Model-based optimization and control of maize growth under water stress conditions through precision irrigation
Rapid dwindling of freshwater resources as a result of rising global population is a challenge that urgently requires to be addressed if global food demand is to be met. Irrigation-fed agriculture is the main consumer of global freshwater, with future expansion of land under irrigation expected globally. Meeting the challenge of feeding the world without exhausting available freshwater requires a reevaluation of crop management practices with a view to optimize yield while reducing irrigation requirements, an approach commonly referred to as ”more crop per drop” [GRS06].
Deficit irrigation-based approaches exploit physiological responses of plants on exposure to water stress at different stages of growth to achieve a reduction in irrigation water supplied while minimizing detrimental effects to the plant growth rate. Accurate characterization of plant response in real time is key to ensuring minimal reduction in crop yield while simultaneously reducing overall water consumption. From a practical point of view, detection of stress onset using conventional sensing techniques remains a key challenge due to unavailability of cost-effective sensors capable of detecting stress responses before onset of damage, which results in loss of yield. Use of water status-based models for plant growth and related physiological processes is therefore considered an attractive alternative to real-time sensing. From the control viewpoint, implementation of precision irrigation-based strategies allows achievement of the dual objectives of optimizing plant growth and reduction of water consumption.
In this thesis, water status-based modeling approaches for plant growth parameters, specifically leaf elongation, leaf appearance and biomass accumulation are developed based on a state machine approach and presented. An evapotranspiration model tailored to greenhouse-grown maize plants under water stress conditions is also developed. The growth and evapotranspiration models are integrated into a precision irrigation control algorithm and applied to closed loop optimization and control of plant growth, balancing between maximizing total leaf length and minimizing water consumption.
Validation and testing of the plant growth models and the growth control approach is performed in an indoor greenhouse using maize plants (Zea mays) as the control subject. Results demonstrate that the proposed models can accurately predict total leaf length, timing of leaf appearance and evapotranspiration under different stress conditions. The control algorithm is also able to match growth targets based on generated irrigation sequences, while maintaining water consumption within desired limits. Chronological thresholds related to response of maize plants to initiation of water stress and recovery after reirrigation have also been validated based on sensor measurements. The limitations of static growth models based on constant transition thresholds have also been observed, suggesting a need for implementation of dynamic stress thresholds in future work.
[GRS06] : Giordano, M. A. (Hrsg.) ; Rijsberman, F. R. (Hrsg.) ; Saleth, R. M. (Hrsg.): More Crop per Drop. London, UK. : IWA Publishing, 2006. – ISBN 9781843391128
Die rasche Verknappung der Süswasserressourcen als Folge der steigenden Weltbevölkerung ist eine Herausforderung zur Deckung des weltweiten Nahrungsmittelbedarfs. Die Bewässerungslandwirtschaft ist der Hauptverbraucher von Süswasser weltweit, und es wird erwartet, dass die Bewässerungsflächen in Zukunft weltweit zunehmen werden. Die Herausforderung, die Welt zu ernähren, ohne das verfügbare Süswasser zu erschöpfen, erfordert eine Neubewertung der Anbaupraktiken im Hinblick auf die Optimierung der Erträge bei gleichzeitiger Verringerung des Bewässerungsbedarfs - ein Ansatz, der gemeinhin als ”mehr Ertrag pro Tropfen” bezeichnet wird [GRS06].
Ansätze, die auf Defizitbewässerung beruhen, nutzen die physiologischen Reaktionen der Pflanzen auf Wasserstress in verschiedenen Wachstumsstadien, um eine Verringerung des zugeführten Bewässerungswassers zu erreichen und gleichzeitig die nachteiligen Auswirkungen auf die Wachstumsraten der Pflanzen zu minimieren. Eine genaue Charakterisierung der Pflanzenreaktion in Echtzeit ist der Schlüssel zur Gewährleistung einer minimalen Verringerung des Ernteertrags bei gleichzeitiger Reduzierung des Gesamtwasserverbrauchs. Aus praktischer Sicht bleibt die Erkennung von Stress mit Hilfe herkömmlicher Sensortechniken eine große Herausforderung, da es keine kostengünstigen Sensoren gibt, die Pflanzen-basierte Stressreaktionen erkennen können, bevor der Schaden eintritt, was zu Ertragseinbusen führt. Die Verwendung von auf dem Wasserstatus basierenden Modellen für das Pflanzenwachstum und damit zusammenhängende physiologische Prozesse gilt daher als attraktive Alternative zur Echtzeit-Erfassung. Vom Standpunkt der Steuerung aus betrachtet, ermöglicht die Umsetzung von auf Präzisionsbewässerung basierenden Strategien das Erreichen der beiden Ziele der Optimierung des Pflanzenwachstums und der Reduzierung des Wasserverbrauchs.
In dieser Arbeit werden auf einem Zustandsautomaten basierende Modellierungsansätze für Pflanzenwachstumsparameter, insbesondere für die Blattexpansion, die Blatterscheinung und die Biomasseakkumulation, entwickelt und vorgestellt. Ein Evapotranspirationsmodell, das auf Maispflanzen im Gewächshaus unter Wasserstressbedingungen zugeschnitten ist, wird ebenfalls entwickelt. Die Wachstums- und Evapotranspirationsmodelle werden in einem Algorithmus zur präzisen Bewässerungssteuerung integriert und zur Optimierung und Steuerung des Pflanzenwachstums im geschlossenen Regelkreis eingesetzt, wobei ein Ausgleich zwischen der Maximierung der Gesamtblattlänge und der Minimierung des Wasserverbrauchs geschaffen wird.
Die Validierung und Prüfung der Pflanzenwachstumsmodelle und des Wachstumssteuerungsansatzes erfolgt in einem Gewächshaus mit Maispflanzen (Zea mays) als Kontrollobjekt. Die Ergebnisse zeigen, dass die vorgeschlagenen Modelle die Gesamtblattlänge, den Zeitpunkt des Blattaustriebs und die Evapotranspiration unter verschiedenen Stressbedingungen genau vorhersagen können. Der Steuerungsalgorithmus ist auch in der Lage, die Wachstumsziele auf der Grundlage der generierten Bewässerungssequenzen zu erreichen und gleichzeitig den Wasserverbrauch innerhalb der gewünschten Grenzen zu halten. Chronologische Schwellenwerte für die Reaktion von Maispflanzen auf den Beginn von Wasserstress und die Erholung nach einer erneuten Bewässerung wurden ebenfalls anhand von Sensormessungen experimentell validiert. Die Grenzen statischer Wachstumsmodelle, die auf konstanten übergangsschwellen beruhen, wurden ebenfalls festgestellt, was auf die Notwendigkeit der Implementierung dynamischer Stressschwellwerte in zukünftigen Arbeiten führt.
[GRS06] : Giordano, M. A. (Hrsg.) ; Rijsberman, F. R. (Hrsg.) ; Saleth, R. M. (Hrsg.): More Crop per Drop. London, UK. : IWA Publishing, 2006. – ISBN 9781843391128