Decision analysis and hyperspectral imaging to support farmers in ornamental heather production

Abstract

Ornamental Heather (<em>Calluna vulgaris</em>) is an important crop for the farmers of Germany’s Lower Rhine region. These farmers produce more than 78% of the ornamental heather in Germany. Successful production of this crop requires management of a variety of fungal pathogens, including <em>Botrytis cinerea</em>, <em>Glomerella cingulata</em>, and <em>Phytophthora</em> spp., which threaten the economic success of the farms. Fungal pathogens can lead to sudden mass disease outbreak and reduce the attractive and healthy look of ornamental plants, which is critical at the market. It is nearly impossible to make a profit with heather plants that have disease symptoms. To prevent the occurrence of disease symptoms, farmers often apply frequent and intensive prophylactic fungicide applications. However, the future of heather cultivation will likely require new cultivation techniques without prophylactic spraying. This is partly because intensive pesticide applications can favor the development of pathogen resistance and because some of the existing plant protection product approvals are set to expire. Moreover, consumers favor products with environmentally friendly cultivation strategies and farmers do too. Therefore, farmers are looking for more sustainable and less pesticide-intensive crop management options. In this thesis I outline a successful approach to working together with farmers, stakeholders, and experts to understand and make forecasts about changes to these cultivation systems. Following holistic research techniques, I gathered the many uncertainties and risks and made scientifically supported recommendations for more sustainable production techniques. The chapters of this thesis will outline my process of understanding the complexity of ornamental heather production, generating probabilistic impact pathway models in direct collaboration with experts and farmers, developing methods to analyze the vitality of heathers using hyperspectral sensors, and generating forecasts to support decision-making and assessment of farmers’ individual risk preferences: <br /> 1. In chapter 2, I report the results of a model-based simulation of management options in heather production. A general reduction in prophylactic fungicide applications does not currently appear to be beneficial to farmers. In contrast, implementing a monitoring plan to monitor disease symptoms is likely to result in a positive net benefit. We conclude that more intensive visual monitoring of disease symptoms has the potential to optimize crop management in heather production. <br /> 2. In chapter 3, I present a method for hyperspectral analysis of ornamental plants and the potential of sensor-based monitoring of heather plants. We applied a trained Partial Least Squares Regression model on the spectral reflectance data collected from measured heather plants. The model classified plants into healthy and stressed with an accuracy of 98.1% and identified the most important wavelengths for the classification process. The method is promising for high-resolution measurements of ornamental plants and particularly well suited for small plant samples. <br /> 3. In chapter 4, I report the projected impact of different monitoring approaches on the profitability and on the expected utility of heather farmers. The results show that heather production is inherently risky. Financial benefits appear to be better with the intensive visual monitoring strategy, which is more preferred by risk-taking farmers who want to maximize profits and optimize their system. Risk-averse farmers, on the other hand, would rather stay with currently applied management. Sensor-based monitoring incurs a risk of financial losses that currently seems to be too high for application in the heather production system. <br /> The collaborative research approaches outlined in the thesis could be widely applied for research into risks and uncertainties of decision-making in agricultural production systems. These processes could also be used by decision-makers and policy-makers working in the agricultural sector. The specific results of the model building processes and the resulting forecasts generated in this work have helped farmers and producers of ornamental plants who seek to implement changes to optimize their horticultural crop management, to assess applicability of new technologies, and to improve disease control strategies while considering individual risk preferences.

Die Callune (<em>Calluna vulgaris</em>) gehört zu den wichtigsten Zierpflanzen am Niederrhein. Die Produzent*innen erzeugen dort mehr als 78% der in Deutschland produzierten Callunen. Die erfolgreiche Produktion erfordert die Kontrolle einer Vielzahl pilzlicher Pathogene, einschließlich <em>Botrytis cinerea</em>, <em>Glomerella cingulata</em> und <em>Phytophthora</em> spp., die den wirtschaftlichen Erfolg der Betriebe bedrohen. Pilzliche Pathogene können zu einem plötzlichen massenhaften Krankheitsausbruch führen und das Aussehen der Pflanzen beeinträchtigen. Es ist fast unmöglich Gewinn durch den Pflanzenverkauf zu erzielen, wenn Callunen Krankheitssymptome aufweisen. Um das Auftreten von Krankheitssymptomen zu verhindern, führen Produzent*innen häufige und intensive prophylaktische Fungizidapplikationen durch. Die zukünftige Calluna-Produktion könnte eine Kulturführung ohne intensive Fungizidapplikationen erfordern, da Pflanzenschutzmittelanwendungen die Pathogen-Resistenzbildung begünstigen können und einige der bestehenden Zulassungen für Pflanzenschutzmittel bald auslaufen. Außerdem bevorzugen Verbraucher*innen wie Produzent*innen umweltfreundlichere Anbaustrategien. Daher suchen Calluna-Produzent*innen nach neuen und nachhaltigeren Anbaumethoden. In dieser Arbeit präsentiere ich einen erfolgreichen Ansatz, der durch direkte Zusammenarbeit mit Produzent*innen und weiteren Expert*innen erlaubt, Veränderungen aufgrund von neuen Entscheidungen im Produktionssystem zu prognostizieren. Ich habe mittels ganzheitlicher Forschungstechniken die vielen Unsicherheiten und Risiken in der Calluna-Produktion erfasst, um wissenschaftlich gestützte Empfehlungen für eine nachhaltigere Kulturführung zu erstellen. Die Kapitel dieser Arbeit behandeln den Prozess, die Calluna-Produktion zu erfassen, von der partizipativen Erstellung probabilistischer Modelle, über die Entwicklung eines Verfahrens zur Detektion der Vitalität von Callunen mittels Hyperspektralsensoren, bis hin zur Unterstützung der Entscheidungsfindung und Bewertung der Risikopräferenzen der Produzent*innen: <br /> 1. In Kapitel 2 berichte ich über die Ergebnisse einer modellbasierten Simulation von Managementoptionen in der Calluna-Produktion. Eine generelle Reduzierung der prophylaktischen Fungizidanwendungen scheint derzeit keinen Nutzen für die Produzent*innen zu haben. Im Gegensatz dazu führt die Implementierung eines Monitoringplans zur Überwachung von Krankheitssymptomen eher zu einem positiven Nettonutzen. Eine intensivere visuelle Überwachung der Krankheitssymptome scheint das Potential zu haben, die Calluna-Produktion zu optimieren. <br /> 2. In Kapitel 3 stelle ich ein Verfahren zur hyperspektralen Analyse von Zierpflanzen vor und erörtere das Potential von sensor-basiertem Monitoring an Callunen. Wir wendeten ein trainiertes Partial Least Squares Regression Modell auf die gemessene spektralen Reflektanz von Callunen an. Das Modell klassifizierte die Pflanzen mit einer Genauigkeit von 98,1 % in „gesund“ und „gestresst“ und identifizierte die wichtigsten Wellenlängen für den Klassifizierungsprozess. Die Methode ist vielversprechend für hochauflösende Sensormessungen von Zierpflanzen und besonders gut für kleine Pflanzenproben geeignet. <br /> 3. In Kapitel 4 berichte ich über die prognostizierten Auswirkungen verschiedener Monitoringansätze auf die Wirtschaftlichkeit und den erwarteten Nutzen der Calluna-Produzent*innen. Die Ergebnisse zeigen, dass die Calluna-Produktion generell risikoreich ist. Der finanzielle Nutzen scheint bei der intensiven visuellen Überwachung höher zu sein, die eher von risikofreudigen Produzent*innen bevorzugt wird, die ihren Gewinn maximieren und ihr System optimieren wollen. Risikoscheue Produzent*innen hingegen würden das aktuell angewandte Management weiterhin bevorzugen. Die sensorbasierte Überwachung birgt ein Risiko für finanzielle Verluste, das für die Calluna-Produktion aktuell zu hoch zu sein scheint. <br /> Die in dieser Arbeit dargestellten kollaborativen Forschungsansätze können in großem Umfang für die Erforschung von Risiken und Unsicherheiten bei der Entscheidungsfindung in landwirtschaftlichen Produktionssystemen eingesetzt werden. Die Methoden können von politischen Entscheidungsträger*innen, die im landwirtschaftlichen Sektor tätig sind, genutzt werden. Die Ergebnisse der Modellbildungsprozesse und die daraus resultierenden Prognosen, die in meiner Arbeit generiert wurden, haben Produzent*innen von Zierpflanzen geholfen, nachhaltigere Anbaumethoden in ihrer gartenbaulichen Kulturführung zu implementieren, die Anwendbarkeit neuer Technologien einzuschätzen und Strategien zur Kontrolle von Krankheiten unter Berücksichtigung der individuellen Risikopräferenzen zu bewerten.