Statistical evaluation of texture analysis from the biocrystallization method

The consumers are becoming more concerned about food quality, especially regarding how, when and where the foods are produced (Haglund et al., 1999; Kahl et al., 2004; Alföldi, et al., 2006). Therefore, during recent years there has been a growing interest in the methods for food quality assessment, especially in the picture-development methods as a complement to traditional chemical analysis of single compounds (Kahl et al., 2006). The biocrystallization as one of the picture-developing method is based on the crystallographic phenomenon that when crystallizing aqueous solutions of dihydrate CuCl2 with adding of organic solutions, originating, e.g., from crop samples, biocrystallograms are generated with reproducible crystal patterns (Kleber & Steinike-Hartung, 1959). Its output is a crystal pattern on glass plates from which different variables (numbers) can be calculated by using image analysis. However, there is a lack of a standardized evaluation method to quantify the morphological features of the biocrystallogram image. Therefore, the main sakes of this research are (1) to optimize an existing statistical model in order to describe all the effects that contribute to the experiment, (2) to investigate the effect of image parameters on the texture analysis of the biocrystallogram images, i.e., region of interest (ROI), color transformation and histogram matching on samples from the project 020E170/F financed by the Federal Ministry of Food, Agriculture and Consumer Protection(BMELV).The samples are wheat and carrots from controlled field and farm trials, (3) to consider the strongest effect of texture parameter with the visual evaluation criteria that have been developed by a group of researcher (University of Kassel, Germany; Louis Bolk Institute (LBI), Netherlands and Biodynamic Research Association Denmark (BRAD), Denmark) in order to clarify how the relation of the texture parameter and visual characteristics on an image is. The refined statistical model was accomplished by using a lme model with repeated measurements via crossed effects, programmed in R (version 2.1.0). The validity of the F and P values is checked against the SAS program. While getting from the ANOVA the same F values, the P values are bigger in R because of the more conservative approach. The refined model is calculating more significant P values. The optimization of the image analysis is dealing with the following parameters: ROI(Region of Interest which is the area around the geometrical center), color transformation (calculation of the 1 dimensional gray level value out of the three dimensional color information of the scanned picture, which is necessary for the texture analysis), histogram matching (normalization of the histogram of the picture to enhance the contrast and to minimize the errors from lighting conditions). The samples were wheat from DOC trial with 4 field replicates for the years 2003 and 2005, “market samples”(organic and conventional neighbors with the same variety) for 2004 and 2005, carrot where the samples were obtained from the University of Kassel (2 varieties, 2 nitrogen treatments) for the years 2004, 2005, 2006 and “market samples” of carrot for the years 2004 and 2005. The criterion for the optimization was repeatability of the differentiation of the samples over the different harvest(years). For different samples different ROIs were found, which reflect the different pictures. The best color transformation that shows efficiently differentiation is relied on gray scale, i.e., equal color transformation. The second dimension of the color transformation only appeared in some years for the effect of color wavelength(hue) for carrot treated with different nitrate fertilizer levels. The best histogram matching is the Gaussian distribution. The approach was to find a connection between the variables from textural image analysis with the different visual criteria. The relation between the texture parameters and visual evaluation criteria was limited to the carrot samples, especially, as it could be well differentiated by the texture analysis. It was possible to connect groups of variables of the texture analysis with groups of criteria from the visual evaluation. These selected variables were able to differentiate the samples but not able to classify the samples according to the treatment. Contrarily, in case of visual criteria which describe the picture as a whole there is a classification in 80% of the sample cases possible. Herewith, it clearly can find the limits of the single variable approach of the image analysis (texture analysis).

Modelling of global crop production and resulting N2O emissions

Landwirtschaft spielt eine zentrale Rolle im Erdsystem. Sie trägt durch die Emission von CO2, CH4 und N2O zum Treibhauseffekt bei, kann Bodendegradation und Eutrophierung verursachen, regionale Wasserkreisläufe verändern und wird außerdem stark vom Klimawandel betroffen sein. Da all diese Prozesse durch die zugrunde liegenden Nährstoff- und Wasserflüsse eng miteinander verknüpft sind, sollten sie in einem konsistenten Modellansatz betrachtet werden. Dennoch haben Datenmangel und ungenügendes Prozessverständnis dies bis vor kurzem auf der globalen Skala verhindert. In dieser Arbeit wird die erste Version eines solchen konsistenten globalen Modellansatzes präsentiert, wobei der Schwerpunkt auf der Simulation landwirtschaftlicher Erträge und den resultierenden N2O-Emissionen liegt. Der Grund für diese Schwerpunktsetzung liegt darin, dass die korrekte Abbildung des Pflanzenwachstums eine essentielle Voraussetzung für die Simulation aller anderen Prozesse ist. Des weiteren sind aktuelle und potentielle landwirtschaftliche Erträge wichtige treibende Kräfte für Landnutzungsänderungen und werden stark vom Klimawandel betroffen sein. Den zweiten Schwerpunkt bildet die Abschätzung landwirtschaftlicher N2O-Emissionen, da bislang kein prozessbasiertes N2O-Modell auf der globalen Skala eingesetzt wurde. Als Grundlage für die globale Modellierung wurde das bestehende Agrarökosystemmodell Daycent gewählt. Neben der Schaffung der Simulationsumgebung wurden zunächst die benötigten globalen Datensätze für Bodenparameter, Klima und landwirtschaftliche Bewirtschaftung zusammengestellt. Da für Pflanzzeitpunkte bislang keine globale Datenbasis zur Verfügung steht, und diese sich mit dem Klimawandel ändern werden, wurde eine Routine zur Berechnung von Pflanzzeitpunkten entwickelt. Die Ergebnisse zeigen eine gute Übereinstimmung mit Anbaukalendern der FAO, die für einige Feldfrüchte und Länder verfügbar sind. Danach wurde das Daycent-Modell für die Ertragsberechnung von Weizen, Reis, Mais, Soja, Hirse, Hülsenfrüchten, Kartoffel, Cassava und Baumwolle parametrisiert und kalibriert. Die Simulationsergebnisse zeigen, dass Daycent die wichtigsten Klima-, Boden- und Bewirtschaftungseffekte auf die Ertragsbildung korrekt abbildet. Berechnete Länderdurchschnitte stimmen gut mit Daten der FAO überein (R2 = 0.66 für Weizen, Reis und Mais; R2 = 0.32 für Soja), und räumliche Ertragsmuster entsprechen weitgehend der beobachteten Verteilung von Feldfrüchten und subnationalen Statistiken. Vor der Modellierung landwirtschaftlicher N2O-Emissionen mit dem Daycent-Modell stand eine statistische Analyse von N2O-und NO-Emissionsmessungen aus natürlichen und landwirtschaftlichen Ökosystemen. Die als signifikant identifizierten Parameter für N2O (Düngemenge, Bodenkohlenstoffgehalt, Boden-pH, Textur, Feldfrucht, Düngersorte) und NO (Düngemenge, Bodenstickstoffgehalt, Klima) entsprechen weitgehend den Ergebnissen einer früheren Analyse. Für Emissionen aus Böden unter natürlicher Vegetation, für die es bislang keine solche statistische Untersuchung gab, haben Bodenkohlenstoffgehalt, Boden-pH, Lagerungsdichte, Drainierung und Vegetationstyp einen signifikanten Einfluss auf die N2O-Emissionen, während NO-Emissionen signifikant von Bodenkohlenstoffgehalt und Vegetationstyp abhängen. Basierend auf den daraus entwickelten statistischen Modellen betragen die globalen Emissionen aus Ackerböden 3.3 Tg N/y für N2O, und 1.4 Tg N/y für NO. Solche statistischen Modelle sind nützlich, um Abschätzungen und Unsicherheitsbereiche von N2O- und NO-Emissionen basierend auf einer Vielzahl von Messungen zu berechnen. Die Dynamik des Bodenstickstoffs, insbesondere beeinflusst durch Pflanzenwachstum, Klimawandel und Landnutzungsänderung, kann allerdings nur durch die Anwendung von prozessorientierten Modellen berücksichtigt werden. Zur Modellierung von N2O-Emissionen mit dem Daycent-Modell wurde zunächst dessen Spurengasmodul durch eine detailliertere Berechnung von Nitrifikation und Denitrifikation und die Berücksichtigung von Frost-Auftau-Emissionen weiterentwickelt. Diese überarbeitete Modellversion wurde dann an N2O-Emissionsmessungen unter verschiedenen Klimaten und Feldfrüchten getestet. Sowohl die Dynamik als auch die Gesamtsummen der N2O-Emissionen werden befriedigend abgebildet, wobei die Modelleffizienz für monatliche Mittelwerte zwischen 0.1 und 0.66 für die meisten Standorte liegt. Basierend auf der überarbeiteten Modellversion wurden die N2O-Emissionen für die zuvor parametrisierten Feldfrüchte berechnet. Emissionsraten und feldfruchtspezifische Unterschiede stimmen weitgehend mit Literaturangaben überein. Düngemittelinduzierte Emissionen, die momentan vom IPCC mit 1.25 +/- 1% der eingesetzten Düngemenge abgeschätzt werden, reichen von 0.77% (Reis) bis 2.76% (Mais). Die Summe der berechneten Emissionen aus landwirtschaftlichen Böden beträgt für die Mitte der 1990er Jahre 2.1 Tg N2O-N/y, was mit den Abschätzungen aus anderen Studien übereinstimmt.

Entwicklung, in-house Validierung und Anwendung des ganzheitlichen Verfahrens Biokristallisation für die Unterscheidung von Weizen-, Möhren- und Apfelproben aus unterschiedlichem Anbau und Verarbeitungsschritten

Die Qualität ökologischer Produkte wird über den Prozess und nicht am Produkt selbst bestimmt. Die zunehmende Nachfrage nach ökologischen Produkten fordert Methoden, die den Prozess am Produkt zeigen (Authentizitätsprüfung). Eine Literaturstudie für die vorliegende Habilitationsschrift ergab, dass ganzheitliche Verfahren sich dazu besonders eignen. Zu solchen ganzheitlichen Verfahren gehört die Biokristallisation. Bei diesem Verfahren kristallisiert eine Mischung aus Probe und CuCl2 auf einer Glasplatte zu einem Bild, das sowohl visuell, als auch computergestützt ausgewertet werden kann. Es wurden zunächst alle Schritte im Labor dokumentiert und entsprechende Standardarbeitsanweisungen erstellt. Mit einem eigens entwickelten Computerprogramm werden die Bedingungen während der Probenaufbereitung und Kristallisation für jede Probe und jedes Bild erfasst. Mit einer Texturanalyse können auch die für diese Arbeiten erstellte große Menge an Bildern ausgewertet und die Ergebnisse statistisch bearbeitet werden. Damit ist es möglich das Verfahren und Methoden für Weizen- und Möhrenproben zu charakterisieren. Es wurden verschiedene Einflussgrößen untersucht. Das Verfahren ist besonders gegenüber Änderungen in der Probenvorbereitung (z.B. Vermahlung, Mischungsverhältnis) empfindlich. Es wurde sowohl die Methodenstreuung, als auch der Anteil einzelner Schritte an der Gesamtstreuung für Weizen-, Möhren- und Apfelproben ermittelt. Die Verdampfung und Kristallisation hat den größten Anteil an der Gesamtstreuung. Die Durchführung eines Laboreignungstests zeigte, dass die so dokumentierten und charakterisierten Methoden in anderen Laboratorien erfolgreich eingesetzt werden können. Das Verfahren wurde für die nominale Unterscheidung von Weizen-, Möhren- und Apfelproben aus unterschiedlichem Anbau und Verarbeitungsschritten eingesetzt. Weizen-, Möhren- und Apfelproben aus definiertem Anbau können signifikant unterschieden werden. Weizen-, Möhren- und Apfelproben vom Erzeuger (Markt) konnten im Paarvergleich (ökologisch, konventionell) teilweise signifikant getrennt werden. Das Verfahren ist auch für die Charakterisierung von verarbeiteten Proben einsetzbar. Es konnte der Einfluss von Saftherstellung, Erwärmung und Alterung signifikant gezeigt werden. Darüber hinaus lässt sich das Verfahren auf weitere Probenarten anwenden. Das Verfahren arbeitet ganzheitlich, d.h. es werden keine Einzelstoffe analytisch bestimmt, sondern als Ergebnis wird ein Bild erhalten. Die Textur- und Struktureigenschaften dieses Bildes können mit standardisierten Methoden ausgewertet werden.

Application of biogas slurries from energy crops to arable soils and their impact on carbon and nitrogen dynamics

The use of renewable primary products as co-substrate or single substrate for biogas production has increased consistently over the last few years. Maize silage is the preferential energy crop used for fermentation due to its high methane (CH4) yield per hectare. Equally, the by-product, namely biogas slurry (BS), is used with increasing frequency as organic fertilizer to return nutrients to the soil and to maintain or increase the organic matter stocks and soil fertility. Studies concerning the application of energy crop-derived BS on the carbon (C) and nitrogen (N) mineralization dynamics are scarce. Thus, this thesis focused on the following objectives: I) The determination of the effects caused by rainfall patterns on the C and N dynamics from two contrasting organic fertilizers, namely BS from maize silage and composted cattle manure (CM), by monitoring emissions of nitrous oxide (N2O), carbon dioxide (CO2) and CH4 as well as leaching losses of C and N. II) The investigation of the impact of differences in soil moisture content after the application of BS and temperature on gaseous emissions (CO2, N2O and CH4) and leaching of C and N compounds. III) A comparison of BS properties obtained from biogas plants with different substrate inputs and operating parameters and their effect on C and N dynamics after application to differently textured soils with varying application rates and water contents. For the objectives I) and II) two experiments (experiment I and II) using undisturbed soil cores of a Haplic Luvisol were carried out. Objective III) was studied on a third experiment (experiment III) with disturbed soil samples. During experiment I three rainfall patterns were implemented including constant irrigation, continuous irrigation with periodic heavy rainfall events, and partial drying with rewetting periods. Biogas slurry and CM were applied at a rate of 100 kg N ha-1. During experiment II constant irrigation and an irrigation pattern with partial drying with rewetting periods were carried out at 13.5°C and 23.5°C. The application of BS took place either directly before a rewetting period or one week after the rewetting period stopped. Experiment III included two soils of different texture which were mixed with ten BS’s originating from ten different biogas plants. Treatments included low, medium and high BS-N application rates and water contents ranging from 50% to 100% of water holding capacity (WHC). Experiment I and II showed that after the application of BS cumulative N2O emissions were 4 times (162 mg N2O-N m-2) higher compared to the application of CM caused by a higher content of mineral N (Nmin) in the form of ammonium (NH4+) in the BS. The cumulative emissions of CO2, however, were on the same level for both fertilizers indicating similar amounts of readily available C after composting and fermentation of organic material. Leaching losses occurred predominantly in the mineral form of nitrate (NO3-) and were higher in BS amended soils (9 mg NO3--N m-2) compared to CM amended soils (5 mg NO3--N m-2). The rainfall pattern in experiment I and II merely affected the temporal production of C and N emissions resulting in reduced CO2 and enhanced N2O emissions during stronger irrigation events, but showed no effect on the cumulative emissions. Overall, a significant increase of CH4 consumption under inconstant irrigation was found. The time of fertilization had no effect on the overall C and N dynamics. Increasing temperature from 13.5°C to 23.5°C enhanced the CO2 and N2O emissions by a factor of 1.7 and 3.7, respectively. Due to the increased microbial activity with increasing temperature soil respiration was enhanced. This led to decreasing oxygen (O2) contents which in turn promoted denitrification in soil due to the extension of anaerobic microsites. Leaching losses of NO3- were also significantly affected by increasing temperature whereas the consumption of CH4 was not affected. The third experiment showed that the input materials of biogas plants affected the properties of the resulting BS. In particular the contents of DM and NH4+ were determined by the amount of added plant biomass and excrement-based biomass, respectively. Correlations between BS properties and CO2 or N2O emissions were not detected. Solely the ammonia (NH3) emissions showed a positive correlation with NH4+ content in BS as well as a negative correlation with the total C (Ct) content. The BS-N application rates affected the relative CO2 emissions (% of C supplied with BS) when applied to silty soil as well as the relative N2O emissions (% of N supplied with BS) when applied to sandy soil. The impacts on the C and N dynamics induced by BS application were exceeded by the differences induced by soil texture. Presumably, due to the higher clay content in silty soils, organic matter was stabilized by organo-mineral interactions and NH4+ was adsorbed at the cation exchange sites. Different water contents induced highest CO2 emissions and therefore optimal conditions for microbial activity at 75% of WHC in both soils. Cumulative nitrification was also highest at 75% and 50% of WHC whereas the relative N2O emissions increased with water content and showed higher N2O losses in sandy soils. In summary it can be stated that the findings of the present thesis confirmed the high fertilizer value of BS’s, caused by high concentrations of NH4+ and labile organic compounds such as readily available carbon. These attributes of BS’s are to a great extent independent of the input materials of biogas plants. However, considerably gaseous and leaching losses of N may occur especially at high moisture contents. The emissions of N2O after field application corresponded with those of animal slurries.

Study of individual lactation patterns of Iranian dairy buffaloes

The aims of the current study were 1) to investigate the effects of some environmental factors on lactation curve traits (LCTs) including initial milk yield (A), peak yield (PY), days to attain peak yield (PD), inclining- and declining slope of lactation (B and C, respectively), persistency (Per), and 240-d milk yield, and 2) to estimate pairwise phenotypic correlations between these traits in two Iranian buffalo ecotypes (Khuzestani and Azeri buffaloes). The dataset consisted of 15396 and 9283 lactations from 6632 Khuzestani and 3558 Azeri buffaloes, respectively (collected during 1992–2009). The results revealed that almost all of the factors had significant effects on the majority of the LCTs, whereby age group, parity and season of calving had greater influence on 240-d milk yield and PY than the other LCTs in both of the ecotypes. These effects were more apparent in Khuzestani buffaloes than in Azeri buffaloes. In the Khuzestani ecotype, the LCTs were significantly correlated with each other. However, in the Azeri ecotype the 240-d milk yield showed no significant relationship with parameters B, PD and Per. In conclusion, the studied factors play an important role in determining both the shape of the lactation curve and the overal performance of Iranian dairy buffaloes.