Ziel des Projekts ist es, das biologische Verständnis der Flugbrandresistenz der Gerste zu verbessern und die Resistenz gegen den Erreger Ustilago nuda insbesondere für den Ökologischen Landbau zu steigern. Dazu sollen in genetisch diversem Material geeignete Resistenzeigenschaften identifiziert und in einem optimierten Kreuzungsansatz in Elitesorten mit exzellenten agronomischen und qualitativen Eigenschaften überführt werden. Zunächst wird auf Basis eines Differentialsortiments die Aggressivität von Flugbrandisolaten unterschiedlicher Herkunft bewertet. Zusätzlich werden vorhandene Elitesorten und hunderte Gerstengenotypen einer hochgradig diversen, weltweiten Kollektion einschließlich genetischer Ressourcen auf ihre Anfälligkeit gegenüber Flugbrand gescreent und auf GenotypGerste × GenotypFlugbrand-Interaktionen analysiert. Basierend darauf werden durch Kreuzung von Resistenzdonoren mit nicht-resistenten Genotypen bi-parentale Kartierungspopulationen aufgebaut. Diese Populationen werden für die genetische Kartierung der Flugbrandresistenz genutzt und ermöglichen die Ableitung molekularer Marker. Eng gekoppelte molekulare Marker erlauben eine effizientere Selektion resistenter Genotypen und die systematische Kombination unterschiedlicher Resistenzgene. Das Projekt unterstützt die Züchtung neuer Sorten mit verbesserter Resistenz gegen den Flugbrand der Gerste sowohl für die ökologische als auch für die konventionelle Landwirtschaft und trägt dazu bei, Resistenzgene nachhaltig nutzbar zu machen. Es kann damit einen wichtigen Beitrag für die Umsetzung des Green Deals der EU leisten. Durch die Introgression von Flugbrandresistenzen in Zuchtmaterial mit hohem Ertragspotential und exzellenten Qualitätseigenschaften hinsichtlich Futtereignung und Saatgutqualität soll zudem ein wichtiger Beitrag zur Qualitätssicherung des Sortenspektrums der Wintergerste geleistet werden.
Zielsetzung und Anlass:
Wo Unkraut wächst, wird gespritzt. Chemische Beikrautregulierung ist nach wie vor auf rund 90 % aller landwirtschaftlich genutzten Flächen in Deutschland die gängige Praxis. Zahlreiche Studien belegen den Zusammenhang zwischen Pestizidanwendung und dem deutlichen Rückgang der Biodiversität.
Der ökologische Anbau führt im Vergleich zu einer deutlichen Steigerung der Biodiversität und leistet so einen wichtigen Beitrag zu einem funktionierenden Ökosystem. Nichtchemische Beikrautregulierung ist vielfach aufwändiger und teurer, da hierbei händisches Jäten immer noch unverzichtbar ist, insbesondere beim Anbau von gesäten, langsam wachsenden Kulturen wie Möhren und anderen Hackfrüchten.
Das Start-Up tiefgrün precision weeding hat zum Ziel, mit der Heißwasser-Beikrautregulierung auf Basis selbstlernender Pflanzenerkennung eine ökologische Methode zur Praxisreife zu bringen, welche langfristig wirtschaftlich konkurrenzfähig zur Herbizidausbringung sein kann. Die Methode ist bei richtiger Dosierung und Applikation hoch wirksam, präzise, sicher und kann im Vergleich zu mechanischen Ansätzen mit höherem Durchsatz und höheren Geschwindigkeiten durchführt werden. Das heiße Wasser wirkt bis an die Wurzel – während die Maschine sich schon zur nächsten Pflanze weiterbewegt.
Projektziel ist eine Demonstrationsmaschine für die automatisierte Beikrautregulierung im ökologischen Möhrenanbau: der KelvinR370. Die Maschine soll Pflanzen kamerabasiert erfassen, Kulturpflanzen mit hoher Sicherheit von Beikräutern unterscheiden und letztere punktgenau durch die Applikation eines kurzen Heißwasserstrahls regulieren.
Arbeitsschritte und Methoden:
Das Projekt umfasst die Entwicklung, den Bau und die Felderprobung eines Prototyps sowie darauf aufbauend die Umsetzung und praktische Evaluierung der Demonstrationsmaschine KelvinR370 durch tiefgrün. Für den Einsatz der Heißwasser-Technologie im sensiblen Kulturpflanzenbestand entwickelt tiefgrün eine präzise, punktgenaue Ausbringung, integriert sie in die Maschine und untersucht ihre Wirkung unter Praxisbedingungen. Gleichzeitig entwickelt Pheno-Inspect eine auf das System maßgeschneiderte Bildverarbeitungs-Pipeline zur robusten Klassifikation von Möhren und Unkräutern und gleichzeitigen Detektion ihrer Wurzelpunkte – bei höchster Zuverlässigkeit unter verschieden Feldbedingungen.