Detection of water and nutritional stress through chlorophyll fluorescence and radiative transfer models from hyperspectral and thermal imagery

Abstract

Nitrogen (N) and water are the most important limiting factors in agricultural yield. Knowing the crop physiological status during the growth stages is critical for the optimization of resources use efficiency, yield predictions and the detection of diseases. Nitrogen is an essential element in the plant pigments (chlorophyll and carotenoids) and in the production of proteins, as well as in other plant cellular components such as nucleic acids. On the other hand, water deficit induces stomatal closure, affects growth rate and phylogenetic traits such as leaf structure and shape. Therefore, water stress decreases the photosynthetic rate and yield, and its early detection is critical. In the last decade, physiological trait quantification and water stress detection methods carried out from hyperspectral and thermal sensors have been widely developed. In contrast to the broadband multispectral sensors, the hyperspectral technology is characterized by a high number of adjacent narrow bands along the electromagnetic spectrum that allow an accurate description of specific portions of the spectrum and, therefore, a better quantification of plant physiological traits retrieved through hyperspectral imagery. In fact, the use of high-resolution hyperspectral and thermal sensors allows covering large areas. This approach provides a reliable tool for monitoring the spatial variability of the crop status, being a real alternative to the traditional destructive methods of leaf sampling and leaf measurements in the field. The main objective of this PhD thesis is to explore the contribution of the solarinduced chlorophyll fluorescence (SIF) to retrieve nitrogen status and máximum carboxylation rate (Vcmax), as a proxy of photosynthesis activity, through the use of high-resolution hyperspectral imagery onboard aerial platforms and the use of radiative transfer models. The work was carried out in phenotyping trials for wheat selection under rainfed and irrigated conditions. In the experimental trial sites, the physiological relationships obtained between the field physiological measurements and airborne-based remote sensing indicators were evaluated. In this regard, well-known thermal-based indicators acquired from high-resolution thermal sensors sensible to spectral range of 8- 14 m and the following indicators from high-resolution hyperspectral were used: i) vegetation spectral indices retrieved in the spectral region located at the visible and short-wave infrared domain (400-1750 nm); ii) plant traits derived by radiative transfer model inversions (PROSPECT-SAILH, SCOPE) and iii) airborne-derived SIF retrievals by the Fraunhofer method. Given the importance of the role played by the canopy structure in the retrieval of biophysical and biochemical traits using high-resolution remote sensors, the effects of the within tree-crown structural heterogeneity was assessed through the development of automatic segmentation algorithms. The objective was to explore the effects of the structure on the relationship between leaf physiological measurements and the chlorophyll fluorescence retrievals and thermal indicators acquired from the highresolution hyperspectral and thermal imagery. The PhD thesis highlights the potentials of innovative remote sensing tools for the quantification of nitrogen concentration, the detecting water stress and the retrieval of plant photosynthetic traits through the use of high-resolution hyperspectral and termal airborne imagery combined with radiative transfer models. The results demonstrate that the airborne-quantified solar induced chlorophyll fluorescence improved the estimation of N concentration and Vcmax due to the strong relation it has with plant photosynthetic activity and water stress detection. Results also highlight the ability to estimate the maximum rate of carboxylation using SCOPE model inversions with airbornequantified SIF derived from high-resolution hyperspectral imagers for high-throughput plant phenotyping and precision agriculture applications.

El nitrógeno (N) y el agua son los factores limitantes más importantes en la producción y crecimiento de un cultivo. Conocer el estado fisiológico de un cultivo durante sus etapas de crecimiento es crítico para la optimización de la aplicación de insumos agrícolas, la predicción del rendimiento y la vigilancia de enfermedades. Desde un punto nutricional, el N es un elemento esencial en la producción de clorofila, fundamental para el proceso de fotosíntesis, y otros componentes celulares de la planta (proteínas, ácidos nucleicos, aminoácidos). Por su parte, el déficit hídrico afecta los procesos de crecimiento, rasgos filogenéticos tales como estructura de la hoja y la forma, la eficiencia fotosintética, por lo que su detección temprana es sumamente importante. En la última década, la estimación de parámetros fisiológicos a partir del uso de sensores hiperespectrales y térmicos se ha desarrollado ampliamente. A diferencia de los sensores multiespectrales de banda ancha, los sensores hiperespectrales se caracterizan por un elevado número de bandas estrechas y contiguas a lo largo del espectro electromagnético que permiten una mejor descripción de porciones específicas del espectro y, por tanto, una mejor cuantificación de rasgos bioquímicos y biofísicos a través de modelos físicos de transferencia radiativa. El uso de sensores de imagen de tipo hiperespectral y térmico permite cubrir grandes áreas y cuantificar la variabilidad espacial de parámetros relacionados con el estado fisiológico del cultivo, siendo una alternativa real a los métodos destructivos tradicionales de muestreo en campo con medidas foliares. La presente tesis doctoral tiene como principal objetivo explorar la contribución que tiene la fluorescencia clorofílica (solar-induced fluorescence, SIF) cuantificada mediante sensores hiperespectrales a bordo de plataformas aéreas en la cuantificación de N y en la estimación de la tasa máxima de carboxilación (Vcmax), como proxy de la actividad fotosintética. Para ello, se han utilizado sensores hiperespectrales y modelos de transferencia radiativa en ensayos de fenotipado de selección de variedades de trigo en condiciones de secano y regadío. En el estudio se evaluaron las relaciones fisiológicas obtenidas entre las medidas realizadas en campo con los rasgos bioquímicos, biofísicos y fotosintéticos obtenidos mediante inversión de modelos de transferencia radiativa (PROSPECT-SAILH y SCOPE), índices espectrales de vegetación obtenidos con bandas situadas entre la región del visible y el infrarrojo de onda corta (400-1750 nm), la fluorescencia clorofílica cuantificada mediante el método de la profundidad de las líneas de Fraunhofer, e indicadores obtenidos con cámaras térmicas sensibles al rango espectral de 8-14 m. Dada la importancia de los efectos estructurales en la estimación de parámetros biofísicos y bioquímicos mediante sensores remotos de alta resolución, esta tesis doctoral ha estudiado los efectos de la heterogeneidad estructural dentro de las copas de los árboles. Para ello, se han desarrollado métodos automáticos de segmentación de las imágenes obtenidas con sensores aerotransportados hiperespectrales y térmicos de alta resolución. El objetivo de este primer trabajo, fue analizar la variabilidad estructural dentro del árbol, y su efecto en las relaciones obtenidas entre las medidas fisiológicas de fluorescencia clorofílica y los indicadores térmicos. En la tesis doctoral se destaca el potencial que tienen las herramientas de detección remota para cuantificar la concentración de nitrógeno, detectar el estrés hídrico y estimar los rasgos de la fotosíntesis de la planta mediante el uso de imágenes hiperespectrales y térmicas combinadas con modelos de transferencia radiativa. Los resultados demuestran que la fluorescencia clorofílica natural mejora la estimación de la concentración de N y el parámetro Vcmax debido a la estrecha relación que tiene con la actividad fotosintética y la detección del estrés hídrico. Los resultados también resaltan la capacidad para estimar la tasa máxima de carboxilación utilizando inversiones con el modelo SCOPE y SIF cuantificado a partir de imágenes hiperespectrales de alta resolución en aplicaciones de fenotipado de alto rendimiento y agricultura de precisión.