here will be whether recent developments of e.g. electronic noses will make the detection of fungal VOC profiles possible in the field. Finally, we intend to combine our human and technological resources and perform comprehensive integrated analyses to unravel significant interactive effects on plant performance which should be accounted for in an optimized system designed to reduce the environmental footprint of food production. Both, public and private industry sectors as well as the civil society at large may benefit from the project results.