Hier beginnt der Hauptinhalt dieser Seite

ModelLowN Klimaschutz in der Pflanzenproduktion

ModelLowN

Logo des Projektes

Innovative Modellierungsansätze in der Rapsproduktion für eine gesteigerte Stickstoffnutzungseffizienz und Minderung von Lachgasemissionen

Projektkoordinator

Dr. Amine Abbadi
NPZ Innovation GmbH, Holtsee
a.abbadi(ät)npz-innovation(punkt)de

Verbundpartner

LIMAGRAIN GmbH
Christian-Albrechts-Universität zu Kiel
Justus-Liebig-Universität Gießen

Projekthomepage

www.unter-2-grad.de/projekte/modellown/

Projektbeschreibung in FISA

Zum Forschungsinformationssystem Agrar und Ernährung (FISA)

Ziel

Das Ziel des Vorhabens besteht in der Verbesserung der Ökobilanz zukünftiger Winterrapssorten als Beitrag zur Erfüllung des Klimaschutzplanes. Die verfolgte Forschungsstrategie fokussiert eine Reduktion klimarelevanter Emissionen und eine Anpassung an neue Produktionsbedingungen. 

Basierend auf Erkenntnissen jüngster Studien ist geplant, Genotypen mit ausgeprägten N-Effizienz-steigernden Merkmalen zur Erstellung einer micro Nested Association Mapping Population (microNAM) zu nutzen. Um Merkmalskombinationen der microNAM genau abzubilden, werden Drohnenflüge und spektrale Reflexionsmessungen eingesetzt und vegetationsbegleitend das Wachstum erfasst. Zeitreihen von Bestandesparametern sollen in Kombination mit einem georeferenzierten und entwicklungsspezifischen Umweltmonitoring die Abbildung der Genotypeigenschaften im Wachstumsmodell ermöglichen. Im Weiteren sollen physiologische Wachstumsmodelle zusammen mit genomweiten molekularen Markern der microNAM auf der Basis von "Machine-Learning" Verfahren in iterativen Modellierungsansätzen integriert werden, um die Interaktion von GxPxE unter N-Limitierung in einem multidimensionalen Versuchsdesign vorherzusagen.

Ergebnisse

Im Vorhaben wurden microNAMs (n= 250) und Testhybriden (n= 500) mit zwei Testern erstellt. Die microNAMs wurden an zwei Standorten bei niedriger N-Düngung in der Saison 2018/19 geprüft. Ein Großteil der Testhybriden ist 2-jährig an fünf Standorten mit verschiedenen Boden- und Umweltbedingungen sowie N-Düngungsstufen in Prüfung. Laufend werden Bonituren, Sensorgestützte Phänotypisierungen sowie Boden- und Umweltmessungen durchgeführt, um Daten zur Interaktion von GxExM unter verschiedenen N-Düngungsstufen zu erheben. Zusätzlich werden die microNAMs genotypisiert. Die Daten der Genotypisierung werden zusammen mit den erhobenen Phänotyp- und Ertragsdaten der Testhybriden unter reduzierter N-Düngung sowie ggf. mit Umweltdaten kombiniert und für Vorhersage-Algorithmen genutzt. 

Zur Kalibrierung der Sensoralgorithmen, Ermittlung verschiedener Vegetationsindices und Datengenerierung für die Ertragsmodellierung unter niedrigem Stickstoff werden seit der Saison 2018/19 2-jährige Versuche mit einem diversen Genotypenset (n= 8) und vier N-Düngungsstufen an zwei Standorten durchgeführt. Für die präzise Kalibration werden multispektrale Aufnahmen, destruktive Untersuchungen der Parameter zur Biomasseentwicklung sowie Stoffverteilung und -dynamik (C/N) getätigt (siehe Abbildungen 1 und 2). Zusätzlich wird der Samenertrag erfasst und Inhaltsstoffe mittels NIRS untersucht. Erste Kalibrationen zwischen multispektralen Vegetationsindices und pflanzlichen Parametern zeigen eine gute Korrelation (R2adj= 0,92 bzw. 0,82, p < 0,001) zwischen geschätzten N-Konzentrationen bzw. Sprosstrockenmassen und gemessenen Referenzdaten. Neben der Kalibrierung werden auch Effekte der N-Düngungsstufen auf die Bestandesentwicklung, N-Aufnahme, Kornerträge sowie Öl- und Proteinkonzentration des Ernteguts analysiert. Für einige Parameter wurden statistische Trends zwischen Genotypen sowie Düngungsstufen beobachtet, welche in weiteren Versuchen validiert werden.

Verwertung

Um negative Effekte auf die Umwelt zu reduzieren, soll ModelLowN die modellunterstützte Züchtung von ertragreicheren und N-effizienteren Sorten vorantreiben. Verschiedene Daten aus Genotyp/Phänotyp/Umwelt werden mit einem Ertragsbildungsmodell kombiniert und auf Interaktionen zwischen verschiedenen Merkmalen analysiert. Integrierte Modelle werden erstellt, die zur Identifizierung von Sortenkandidaten mit einer deutlich besseren N- und Klimabilanz genutzt werden können. 

Mittel- bis langfristig kann ein erheblicher Beitrag zur Reduktion der THG-Emissionen im Rapsanbau erwartet werden, da durch die züchterische Verbesserung der N-Effizienz sowohl durch eine geringere N-Düngung die CO2-Emissionen als auch die direkten sowie indirekten Lachgasemissionen im Feld gesenkt werden.

Dokument zum runterladen: Poster ModelLowN

Dokumentenbeschreibung:
High-throughput phenotyping and genetic analysis to promote breeding for ebhanced nitrogen use efficiency in winter oilseed rape

Dokument zum runterladen: Poter ModelLowN

Dokumentenbeschreibung:
Drohnenbasierte Phänotypisierung von Rapsbeständen hoher Stickstoffnutzungseffizienz im Feldversuch mit verschiedene Düngestufen