Source: Dissertation Abstracts International, Volume: 30-04, Section: B, page: 1427. / Thesis (Ph.D.)--The Florida State University, 1968.

No description available.

No description available.

No description available.

No description available.

The experiment was conducted at the Kendall Site of the Walnut Gulch Experiment Watershed in southeastern Arizona during the 1990 growing season. A special apparatus for mounting a spectroradiometer and acquiring bidirectional reflectance data was constructed and used over a semi-desert grassland plot. For purposes of analyzing multidirectional vegetation spectral behavior, the Normalized Difference Vegetation Index (NDVI) and Soil Adjusted Vegetation Index (SAVI) were calculated as a function of view angle and solar zenith angle throughout the growing season. The results have shown that the SAVI considerably minimized anisotropic behavior whereas the NDVI was very sensitive to both solar zenith and view angles. With further refinement the SAVI offers a technique whereby satellite measurements of vegetation activity could be further understood.

The error associated with the Revised Universal Soil Loss Equation (RUSLE) was determined by utilizing data from 21 U.S. sites representing 1704 years of measurements from 206 plots. RUSLE estimates were compared to the measured values for each year and the average value for each plot duration. The model efficiency coefficient on an annual basis was (.58) and on an average annual basis was (.73). The RUSLE was consistent with a previous study of the USLE which tended to over predict on plots with low erosion rates and under predict on plots with high erosion rates. Also the Topographic Factor (LS) value and the Cover and Management Factor (C) value had the most influence on model efficiency. The basis for this study was to compare the RUSLE with the USLE and to compare RUSLE simulations with observed data that was not a part of its critical development.

The primary objective of this thesis was to develop a system through which precision spraying of herbicides could be applied to a corn field at an early post-emergence stage of development. The initial hypotheses underlying this thesis were that it was possible to: 1) capture a series of digital images using a tractor-mounted camera; 2) tag these images using a Global Positioning System (GPS); 3) develop an algorithm to detect weeds in an image; 4) develop a weed map using a series of images tagged with the presence or absence of weeds; and 5) significantly reduce the amount of spraying needed by spraying only areas known to contain weeds, thus reducing both costs and environmental impact.The experimental conditions consisted of a field of corn crop 12-17 days into their development stage and at the 3-5 leaf stage of development. A tractor-mounted camera interfaced to a GPS system and linked to a laptop computer was used for gathering images of the corn field.Due to the complexities involved in separating weeds the crop, the bulk of the thesis work was dedicated to the analysis of different algorithms through which weeds could be identified and weed maps could be created. The algorithm selected for the identification of weeds was the greenness method, using a pixel-by-pixel analysis of the red-green-blue (RGB) intensity values. The weed-tagged images were used to develop a series of algorithms to create weed maps. These algorithms utilized a set of image aggregation methods in order to establish a spray- or no-spray value for each location on the field, which were then plotted to demonstrate the locations of the field to be sprayed. The algorithms were validated through the use of the bootstrap statistical method. Once done, the potential herbicide savings for each weed mapping algorithm were evaluated. The results indicated that the algorithms had the potential to yield a maximum herbicide savings of 76% when compared with blanket spraying of the entire field. Factors that influenced the potential herbicide savings included the weed density necessary before spraying is employed, the number of images chosen to aggregate, and the size of the field as a whole. Seven algorithms were 100% successful in detecting weeds. Validation testing revealed that, when compared with a control situation in which 100% of the field would be sprayed, the algorithm that sprayed the smallest percentage of the field while still eliminating all weeds yielded a potential 10% herbicide savings; under the same parameters, the best performing real-time algorithm yielded a potential 9% herbicide savings. Therefore, it was determined that a solution involving the real-time acquisition and processing of video data and using the greenness method for weed detection could be employed in order to obtain savings in herbicide application. / L'objectif principal de cette thèse était de développer un système par lequel l'application précise des herbicides pourrait être appliquée à un champ de maïs qui est dans un stade précoce post levée de développement. Les hypothèses de cette thèse étaient qu'il était possible de: 1) capturer une série d'images à l'aide d'une caméra montée sur un tracteur; 2) marquer ces images en utilisant un système de positionnement global (GPS); 3) développer un algorithme pour détecter les mauvaises herbes dans une image; 4) de développer une carte des mauvaises herbes à l'aide d'une série d'images étiqueté avec la présence ou l'absence de mauvaises herbes, et 5) réduire considérablement la quantité d'herbicides nécessaire par appliquer des herbicides seulement dans les zones connues pour contenir les mauvaises herbes, ce qui va permettre la réduction des coûts et des impacts environnementaux. Les conditions expérimentales se composait d'un champ de maïs 12-17 jours après le début de leur phase de développement et au stade 3-5 feuilles du développement. Une caméra montée sur tracteur et relié à un système GPS et un ordinateur portable a été utilisé pour recueillir des images du champ de maïs.En raison de la complexité de distinguer les mauvaises herbes, la majorité du travail a été consacré à l'analyse des algorithmes d'identification et cartographie des mauvaises herbes. L'algorithme choisi pour l'identification des mauvaises herbes a été la méthode de verdure, en utilisant une analyse pixel par pixel des valeurs d'intensité rouge-vert-bleu (RGB).Les images de mauvaises herbes marquées ont été utilisées pour développer une série d'algorithmes pour créer des cartes des mauvaises herbes. Ces algorithmes ont utilisé un ensemble de méthodes d'agrégation d'image afin d'établir une valeur indiquant si les herbicides doit être appliqués pour chaque endroit sur le terrain. En utilisant ces valeurs, des cartes des mauvaises herbes ont été créés pour montrer les endroits identifiées. Les algorithmes ont été validés par utiliser l'algorithme bootstrap. Une fois cela fait, les économies d'herbicides potentiels pour chaque algorithme de cartographie des mauvaises herbes ont été évaluées. Les résultats ont indiqué que les algorithmes avait le potentiel de produire des économies d'herbicides maximales de 76% par rapport à l'application des herbicides à la totalité du champ. Facteurs qui ont influé les économies d'herbicides potentiels inclus la densité des mauvaises herbes nécessaires avant l'application des herbicides, le nombre d'images choisies à l'agrégation, et la taille du champ. Sept algorithmes ont réussi à détecter 100% des mauvaises herbes.Tests de validation ont révélé que, en comparaison avec une situation de contrôle dans lequel les herbicides seront appliquer à 100% du champ, l'algorithme qui appliquait le plus petit pourcentage des herbicides en éliminant toutes les mauvaises herbes à des économies potentielles d'herbicides de 10%; selon les mêmes paramètres, l'algorithme en temps réel le plus performante avait une économie potentielle d'herbicides 9%. Donc, il a été déterminé qu'une solution impliquant l'acquisition et le traitement en temps réel des données vidéo et en utilisant la méthode verdure pour la détection des mauvaises herbes pourrait être employée afin d'obtenir des économies substantielles en application de l'herbicide.

Field pea (Pisum sativum L.) is an important cool-season crop cultivated globally for its protein-rich seed and soil fertility benefits. A segregating population was developed by Single Seed Descent (SSD) methods following controlled crosses between parents that can establish a source for future studies including genetic mapping. True hybrids were identified at seedling stage using polymorphic Simple Sequence Repeats (SSRs). SSRs or microsatellites are also valuable tools for assessing genetic diversity in plants as knowledge of genetic diversity is essential for the development of new desirable germplasm and elite breeding lines. Fifty microsatellites and four transposon-based markers (2 DNA-transposons & 2 RNA-transposons) were successfully employed in this study to assess genetic diversity in 35 diverse Pisum accessions. Pairwise genetic similarity ranged from 0.045 to 0.838. Polymorphic Information Content (PIC) ranged from 0.055 to 0.887 with a mean of 0.668. The Molecular markers explored in this investigation have potential to identify new resources for Marker-Assisted Selection (MAS) and future development of elite pea breeding lines in response to climate change and declining land, water and energy resources. / Cultivé dans le monde entier dans les zones tempérées, le pois sec (Pisum sativum L.) est cultivé pour sa richesse en protéines et sa capacité d'améliorer les conditions du sol. Enfin de faciliter de futurs travaux de recherche, une population en ségrégation a été développée par « Single Seed Descent » après des croisements entre des lignes parentales. Les véritables hybrides ont été identifiés au stade plantule en identifiant les polymorphes ADN hautement répétitif (AHR). Les AHRs ou microsatellites sont des utiles précieux pour les évaluations de la diversité génétique car la connaissance de la diversité génétique est essentielle pour le développement de nouveau matériaux génétiques et des lignées d'élites. Cinquante microsatellites et quatre marqueurs de transposons (deux transposons d'ADN et deux transposons d'ARN) ont été employé avec succès afin d'évaluer la diversité génétique de 35 accessions de Pisum. Les statistiques par paires de la similarité génétique ont varié entre 0.045 et 0.838. L'information du contenu polymorphique (PIC) a varié entre 0.055 et 0.887 (moyen de 0.668). Les marqueurs moléculaires qui ont été exploré dans cet étude ont le potentiel d'identifier des nouvelles ressources pour la sélection assisté par marqueurs et pour le développement de lignées élites en réponse aux changements climatiques, à la diminution des terres et de l'eau disponible et des ressources énergétiques.

Precision irrigation scheduling is critical to improving irrigation efficiency. It is a combined technical and managerial tool that determines accurately when, how much and how often irrigation is applied to meet optimum crop response. This is particularly challenging in humid regions such as Southwestern Ontario, where soil moisture is often influenced by periodic rainfalls. The overarching goal of this three year research project was to investigate different irrigation scheduling strategies for tomato production in Leamingtion, Ontario. There were four specific objectives. The first sought to develop an optimum irrigation schedule for intensive cultivation of processing tomatoes by examining different irrigation trigger levels. Moisture triggers were expressed as a fraction of field capacity and soil tension, which are also related to soil available water content (AWC). Triggers with moisture depletion levels of ≤ 40 % (AWC) produced the higher yields. However, the best yields were obtained from the tension treatment with an upper and lower moisture threshold of -10 kPa and -30 kPa, which represented 20 to 24% depletion in AWC.The second objective sought to develop a robust protocol for implementing an irrigation scheduling. Three different types of soil moisture sensors were evaluated. The tension based senor emerged with the highest evaluation score. However, all three sensors could be used to effect irrigation scheduling. The sensor based irrigation data was subsequently compared with the Peman-Monteith model. It was found that the soil moisture treatments with a moisture depletion level of ≤ 40 % soil available water content (AWC) adequately met crop water requirements throughout the season.The third objective examined the spatio-temporal variability of soil moisture under drip irrigation in a controlled greenhouse environment. The study indicated that soil moisture content was not uniformly distributed prior to or after an irrigation event. For double row planting of tomatoes with a central drip line, a row spacing of 50 cm was adequate for planting of seedlings, due to the higher soil moisture contents within that zone. Further, due to the lack of uniform distribution of moisture in the soil profile, paired sensors (with one either side of the drip line) can provide a better estimate of soil moisture depletion for sensor based irrigation scheduling.The fourth objective investigated the nutrient dynamics along the soil profile over the growing season. Soil nutrients (P and N) were monitored at three different levels of the profile (0 to 30, 30 to 50 and 50 to 70 cm) and at the pre-planting, mid-season and end of season stages. Statistical significance in Olsen P and NO3-N was obtained both across the season and along the profile for each of the three years. The variability among treatments was not significant. The P and N concentrations at the 50 to 70 cm depths were found to be high, with the potential of being leached through the subsurface drainage system. A modification in the application of P and N can help reduce leaching of nutrients below the rooting zone. This would necessitate a split application of P and more frequent application of liquid N in smaller quantities. / La planification précise de l'irrigation est critique à l'amélioration de son rendement. C'est un outil technique et de gestion qui permet d'évaluer avec précision la quantité et la fréquence d'application de l'irrigation afin de répondre à la demande pour une croissance optimale des cultures. Cette planification est particulièrement difficile dans les régions humides, comme celles du sud-ouest ontarien, où l'humidité des sols est influencée par des pluies périodiques. Le but fondamental de ce projet de recherche de trois ans était d'étudier les différentes stratégies de planification de l'irrigation pour la production de tomates à Leamington, Ontario. Il y a eu quatre objectifs spécifiques. Le premier a visé à développer une planification optimale de l'irrigation pour des conditions intensives de culture de la tomate destinée à la transformation en examinant différents facteurs déclencheurs pour l'irrigation. Le taux d'humidité, comme élément déclencheur, a été exprimé par une fraction de la capacité au champ et de la succion du sol, qui sont reliés à la réserve utile (RU) d'eau du sol. Le dispositif de déclenchement avec un appauvrissement en eau de ≤ 40% (RU) a produit les meilleurs rendements. Les meilleurs rendements ont été obtenus lors d'une tension entre les seuils critiques supérieur et inférieur d'humidité de -10 kPa et -30 kPa, ce qui représentait un appauvrissement de 20 à 24% de la RU. Le second objectif a visé le développement d'un protocole robuste pour la mise en opération d'une planification du calendrier d'irrigation. Trois différents types de capteurs de l'humidité du sol ont été évalués. Le capteur basé sur la mesure de succion est sorti gagnant avec la plus haute note d'évaluation. Cependant, les trois capteurs peuvent être utilisés avec succès pour le contrôle du calendrier d'irrigation. Les données obtenues lors de l'irrigation contrôlée par les capteurs ont été comparées avec le modèle de Peman-Monteith. Il a été démontré que les niveaux d'humidité du sol qui ont assuré un appauvrissement en eau de ≤ 40% de la réserve utile (RU) du sol en eau ont permis de remplir les besoins en eau des cultures tout au long de la saison. Le troisième objectif a examiné la variabilité spatio-temporelle de l'humidité du sol lors de l'irrigation au goutte-à-goutte dans une serre à environnement contrôlé. L'étude a montré que l'humidité du sol n'était pas distribuée uniformément et ce avant, comme après l'irrigation. Dans le cas des tomates de champ avec une ligne centrale de goutte-à-goutte, un espacement de rangée double de 50 cm fut adéquat pour le semis des jeunes pousses, grâce au plus haut taux d'humidité du sol dans cette zone. De plus, avec le manque d'uniformité de la distribution de l'humidité dans le sol, des capteurs jumelés (placés de chaque côté de la ligne goutte-à-goutte) pourraient donner une meilleure estimation de l'appauvrissement en eau du sol pour une meilleure programmation de l'irrigation contrôlée par capteur. Le quatrième objectif a étudié la cinétique des éléments nutritifs à travers le profil du sol tout au long de la saison de culture. Les éléments nutritifs du sol (P et N) ont été surveillés à différents niveaux du profil (0 à 30, 30 à 50 et 50 à 70 cm) et au moment précédant le semis, en mi-saison et en fin de saison. La signification statistique de P et N a été obtenue tout au long de la saison et selon le profil du sol et ce pour les trois années de l'étude. La variabilité entre les traitements n'a pas été significative. Les concentrations en P et N aux profondeurs de 50 et 70 cm se sont avérées élevées, avec un potentiel d'être emportées par le système de drainage souterrain. Une modification de l'application de P et N peut aider à réduire le lessivage du sol sous la zone racinaire.