Vi introducerar Growing Degree Days (GDD)
När förhållandena värms upp är GDD, för att ange den potentiella tillväxthastigheten för gräs, en extremt användbar guide för en rad beslutsfattande. Men endast så länge man helt och hållet förstår hur siffrorna har beräknats.
Growing Degree Days Days (GDD) har länge använts effektivt och pålitligt inom jordbruk och trädgårdsodling för att avväga agronomibeslut som involverar växtfysiologi, till exempel dagar att plocka in salladskörden; mjuk frukt timing från blomning till plockning eller gödningsmedel för grödor.
Nu lanseras en ny GDD-räknare på greencast.se, inriktad för att ge greenkeepers siffror för sitt läge och förmågan att bygga förutsägbara modeller för att hjälpa hanteringsbeslut.
Kalkylatorfrågor
För att exakt mäta värdet på GDD i en viss gräs situation måste du veta hur siffran beräknades, särskilt om siffrorna används från en icke-grässpecifik källa.
I sin enklaste form tar GDD den högsta registrerade temperaturen under en dag, lägger till den lägsta temperature, delar med två och tillämpar sedan en bas siffra, bedömd på motsvarande början av växttillväxt - vilket för de flesta grässituationer skulle vara cirka 6°C .
Så om en dag i April var som högst 17°C och den lägsta var 9°C, skulle det tillsammans vara 26°C, dividerat med två = 13°C, minus en bas på 6°C = 7 GDD.
Utmaningen är att olika modeller kommer att använda alternativa bas-siffror, vanligtvis från 0°C till 10°C, (tabell 1). I samma beräkningsexempel på April-dagen, med användning av dessa basnivåer, kan GDD variera från 13 till noll.
GDD Model | Base figure |
Dr Bill Kreuser | 0°C |
Mark Hunt | 6°C |
Dr Karl Danneberger | 10°C |
Dr David Shetlar | 10°C |
Megan Cushnahan | 4°C |
Tabell 1. När du läser GDD-forskning är det mycket viktigt att förstå bas-siffran som används för att jämföra med din situation.
Under vintern eller tidig vår kan den enkla GDD-siffran vara negativ, så modeller har bearbetats för att använda en siffra på 0, istället för en sjunkande GDD om detta inträffar. Vidare fungerar vissa modifierade modeller så att om den lägsta temperaturen är under bas-siffran, så används bas-siffran som ett minimum för GDD, eftersom det förutsätter att en viss växtfysiologisk aktivitet skulle ha inträffat.
GDD-algoritmen kan vara komplicerad och avskräckande, men den underlättas genom datorautomation (Zhou + Wang)
På senare tid, med allt mer sofistikerade modeller, används dator-algoritmer för att ta hänsyn till växthastigheter som innehåller de högsta temperaturerna. Det jämnar ut några av avvikelserna, för att beräkna tiden växterna är inom de optimala tillväxtkurvförhållandena.
Genom att driva fram GDD till en ny nivå har en Syngenta GreenCast GDD-kalkylator utvecklats för att beräkna siffror från varje timme’s temperatur under 24-timmarsperioden, jämfört med en förenklad daglig hög- och låg temperatur som konventionellt används i GDD-beräkningen.
Det återspeglar bättre längden på odlingsförhållandena under dagen, för en mer exakt utvärdering av hur gräs kommer att prestera.
Dessutom genererar räknaren automatiskt ett förutsägbart e-postmeddelande när ett användardefinierat GDD-mål närmar sig - i tid för att greenkeepers ska kunna bedöma lokala förhållanden och bestämma vilka åtgärder som ska vidtas.
GDD-kalkylatorn gör alla mätningar och beräkningar autonomt, så att det är lätt att tolka information i tid för att använda i varje dags beslutsfattande.
Oavsett vilken modell som används är det avgörande att känna till de parametrar som den har beräknats på.
Nollpunkts start
Det andra viktiga hänsynet är startdatumet, eller nollpunkten, som används för att beräkna GDD. Om startdatumet var 1 Mars skulle det ge en helt annan siffra jämfört med en beräkning som började 1 Januari. Det finns inget industristandard för startdatum.
Vidare, när man använder GDD för att styra applikationsintervaller, skulle allas återställning till noll vara olika beroende på deras första behandlingsdatum.
Data analys av konstaterade realtids GDD-beräkningar under 2019 visar några av de stora variationerna för lokalitet, startdatum och bas-siffror för fyra platser i Storbritannien.
Fig. 1
Med hjälp av en enkel GDD-modell av GreenCast väderdata i realtid från 2019, med en bas-siffra på 6°C (fig 1), varierade de regionala skillnaderna i dagar för att nå en GDD på 150 från 20 Februari i sydväst, till 10 April i nordöstra Skottland.
Om den använda bas-siffran hade varit 10°C skulle 150 GDD emellertid inte ha uppnåtts förrän den 17 april - åtta veckor senare - i sydväst, eller 19 Maj i nordöstra Skottland.
Var och en av siffrorna är i verkligheten exakta och korrekta, men förstärker behovet av att veta hur all GDD har beräknats för dess pålitliga användning i beslut om gräshantering.
Primo tid
Inom gräshantering blev GDD verkligen ett hanteringsverktyg för att beräkna den optimala intervallen för Primo Maxx II tillväxtregleringsprogram (PGR). Forskning av den berömda professor Karl Danneberger vid Ohio State University beräknade att upprepa applikationer varje gång 200 GDD hade samlats, skulle upprätthålla gräset i jämn reglering och undvika toppar eller dalar av tillväxt.
Beräkningen hade dock lite att göra med fysiologiska aspekter av grästillväxt. Den grundläggande förutsättningen var att när temperaturen stiger, är den naturliga nedbrytningshastigheten av Primo Maxx i bladet snabbare, så det krävs tidigare åter applicering för att upprätthålla kontroll av gräset.
GDD har fungerad, och fortsätter att fungera mycket bra när gräsets tillväxtförhållanden är bra och det inte finns några andra begränsande faktorer på växten. Till exempel bevattnade gräsmarker med fri dränering som också är välgödslade under sommaren.
Men det är viktigt att inse att när man använder GDD för att beräkna PGR-intervaller kan andra faktorer begränsa tillväxten, vilket också kan påverka Primo Maxx-behovet. Till exempel skulle GDD under en varm sommar indikera att applicera PGR oftare, när fuktstress på en icke konstbevattnad fairway faktiskt skulle kunna begränsa tillväxten ändå; i verkligheten skulle du sannolikt minska eller pausa applikationer och använda grässtillväxt eller klippavkastning som vägledning för att återuppta behandlingar.
GDD är fortfarande en bra guide. När temperaturen svalnar under hösten, till exempel, minskar tillväxtpotentialen och regleringsbehovet är mindre, så intervallen mellan behandlingarna kan förlängas eller användningsgraden minskas.
Det behöver bara tolkas i samband med praktiska färdigheter och lokal kunskap.
GDD för sjukdom
Grässtillväxt, indikerat av GDD, har också viss användbar vägledning vid tidpunkten för fungicid intervall, eftersom snabbare tillväxt kommer att späda ut den mängd aktiv ingrediens som finns kvar i bladet och en del kommer att klippas av med större klippavlägsnande. Dessutom utvecklas de flesta, men inte alla, patogener snabbare vid varmare temperaturer.
Gränserna för GDD för planering av fungicid medel är dock att det inte tar hänsyn till växternas bättre förmåga att motstå sjukdomsinfektion när de aktivt växer - vilket kan lindra behovet av en behandling. Aspekter av växtstress från hantering, väder, tillgängligt ljus och perioder med vått och torrt måste också beaktas, tillsammans med sjukdomsprognos-modeller för att förutsäga riskperioder.
Dessutom har varje produkt en annan minskning av naturlig nedbrytning under olika förhållanden och temperaturer, vilket påverkar dess effektiva livslängd.
Beräkningen av GDD måste beaktas i samband med erfarenheten av en tidigare fungicid-dämpande applikations uthållighet, tillsammans med en sjukdomsprognos-modell som kommer att indikera de klimatiska riskerna för infektion för en specifik bana's integrerade gräshanterings-program.
Inspelning av viktiga sjukdomshändelser och hänvisning till GDD-poster för din bana är ett bra sätt att börja bygga en plats-specifik modell som återspeglar din ledningsstil och villkor.
Skadedjurs-modellering
Temperatur är en viktig faktor för skadedjursutvecklingen. GDD har visat sig vara ett mycket användbart verktyg för att förutsäga skadlig årlig blågräs aktivitet i USA med WeevilTrak, tillsammans med bättre inriktning på Acelepryn-applikationer.
Även om det är jordtemperatur som påverkar chafer-grub och läderjacks-rörelse, att fastställa en GDD-siffra för när vuxenvingad uppkomst kommer att inträffa, det är ett värdefullt verktyg för riskbedömning och kontroll alternativ.
Allt eftersom mer data samlas in för att dokumentera specifika insekters kläcknings tider, kan potentiella modeller valideras mot verkliga förhållanden.