Utilisation de la température du feuillage pour l'irrigation de précision des vignes

USE OF CANOPY TEMPERATURE FOR PRECISION
IRRIGATION OF WINE GRAPES

Abstract

The objective of this research was to develop a method for calculating a water stress index (CWSI) for wine grape without direct measurement of well-watered and non-transpiring vines. ‘Syrah’ grapevines were grown under arid conditions in treatment plots that were drip-irrigated at a frequency of one or three times per week to supply either 70 or 35% of evapotranspiration-based vine water demand (ETc) in Parma, ID USA (43.78N, 116.94W; 750 m asl). Vines located in the trial perimeter were irrigated at >100% ETc. Infrared radiometers (20 cm diameter temperature sensing area), installed ~30 cm above sun-exposed, fully-expanded leaves at the top of the vine canopy, were used to record canopy surface temperature of vines in irrigation treatment plots and in the trial perimeter. Meteorological sensors recorded air temperature, relative humidity, total solar radiation and wind speed. An artificial neural network was trained to predict canopy temperature under well-watered conditions using data collected during the 2h period encompassing solar noon. The linear regression of predicted versus observed values for well-watered vines had a correlation coefficient of 0.91 with a root mean square error of 0.95 °C.

The canopy temperature of non-transpiring vines was estimated from the cumulative probability distribution of the temperature difference between the canopy of vines irrigated at 35% ETc and ambient air. A CWSI was calculated for vines in irrigation trial plots using their measured canopy temperatures and the estimated and predicted values for non-transpiring and well-watered vines. The CWSI for irrigation treatment plots was linearly correlated with midday leaf water potential and its slope and intercept varied with irrigation frequency. Results showed that meteorological data input into a neural network model combined with measured canopy temperature can be used to calculate a real-time CWSI without direct measurement of well-watered or non-transpiring vines.

Keywords : crop water stress index, leaf water potential, neural network modeling, infrared thermography

Résumé

L'objectif de cette recherche était de mettre au point une méthode pour calculer un index de stress hydrique (CWSI). Vignes de cultivar Syrah ont été cultivées à Parma, ID USA (43.78N, 116.94W; 750 m asl) en parcelles qui étaient irriguées à la fréquence de un ou trois fois par semaine à fournir 70 ou 35% de l'évapotranspiration demande (ETc). Plantes situées dans le périmètre de les parcelles etaient fourni de l'eau en excès de ETc. Radiomètres infrarouges étaient utilisés pour mesurer la temperature du feuillage et capteurs météorologiques étaient installées sur le site. Les données collectées au cours de la 2h période englobant midi solaire étaient entrée dans un réseau neural artificiel pour mettre au point un modélé de prediction pour le feuillage température de vignes sans un stress hydrique. La régression linéaire de températures prédites et mesurées avait un coefficient de corrélation de 0,91.

La température feuillage de vignes sous un stress hydrique assez grave pour arrêté la transpiration était estimée à partir de la probabilité cumulative distribution de la différence de température entre le feuillage de vignes irriguée au 35% ETc et l'air ambiant. Le CWSI était calculé pour les parcelles fournies avec 35 ou 70% ETc en utilisant la température mesurée de leur feuillage et les températures de feuillage estimées et prédites. Le CWSI était linéairement corrélées avec le potentiel hydrique des feuilles et sa pente et l'interception variait avec fréquence d'irrigation. Les résultats de cette étude ont montré qu'un CWSI peut être calculée de données météorologique en utilisant un réseau neural artificiel et le feuillage température de vignes qui sont sous un stress hydrique.

Mots-clés : indice de stress hydrique, la thermographie infrarouge, réseau neural artificiel