Yaprak ve Taç Düzeyindeki Spektral Ölçümler ile Biberin Yaprak Su Potansiyelinin Belirlenmesi

Öz

Bitkisel üretimde verimi ve üretim kalitesini sınırlayan etmenlerden biri de bitkinin maruz kaldığı su stresidir. Uzaktan algılamada spektral yansıma ölçümleri kullanılarak bitkideki su stresi belirlenebilmektedir. Bu çalışmada, biber (Capsicum annuum, L. cv. California Wonder) bitkisinde hem yaprak hem de taç düzeyinde yapılan spektral ölçümler sonucu hesaplanan indekslerin su stresine tepkileri ve yaprak su potansiyeli ile aralarındaki ilişkiler araştırılmıştır. Bu amaçla 2018 yılında Çanakkale’de kurulan denemede, bir tam sulama (%100) ve üç su stresi düzeyi (%75, %50 ve %25) olmak üzere 4 farklı sulama konusu ele alınmıştır. Yaprak düzeyindeki yansıma ölçümleri 1°, taç düzeyindeki ölçümler ise 25° görüş açılı lens kullanılarak yapılmıştır. Elde edilen bu yansıma değerlerinden bitkinin fizyolojik durumuna hassas olan Su İndeksi (WBI), Değişken Konumlu Su Bant İndeksi (fWBI), Normalize Edilmiş Vejetatif Değişim İndeksi (NDVI), Basit Oran (SR) ve Kırmızı-Yeşil Oran İndeksi (RGI) olmak üzere beş farklı spektral indeks hesaplanmıştır. Çalışma sonucuna göre yaprak düzeyinde hesaplanan indekslerden sadece SR, taç düzeyinde hesaplanan indekslerden de fWBI, NDVI ve RGI su stresini ayırt etmede diğerlerine göre daha başarılı bulunmuştur. Ayrıca genel itibariyle taç ölçümlerinin yaprak düzeyindeki ölçümlere göre daha iyi sonuçlar verdiği görülmüştür. Yaprak su potansiyeli ile her iki ölçüm tekniğiyle de hesaplanan spektral indeksler arasında önemli ilişkiler elde edilmiştir. Regresyon analizi sonuçlarına göre; en yüksek belirtme katsayıları (R²), yaprak düzeyinde WBI ve fWBI (R²=0,87), taç düzeyinde de fWBI ve RGI (R²=0,86) indeksleri ile yaprak su potansiyeli arasında olmuştur. Sonuç olarak her iki ölçüm tekniğiyle hesaplanan spektral indekslerin biberde su stresinin ve yaprak su potansiyelinin belirlenmesinde önemli potansiyele sahip olduğu söylenebilir.

Anahtar Kelimeler

• Spektroradyometre,uzaktan algılama,biber,su stresi

Kaynakça

1. Camoglu, G., Kaya, U., Akkuzu, E., Genc, L., Gurbuz, M., Pamuk Mengu, G., et al. 2013. Prediction of leaf water status using spectral indices at young olive trees. Fresenius Environmental Bulletin, 22(9a):2713- 2720.
2. Camoglu, G., Demirel, K., Genc, L., 2018. Use of Infrared thermography and hyperspectral data to detect effects of water stress on pepper. Quantitative InfraRed Thermography Journal, 15(1):81-94.
3. Çamoglu, Genç L., 2013. Taze Fasulyede su stresinin belirlenmesinde termal görüntülerin ve spektral verilerin kullanımı. ÇOMÜ Ziraat Fakültesi Dergisi, 1(1):15-27.Çamoğlu, G., Demirel, K., Genç, L., 2019. Termal kamera ve NDVI sensörü kullanılarak domatesin fizyolojik özelliklerinin tahminlenmesi. Harran Tarım ve Gıda Bilimleri Dergisi, 23(1):78-89.
4. Demirel, K., Genc L., Bahar, E., Inalpulat, M., Smith, S. and Kizil, U., 2014a. Yield estimate using spectral indices in eggplant and bell pepper grown under deficit irrigation. Fresenius Environmental Bulletin, 23(5):1231-1237.
5. Demirel, K., Camoglu, G., Genc, L., Kizil, U., 2014b. The Variation of plant stress indicators and some traits under different irrigation and nitrogen levels in the rocket. Fresenius Environmental Bulletin, 23(5):1238-1248.
6. Dongwang L., Yongjiang, Z., Liantao, L., Hongchun, S., Yuchun, L., Zhiying, B., Cundong, L., 2018. Responses of canopy photosynthesis, spectral indices and solar-induced chlorophyll fluorescence in cotton under drought stress. Cotton Science, 30(3):242-251.
7. Rodriguez-Perez, J.R., Riano, D., Carlisle, E., Ustin, S., Smart, D.R., 2007. Evaluation of hyperspectral reflectance indexes to detect grapevine water status in vineyards. Am. J. Enol. Vitic., 58(3):302-317.
8. Jackson, R.D., Pinter, P.J., Jr., Reginato, R.J., Idso, S.B., 1980. Hand-held radiometry. A Set of Notes Developed for Use at the Workshop on Hand-Held Radiometry, 25–26 February, Phoenix, Arizona.

9. Jones, C.L., Weckler, P.R., Maness, N.O., Stone, M.L., Jayasekara, R., 2004. Estimating Water Stress in Plants Using Hyperspectral Sensing, ASAE/CSAE Annual International Meeting, 1-4 August, Paper Number: 043065.
10. Mastrorilli, M., Campi, P., Palumbo, A.D., Modugno, F., 2010. Ground-based remote sensing for assessing tomato water-status. Italian Journal of Agronomy. 5:177-183.
11. Nicacias, M.M., 2009. Evaluating the effect of moisture stress on tomato using non-destructive remote sensing techniques. Master Thesis, School of Agricultural And Environmental Science, Faculty of Science and Agriculture, University of Limpopo.
12. Penuelas, J., Gamon, J.A., Fredeen, A.L., Merino, J., Field, C.B., 1994. Reflectance indices associated with physiological changes in nitrogen- and water-limited sunflower leaves. Remote Sens. Environ. 48:135-146.
13. Penuelas, J., Pinol, J., Ogaya, R., Fiella, I., 1997. Estimation of plant water concentration by the reflectance water index WI (R900/R970). International Journal of Remote Sensing, 18: 2869-2875.
14. Rouse, J.W., Hass, R.H., Schell, J.A., Deering, D.W., 1973. Monitoring vegetation systems in the great plains with ERTS. In: Proceedings of the Third ERTS Symposium (309-317 pp), (Goddard Space Flight Center), DC: NASA, NASA SP-351, Washington.
15. Strachan, I.B., Pattey, E., Boisvert, J.B., 2002. Impact of nitrogen and environmental conditions on corn as detected by hyperspectral reflectance. Remote Sensing of Environment, 80(2):213-24.
16. Zarco-Tejada P.J. Berjon, A., Lopex-Lozano, R., Miller, J.R., Martin, P., Cachorro, V., Gonzalez, M.R., de Frutos, A., 2005. Assessing vineyard condition with hyperspectral indices: leaf and canopy reflectance simulation in a row-strucured discontinuous canopy. Remote Sens. Environ., 99:271-287.
17. Zhao, S., Wang, Q., Yao, Y., Du, S., Zhang, C., Li, J., Zhao, J., 2016. Estimating and validating wheat leaf water content whit three MODIS spectral indexes: A Case Study in Ningxia Plain, China, 18:387-398.