The objective was to develop imaging methods to estimate the root biomass of robustly growing crop plants, in order to determine the amount of carbon and nitrog
The objective was to develop imaging methods to estimate the root biomass of robustly growing crop plants, in order to determine the amount of carbon and nitrogen remaining in the soil after harvest, based on above-ground plant parts. The relationship between root biomass and above-ground traits was studied in more detail for faba bean, caraway, and industrial hemp. The best predictors of root biomass were combinations of stem base thickness and seed yield or plant height.
A machine learning model was also developed to estimate root biomass using whole plant samples.
Drone imaging focused on analyzing correlations between indicators such as the Enhanced Green Index (ExG) and plant height.
Yield Systems developed applications for crop imaging. Geo-Work Oy tested ground-penetrating radar (GPR), which, based on the trial, may be suitable for research use in the future. In field conditions, soil properties currently limit its effectiveness.
Based on the results, a calculator prototype was created to estimate root biomass per hectare and the corresponding carbon and nitrogen amounts. Accuracy can be improved with annual reference datasets.
The project introduced several innovations, including:
•A resource-efficient method for sampling whole plants
•Identification of stem base thickness, seed yield, and plant height as key parameters
•Support for device development aimed at root biomass estimation
•Utilization of drone technology and mobile applications
•Potential use of GPR in container or pot cultivation
Conclusion: Root biomass can be estimated based on above-ground plant characteristics, but improving reliability requires further development and more data.
Tavoitteena oli kehittää kuvantamismenetelmiä rotevakasvuisten satokasvien juurimassan arviointiin, jotta korjuun jälkeen maahan jäävän biomassan hiilen ja typen määrät voitaisiin määrittää maanpäällisten kasvinosien avulla. Juurimassan yhteyttä maanpäällisiin ominaisuuksiin tutkittiin tarkemmin härkäpavulla, kuminalla ja öljyhampulla. Parhaiten juurimassaa selittivät yhdistelmät tyven paksuudesta ja siemensadosta tai kasvuston korkeudesta. Kehitettiin myös koneoppimismalli juurimassan arviointiin kokonaisten kasvinäytteiden avulla. Menetelmä vaatii kuitenkin satoja tai jopa tuhansia näytteitä ollakseen luotettava.
Dronekuvauksissa analysoitiin mm. ExG-indeksin ja kasvuston korkeuden korrelaatiota.
Yield Systems kehitti kasvustokuvantamiseen sovelluksia. Geo-Work Oy testasi maatutkaa, joka kokeilun perusteella voisi jatkossa soveltua tutkimuskäyttöön. Kenttäkäytössä sen toimivuutta rajoittavat maaperän ominaisuudet.
Tulosten pohjalta kehitettiin laskuriesimerkki, jonka avulla voidaan arvioida hehtaarikohtainen juuribiomassa sekä siihen sitoutunut hiili ja typpi. Tulosten tarkkuutta voidaan parantaa vuosittaisella referenssiaineistolla.
Hanke toi uusia ratkaisuja mm.:
•Kokonaisten kasvien näytteenoton resurssitehokas menetelmä
•Kasvuston tyven paksuuden, siemensadon ja korkeuden tunnistaminen tärkeimmiksi parametreiksi
•Juurimassan arviointiin tähtäävän laitekehittelyn tueksi
•Droneteknologian ja kännykkäsovellusten hyödyntäminen
•Maatutkan potentiaali esim. ruukkuviljelyssä
Johtopäätös: Maanpäällisen kasvuston perusteella on mahdollista arvioida juuribiomassaa, mutta luotettavuus edellyttää jatkokehitystä ja lisää dataa.
With scanning techniques and machine learning towards the assessing of biomass, carbon and nitrogen feed of crops
Completed | 2022-2024
- Main funding source
- Rural development 2014-2020 for Operational Groups
- Geographical location
- Finland