Remote sensing of red and far-red sun-induced chlorophyll fluorescence to estimate gross primary productivity and plant stress in sugar beet

Wieneke, Sebastian (2016). Remote sensing of red and far-red sun-induced chlorophyll fluorescence to estimate gross primary productivity and plant stress in sugar beet. PhD thesis, Universität zu Köln. Open Access

Preview

PDF
finale_version_doktorarbeit_sebastian_wieneke.pdf - Accepted Version
Download (9MB)

Abstract

Ohne den Prozess der Photosynthese wäre das Leben auf der Erde, so wie wir es kennen, nicht möglich. Die Quantifizierung des Photosynthese-Prozesses und die Darstellung seiner räumlichen und zeitlichen Adaptierung ist eine der zentralen Herausforderungen in der terrestrischen Umweltforschung. Von Pflanzen absorbiertes Licht kann für den Photosynthese Prozess genutzt, oder aber auch in Form von Wärme (nichtphotochemisches Quenching, NPQ) oder als Fluoreszenz abgegeben werden. Jüngste Fortschritte in der Sensorentechnik ermöglichen es nun, die von der Vegetation emittierte, sonneninduzierte Chlorophyll Fluoreszenz (F) mit Fernerkundungsmethoden zu erfassen. Aufgrund der direkten physikalischen Verbindung zwischen Fluoreszenz und Photosynthese eröffnen sich dadurch neue Möglichkeiten, die Photosynthese-Leistung (normalerweise beschrieben als brutto Primärproduktion, GPP) räumlich und zeitlich zu quantifizieren und Pflanzenstress zu bestimmen. In dieser Dissertation wurden neuartigen boden- (SIF-Sys) und flugzeuggestützte (HyPlant) gestützten Messsysteme genutzt, um die zeitlichen und räumlichen Beziehungen zwischen F, dem photochemischen Reflexionsindex (PRI – als Indikator für NPQ) und der Lichtnutzungseffizienz (LUE) unter wechselnden Umweltbedingungen zu analysieren. Dabei hat sich gezeigt, dass die Kombination aus roter und fern-roter Fluoreszenz Effizienz (F687yield und F760yield) und dem PRI 65% der täglichen und 89% der saisonalen Variabilität der LUE von Zuckerrübe erklärt. Zusätzlich wurden flugzeuggestützte Messungen genutzt, um die räumliche und zeitliche Variabilität von F760yield, F680yield, dem Verhältnis zwischen roter und fern-roter Fluoreszenz (Fratio) und dem sogenannten verbesserten Vegetationsindex (EVI) innerhalb eines Flugstreifens und eines Tages zu bestimmen. Die Ergebnisse zeigen in Abhängigkeit zur Wasserverfügbarkeit eine hohe Variabilität von F760yield und Fratio im Laufe eines Tages und hinsichtlich der Feldfruchtart. Dies deutet darauf hin, dass Fluoreszenz-Produkte sensitiv auf Pflanzenstress reagieren. Die oben beschriebenen Ergebnisse wurden genutzt, um ein empirisches GPP Modell zu entwickeln, das auf F760yield, F687yield und PRI basiert. Die Ergebnisse wurden anschließend mit GPP-Werten, die aus Eddy Kovarianz Messungen (GPPEC) abgeleitet wurden, validiert und mit den Ergebnissen dreier derzeitig genutzten Modellen verglichen, die auf Fluoreszenz und Reflexion basieren. Die Ergebnisse zeigen, dass das neuentwickelte Modell, welches auf Fyield und PRI Informationen basiert, die Tages- und saisonale Variabilität von GPP am besten bestimmt. Die Anwendung der Modelle auf räumlich aufgelöste Daten zeigt, dass generell fluoreszenzbasierte Modelle die räumliche Variabilität von GPP besser erfassen als das Modell, welches allein auf Reflexionsindizes basiert. Abschließend wird der Entwurf für ein Modell vorgeschlagen, welches, basierend auf der photosynthetischen Energiebilanz, den PRI und die absolute Fluoreszenz (Ftot) nutzt, um GPP in einer stärkeren prozessorientierten weise zu bestimmen. Zusammengefasst stellt diese Arbeit heraus, dass sonneninduzierte Fluoreszenz die Abschätzung von GPP verbessert, wobei insbesondere die Kombination aus F und PRI die vielversprechendsten Ergebnisse liefert. Zusätzlich wird gezeigt, dass das Verhältnis von roter zu fern-roter Fluoreszenz sowie Fyield ein großes Potenzial haben, um stressbedingte raum-zeitlichen Pflanzenanpassungsstrategien abzubilden.

Item Type:

Thesis (PhD thesis)

Translated abstract:

Abstract

Language

Without photosynthesis, life on Earth as we know it would not be possible. The quantification of photosynthesis and its spatio-temporal description from canopy to global scales is one of the key challenges in terrestrial ecology. Light absorbed by plants can be used for the photosynthetic process, reemitted as fluorescence or released as heat (non-photochemical Quenching, NPQ). Recently developed methods allow assessing sun induced chlorophyll fluorescence (F) by vegetation from remote sensing platforms. Due to its direct physical link to photosynthesis, F opens new possibilities to quantify photosynthesis (usually defined as gross primary productivity, GPP) and detect plant stress in space and time. In this thesis, seasonally and spatially resolved datasets from novel ground (SIF-Sys) and airborne (HyPlant) measurement systems are used to analyze the spatio-temporal relationships between F, the photochemical reflectance index (PRI), which is linked to NPQ, and the efficiency of light to carbon conversion (light use efficiency, LUE) under changing environmental conditions. It was found that the combination of red and far-red fluorescence yields (F687yield and F760yield) and PRI explain 65% of intra-daily and 89% of inter-daily changes in LUE of sugar beet plants. In addition, airborne observations are used to assess the spatiotemporal variation of F760yield, F687yield, the ratio between red- and far-red fluorescence (Fratio) and the enhanced vegetation index (EVI) for different plants within a flight line over the course of a day. Results demonstrate that F760yield and Fratio have strong variability in time and between crop types suffering from different levels of water shortage, indicating a strong sensitivity of F products to plant stress reactions. The findings described above are used to develop an empirical GPP model (GPPMR) based on F687yield, F760yield and PRI. Estimated GPP is then validated with GPP measurements derived from an eddy covariance tower (GPPEC) and also compared with estimates of GPP derived from currently used models employing fluorescence and greenness-based vegetation indices. Results show that the newly developed model combining F760yield, F687yield and PRI performs best in predicting intra- and inter-daily changes in GPP. The application of the GPP models to spatio-temporal datasets demonstrates that, in general, fluorescence-based estimations better represent spatial variability in GPP than the ones based on common greenness-based vegetation indices. Finally, a new modeling scheme based on the photosynthetic energy balance to predict GPP by PRI and the total fluorescence signal (Ftot) in a more process oriented manner is proposed. In conclusion, this thesis provides evidence that the use of sun induced fluorescence improves estimates of GPP. However the most promising results are found when combining Fyield and PRI. In addition, it is shown that the ratio between red and far-red sun-induced fluorescence and their yields shows large potential for identifying spatio-temporal plant adaptation strategies in response to environmental stress.

English

Creators: