Deficit irrigation model-based control of plant growth

Английский. In the field, irrigation is commonly implemented by the control of water availability in the soil, or in more recent approaches also by measuring the joint water consumption of plant and soil (evapotranspiration) to derive irrigation time and quantity. Here, plant dynamic behavior is not (thoroughly) considered, neglecting the plants’ ability to cope with hostile conditions (deficit irrigation). Plant-based approaches have the potential to reflect plant dynamics but are still subject of scientific studies. Here, the target is mostly to detect stress incipience indicating the moment of irrigation initiation, irrigation quantification is is not (yet) possible based on these approaches.</br> Applying control engineering perception to the irrigation task, the introduction of a suitable model of plant dynamics into irrigation approaches allows directly for plant growth control by means of water input variation. Existing (crop) models (input: agricultural inputs (soil, fertilizer etc.), output: growth/yield) consider plant dynamics due to water deficits very restrictively in form of linear yield reduction functions. A model of plant adaptive behavior including the ability to memorize stress is not available. Hence, a deliberately planned deficit irrigation is not feasible.</br> In this thesis a novel approach to control plant growth based on water stress training is presented. Here, training is denoted as intended sequencing of water deficit events to control growth behavior. The presented approach is based on deficit irrigation control experiments resulting in a state machine model. In this model, plant adaptive behavior is described in terms of stress level (water deficit detected by the plant), stress memory level (adaptive response aimed at future stresses), and damage level (upper boundary of productive water stress). A quantitative distinction between stress levels is introduced by two new plant-based thresholds: response and recuperation threshold. Open-loop control options are based on the sequencing of two experimentally detected growth performance ranges, i.e. ’hydrological time’-based growth in not memorized states, and ’usage-bound growth’ in states with memory. Growth performance in ’usage-bound’ range is 47 % higher than in ’hydrological time’-based range. The memorization is proved to be reversible after three days. Statistical hypothesis testing resulted in a proof of concept for the proposed approach.</br> Additionally, the potential of leaf temperature oscillation analysis for remote water stress state identification is presented. The application of explorative frequency analysis methods on leaf temperature data from the same control experiments resulted in a detection of different superimposed oscillation frequencies. An assumed inference to stomatal oscillation behavior due to water stress could not be proved. However, new insights into leaf temperature behavior based on standard frequency analysis tools are given and discussed regarding application for irrigation purposes.

Немецкий. Zur Bewässerung wird in der landwirtschaftlichen Praxis im Allgemeinen die Wasserverfügbarkeit im Boden geregelt (oder gesteuert). Alternativ wird in neueren Ansätzen auch die Messung des gemeinsamen Wasserverbrauches von Pflanze und Boden (Evapotranspiration) für die Ermittlung der Bewässerungsvariablen (Zeitpunkt und Wassermenge) herangezogen. In beiden Ansätzen findet das dynamische Pflanzenverhalten, also die Anpassungsfähigkeit an einen Wassermangel, keine oder kaum Berücksichtigung. Pflanzenbasierte Ansätze hätten das Potenzial, dieses dynamische Verhalten abzubilden, diese befinden sich jedoch noch in der Entwicklung. Hierbei wird bislang im Wesentlichen an der Detektion des Zeitpunktes eines einsetzenden Wasserstresses geforscht, um den Bewässerungszeitpunkt zu ermitteln; die Bewässerungsmenge lässt sich hierbei bislang (noch) nicht berechnen. Eine Betrachtung der Bewässerungsaufgabe aus regelungstechnischer Sicht impliziert, dass die direkte Regelung/Steuerung des Pflanzenwachstums durch eine Variation des Bewässerungsinputs möglich ist, wenn das System ’Pflanze’ in den Regelkreis integriert wird. Vorhandene Modelle hierzu (v.a. crop models; Input: Produktionsfaktoren, Output: Wachstum/Ertrag) beinhalten nur eine sehr begrenzte Darstellung des dynamischen Pflanzenverhaltens aufgrund Wassermangels. Selbiges ist meist modelliert als ertragsmindernde, lineare Funktion. Ein Modell des dynamischen Pflanzenverhaltens aufgrund von Stresszuständen einschließlich Berücksichtigung von Erinnerungsfähigkeiten steht bislang nicht zur Verfügung. Eine gezielte Defizitbewässerung ist demzufolge nicht umsetzbar.</br> In dieser Arbeit wird ein neuartiger Ansatz zur Steuerung des Pflanzenwachstums auf Basis eines Wasserstresstrainings vorgestellt. Training bezeichnet hierbei die intendierte Ablaufsteuerung von Wasserdefizitereignissen zur Steuerung des Wachstums. Der Ansatz basiert auf den Ergebnissen einer Reihe von Steuerungsexperimenten und dem daraus abgeleiteten Modell eines Zustandsautomaten. In diesem Modell ist das dynamische Pflanzenverhalten dargestellt in Form von ’Stress-Levels’ (durch die Pflanze wahrgenommenes Wasserdefizit), ’Stress-Memory-Levels’ (Anpassungsverhalten, das auf künftige Stresssituationen ausgerichtet ist) und ’Damage-Levels’ (obere Grenze der produktiven Stressanpassung). Die quantitative Unterscheidung der Stresslevels wird über neu eingeführte, pflanzenbasierte Grenzwerte für ’Response’ (Anpassung) und ’Recuperation’ (Erholung) umgesetzt. Die Steuerungsoptionen ergeben sich auf Basis der zwei experimentell ermittelten Leistungsbereiche für wasserbasiertes Wachstum: Befindet sich die Pflanze in einem Zustand ohne adaptives Verhalten und ohne Erinnerungsvermögen an vergangene Stresszustände, wächst die Pflanze im Leistungsbereich ’hydrologischer Zeit’. Befindet sich die Pflanze hingegen in einem Zustand mit Erinnerungsvermögen, wächst die Pflanze im Leistungsbereich ’verbrauchsabhängigen’ Wachstums. Die Wachstumsleistung im ’verbrauchsabhängigen’ Leistungsbereich ist um 47 % höher verglichen mit dem des ’hydrologischen Zeit’-basierten Wachstums. Die Dauer des Erinnerungsvermögens konnte mit 3 Tagen festgestellt werden. Hypothesentests bestätigen das Konzept wasserbasierter Wachstumssteuerung.</br> Neben der Entwicklung des Steuerungsansatzes wird in dieser Arbeit die Verwendung einer Frequenzanalyse von Blatttemperaturoszillationen für kontaktlose Stresszustandsmessungen untersucht. Die Anwendung verschiedener Frequenzanalysemethoden auf erhobene Blatttemperaturdaten der selben Versuchsreihen ergab, dass die Temperaturdaten aus mehreren überlagerten Frequenzen bestehen. Ein Rückschluss auf stomatäres Oszillationsverhalten aufgrund von Wasserdefiziten konnte nicht eindeutig gezogen werden. Dennoch geben die Untersuchungen mit standardisierten Frequenzanalysemethoden neue Einblicke in die Dynamik von Blatttemperaturen unter Wassermangel. Die Ergebnisse werden im Hinblick auf eine Nutzung in Bewässerungsmethoden diskutiert.</br>