Revolutionäre Phänotypisierung im Rapsanbau
Die manuelle Feldbonitur in der Rapszüchtung könnte zukünftig durch digitale Methoden abgelöst werden. Ein Forscherteam der NPZ Innovation GmbH und der Deutschen Saatveredelung AG hat eine Technologie entwickelt und erfolgreich getestet, die optische Sensoren auf Drohnen und fahrbaren Plattformen nutzt. Diese Entwicklung zielt darauf ab, die ertragsrelevanten Merkmale von Raps effizient zu phänotypisieren und so die Neuzüchtung ertragreicher Rapssorten zu beschleunigen.
Die Ausweitung der Ölsaaten-Produktion in Europa wird durch diese Innovation unterstützt, da ungünstige Witterungsbedingungen und der Wegfall von Pflanzenschutzmitteln in den letzten Jahren zu einem Rückgang der Anbauflächen und Erträge geführt haben. Raps ist die bedeutendste Ölpflanze in Europa, wobei Deutschland das zweitwichtigste Anbauland darstellt. Das Bundesministerium für Ernährung und Landwirtschaft (BMEL) förderte dieses Vorhaben über die Fachagentur Nachwachsende Rohstoffe e. V. (FNR).
Herausforderungen und Lösungsansätze der Raps-Phänotypisierung
Der Flächenertrag von Raps wird maßgeblich durch die Anzahl der Pflanzen pro Fläche, die Schoten pro Pflanze, die Samen pro Schote und die Samenmasse bestimmt. Für Züchter ist es essenziell, diese Merkmale des Zuchtmaterials zu erfassen, was die herkömmliche, manuelle Phänotypisierung bei Raps sehr aufwendig macht. Bislang fehlte ein digitales System für die komplexe Wuchsform des Rapses.
Im Projekt RapiD wurde diese Lücke geschlossen. Die Wissenschaftler analysierten über 47.000 Raps-Parzellen diverser Genotypen sowohl mit klassischen Bonituren als auch parallel mit verschiedenen Kamera- und Sensorsystemen, die auf Drohnen und einem Trägerfahrzeug montiert waren. Insgesamt wurden acht verschiedene Sensortypen auf ihre Praxistauglichkeit in der Pflanzenzüchtung evaluiert. Die Miniaturisierung und Kostensenkung bei Kamerasystemen ermöglichen heute die Fernerkundung ganzer Äcker.
Technologie und Ergebnisse der digitalen Bonitur
Im Rahmen des Projekts kamen verschiedene Sensortypen zum Einsatz, darunter RGB-, Multispektral-, Hyperspektral- und Thermalkameras sowie ein Laserscanner. Diese Sensoren wurden anhand klassischer Boniturdaten kalibriert. Zur Verarbeitung der Sensordaten und zur Vorhersage des Ertrags aus der Summe der Merkmale entwickelte das Projektteam spezielle Algorithmen.
Am Projektende erreichte das System eine Trefferquote, die der herkömmlichen Bonitur entsprach: In über 75 Prozent der Fälle wurde der Biomasseertrag exakt oder mit geringer Abweichung vorhergesagt. Durch weitere Optimierungen und die Verarbeitung einer größeren Menge phänotypischer Daten wird eine Steigerung der Vorhersagesicherheit erwartet. Diese Technologie hat das Potenzial, Bonituren zukünftig schneller, auf größeren Flächen und für mehr Pflanzenparameter durchzuführen, mit verlässlicheren und objektiveren Ergebnissen. Dies könnte auch die Wirtschaftlichkeit in der Pflanzenzüchtung verbessern und die Entwicklung neuer Rapssorten beschleunigen.
Hintergrund und Projektstruktur
Bereits zwischen 2012 und 2017 entwickelte das RapiD-Team mit Unterstützung des BMEL die Phänotypisierungsplattform „BreedVision“ für Triticale, Weizen und Roggen, die kurz vor der Praxisreife steht. Das Vorhaben „Ertragsfaktoren von Raps als Nachwachsender Rohstoff: Phänotypisierung unter dynamischen Praxisbedingungen (RapiD)“ umfasste folgende Teilvorhaben:
- NPZ Innovation GmbH (Förderkennzeichen 22021615): Züchterische und praxisorientierte Phänotypisierung von Raps, Versuche NPZ.
- Deutsche Saatveredelung AG (DSV) (Förderkennzeichen 22007616): Züchterische und praxisorientierte Phänotypisierung von Raps, Versuche DSV.
- Hochschule Osnabrück (Förderkennzeichen 22007716): Sensorsysteme und Datenmanagement zur Phänotypisierung von Raps.
- Universität Bonn (INRES) (Förderkennzeichen 22007816): Feld-Phänotypisierung der Ertragskomponenten bei Raps.
- geo-konzept GmbH (Förderkennzeichen 22007916): Datenmanagement und georeferenzierte Outdoorphänotypisierung via UAV.
- JKI, Institut für Pflanzenbau und Bodenkunde (Förderkennzeichen 22008016): Technische Erprobung, Anpassung und Weiterentwicklung der Vermessungsgeräte und Sensoren.