Fjärranalys av bladmögelangrepp i potatis

Transkript

1 Slutrapport Partnerskap Alnarp projekt (SPA 789) Fjärranalys av bladmögelangrepp i potatis Erik Alexandersson och Erland Liljeroth, Växtskyddsbiologi, SLU Bakgrund Potatisbladmögel som orsakas av oomyceten Phytophthora infestans är ett mycket stort problem i svensk potatisodling. I Sverige står potatisodlingen för mer än en tredjedel av jordbrukets användning av fungicider trots att odlingen endast upptar en liten del av den totala åkerarealen. Att försöka minska behovet av bekämpning är främst nödvändigt av miljöskäl, men även använd mängd bekämpningsmedel i svenskodlad potatis bör av långsiktiga marknadsmässiga skäl minskas för att behålla potatis som en konkurrenskraftig basgröda. I bekämpningsförsök mot potatisbladmögelförsök krävs veckovisa visuella graderingar av angreppen som är ganska tidskrävande. På sikt vore det därför av stort intresse att kunna göra graderingar/bedömningar av sjukdomsangreppen med fjärranalys, d.v.s. någon form av fotografering med efterföljande bildanalys. Av minst lika stort intresse vore att i framtiden kunna detektera tidiga angrepp i den praktiska odlingen med hjälp av sådan teknik. Det har historiskt visat sig vara ganska svårt att särskilja sjukdomsangrepp som finns beskrivet i översiktsartiklar (Bock et al 2012) men relativt ny teknik som analyserar hyperspektral reflektans har varit mer framgångsrik. Utrustning för detta är dock fortfarande dyr men understöds av kraftfull modern bildanalysteknik och utvecklingen av mjukvaror för detta går snabbt. I en nyligen publicerad studie har man med denna teknik kunnat upptäcka ned till 0,1 % infektiongrad av potatisbladmögel (Ray et al., 2011). Denna teknik har potential att möjliggöra snabbare och mer precisa ingrepp vid behandling av sjukdomen. När det gäller bladmögel är vår erfarenhet att angreppsgraden är mycket väl korrelerad till hur snabbt den efterföljande nedvissningen sker. I denna pilot-studie har vi följt bladmögelangreppen både med visuella graderingar och med flygningar med drönare utrustad med RGB-kamera. Analys av olika våglängder i RGB-spektrumet jämfördes med de visuella graderingarna över säsongen. Genomförande Ett fältförsök i Mosslunda utanför Kristianstad fotograferades med hjälp av drönarhelikopter vid 4 olika tillfällen under odlingssäsongen. Drönarhelikoptern var utrustad med en RGBkamera och flygning och fotografering utfördes av Hushållningssällskapet Skåne. Analys av bilderna gjordes av SLU med hjälp av bildanalysexperter på SLU Skara (Kristin Piiki och Mats Söderström). Avsikten var att undersöka hur tidigt infektionen kan upptäckas med hjälp av denna teknik men framförallt att undersöka hur väl gröna och röda färger i bildernas spektra samt utifrån dessa beräknade vegetationsindex korrelerar till nedvissningsgraden orsakad av bladmögel i de olika behandlingarna. Försöken graderades visuellt ca en gång per vecka under hela odlingsperioden enligt en procentskala. Fotograferingen utfördes i ett bladmögelförsök som var finansierade av ett SLF-projekt. Obehandlad kontroll jämfördes med olika kemiska behandlingsstrategier där effekten av olika doser av fungicider, växtstärkaren kaliumfosfit samt olika kombinationer mellan dessa på bladmögelutvecklingen undersöktes. Som positiv kontroll användes en vanlig bekämpningsstrategi i den praktiska odlingen som inbegrep rekommenderade doser av 1

2 fungiciderna Ranman Top, Revus och Infinito som alternerades. Sammanlagt genomfördes 12 bekämpningar med 1 veckas intervall utom i ett försöksled där bekämpningarna utfördes varannan vecka. De olika behandlingarnas effekt redovisas inte här. Denna studies fokus var istället hur väl fjärranalys korrelerar med visuella graderingar av bladmögelangrepp och efterföljande nedvissning. De tre mittenraderna i varje försöksruta användes till bildanalysen som gjorde med hjälp av ett GIS-program. Värden för rött, grönt och blått ljus extraherades och användes för att bestämma ett vegetationsindex, s k Green Difference Vegetation Index (GDVI), enligt formeln: Även grönhet och rödhet beräknades baserat på rött, grönt och blått ljus: Resultat I figur 1 visas en översiktsbild av fältet vid 4 tillfällen under odlingssäsongen. Vid den första tidpunkten är angreppen mycket små, under 0,1 % enligt den visuella graderingen och man kan inte i bilden se några skillnader mellan behandlingarna. I bilden från den 21 juli syns tydligt att de obehandlade rutorna har redan i hög grad vissnat ner. Man kan även se en minskande grönhet i några av de andra rutorna. Vid detta tillfälle var angreppen enligt den visuella graderingen % i de obehandlade rutorna. Den 8 augusti är obehandlade rutor helt nedvissnade och det finns kraftiga angrepp i flera av de andra leden medan vissa led fortfarande är relativt gröna. Vid sista tidpunkten är i princip alla led nedvissnade, till stor del p.g.a. av bladmögelangrepp men även p.g.a. naturlig nedvissning 2

3 Figur 1. Översiktsbilder av fältförsöket i Mosslunda fotograferat vid 4 olika tillfällen under odlingssäsongen. Den 1 juli var angreppen små och ännu inte synliga i denna bild. Den 21 juli och senare är obehandlade rutor redan nedvissnade medan de olika behandlingarna resulterat i olika grad av angrepp. Bilderna som tagits av drönaren på ca 30 m höjd har en god upplösning som framgår av figur 2. I försöksrutan nere till vänster (övre bilden) som är obehandlad finns bara enstaka gröna blad kvar medan fungicidbehandlade led fortfarande är gröna. I rutan uppe till höger kan man se ganska kraftiga bladmögelangrepp och den rutan har behandlats av en låg dos fungicid. Man kan tydligt se de enskilda plantorna men på bladnivå är upplösningen fortfarande för liten för att kunna säkert urskilja enskilda bladmögelfläckar (nedre bilden). 3

4 Figur 2. Förstorade bilder som visar på den upplösning som kunde uppnås i bilderna tagna med drönare från ca 30 m höjd över fältet. Bilderna från de olika rutorna analyserades för grad av grönhet och rödhet. Dessutom beräknades ett vegetationsindex (GDVI) baserat på dessa mätningar. Vid fotograferingen den 21 juli och den 6 augusti var det en god korrelation mellan bildanalysdata och graden av angrepp från den visuella graderingen (Figur 3 och 4). Det visar sig att GDVI ger en mindre spridning mellan punkterna än rödhet och grönhet. Färgtonen i bilderna beror av väderleksförhållanden vid fotograferingen och dessa varierar mellan tillfällena. Genom att beräkna vegetationsindex elimineras en del av dessa effekter. 4

5 Figur 3. Förhållandet mellan visuell gradering av bladmögelangreppen och index för rödhet (uppe till vänster) grönhet (uppe till höger) samt vegetationsindex GDVI (nedan). Varje punkt motsvarar en försöksruta. Den 1 juli då angreppen var relativt små, mindre än 0,1% (0,1 % angrepp motsvarar en bladmögelfläck per planta i genomsnitt), fanns ingen korrelation mellan angreppsgrad och GDVI (Figur 4). Punkten till höger i bilden är obehandlad kontroll. Där finns fler bladmögelfläckar men det ger ännu inget utslag på vegetationsindex. Vid de följande tidpunkterna däremot finns en tydlig linjär korrelation mellan visuellt graderade angrepp och GDVI. Angreppen i obehandlad kontroll är den 21:e juli redan drygt 85% i medeltal och den 6:e augusti har flera av försöksleden stora angrepp. Figur 4. Vegetationsindex (GDVI) i förhållande till de visuella bladmögelgraderingarna vid tre olika tillfällen under odlingssäsongen. Varje punkt motsvarar medelvärdet för de 12 behandlingarna i försöket. Diskussion och slutsatser Denna studie har visat att det fanns tydliga skillnader i beräknat vegetationsindex som korrelerade väl med visuella bedömningar av nedvissningsgraden i försöksrutorna. Vi använde en vanlig RGB kamera från en UAV från ca 30 m höjd över fältet. Genom att beräkna och analysera vegetationsindex i stället för reflektansen i de enskilda våglängsbanden (R=rött, G=grönt och B=blått) kommer man ifrån en del av de problem som hänger samman med olika ljusförhållanden vid olika fotograferingstillfällen. 5

6 Denna teknik medger dock inte upptäckt av tidiga angrepp av bladmögel. Här behövs fortsatta försök med mer frekventa flygningar under den tidiga delen av infektionsprocessen och förmodligen även kameror som kan ta bilder i olika spektra (multispektral- och/eller IR kamera). Man skulle behöva göra tätare mätningar med olika fotograferingstekniker för att få en bättre uppfattning om potentialen i fjärranalys av tidiga bladmögelangrepp i potatis. Även andra metoder som växtens bladvinklar vilka kan bestämmas med 3D-rekonstruktion av tvådimensionella drönarbilder är något som kan testas i framtida bildanalys. Även mycket små angrepp av potatisbladmögel är allvarliga eftersom det bildas ett stort antal sporangier från varje bladmögelfläck och dessa kan snabbt sprida sig genom fältet. På längre sikt vore det intressant att försöka utveckla igenkänningssystem där drönarens kamerautrustning lär sig upptäcka och känna igen enstaka bladmögelfläckar. Referenser Bock CH, Poole GH, Parker PE, Gottwald TR (2010) Plant disease severity estimated visually, by digital photography and image analysis, and by hyperspectral imaging. Critical Reviews in Plant Science 29, Ray SS, Jain N, Arora RK, Chavan S, Panigrahy S (2011) Utility of hyperspectral data for potato late blight disease detection. J Indian Soc Remote Sens 39,