Forschung

Die Sojabohnenproduktion in Europa nimmt kontinuierlich zu. In Österreich hat sich die Anbaufläche in den letzten 15 Jahren verdreifacht wodurch Soja zur viertwichtigsten Kulturpflanze des Landes geworden ist. Österreichische Sojabohnen sind insbesondere für den menschlichen Verzehr sowie die Saatgutproduktion von Bedeutung. In der EU wird eine Saatgutzertifizierung nur erteilt, wenn der Diaporthe Befall unter dem gesetzlich festgelegtem Schwellenwert von 15 % bleibt. Zudem führt eine Infektion mit dem Diaporthe-Krankheitskomplex zu einer erheblichen Reduktion der Keimfähigkeit und einer Qualitätsminderung, wodurch befallene Sojabohnen für den menschlichen Verzehr ungeeignet werden. Das Projekt: „Diaporthe auf der Spur: Epidemiologie eines Erregerkomplexes – Überleben, Übertragung und Wirtsdynamik in österreichischen Sojafeldern“ zielt darauf ab, die Auswirkungen von Diaporthe auf die österreichische Sojaproduktion zu untersuchen. Aufgrund der zunehmenden Anbaufläche und klimatisch günstigerer Bedingungen für den Erreger gewinnt dieses Thema an Bedeutung. Obwohl Diaporthe seit Langem erforscht wird, sind viele epidemiologische Aspekte nach wie vor ungeklärt. Diaporthe ist ein Pilzkomplex, der aus verschiedenen Arten besteht und unterschiedliche Krankheitsbilder an Sojabohnen verursacht, darunter Phomopsis-Samenfäule, Hülsen- und Stängelbleiche sowie Stängelkrebs. Die Zusammensetzung dieses Komplexes variiert geografisch, weshalb es essenziell ist, mit den in einer Region dominierenden Diaporthe-Arten zu arbeiten. Die Krankheitsentwicklung wird durch hohe Luftfeuchtigkeit, Niederschläge und erhöhte Temperaturen bei der Abreife begünstigt. Der Klimawandel führt dazu, dass witterungsbedingte Krankheitsausbrüche häufiger auftreten. Das Hauptziel dieses Projektes ist die Untersuchung epidemiologischer Aspekte des Diaporthe-Krankheitskomplexes, insbesondere der Überdauerungsstadien der in Österreich vorkommenden Diaporthe-Arten. Die Analyse dieser Pilze in den verschiedenen Organen der Sojabohne (Stängel, Hülse, Samen) sowie ihrer Überdauerungsstrukturen ermöglicht es, ihre Bedeutung als primäres Inokulum für die folgende Vegetationsperiode abzuschätzen. Zusätzlich beinhaltet das Projekt eine umfassende Untersuchung der Prävalenz von Diaporthe-Arten in anderen Wirtspflanzen, darunter Fruchtfolgekulturen und Unkräuter, um deren potenzielle Rolle bei der Erhöhung des Infektionsdrucks in einer Region oder einem Feld zu bewerten. Außerdem werden die Mechanismen der Übertragung zwischen Pflanzen sowie die räumlich-zeitlichen Verteilungsmuster in der Umwelt erforscht, um ein besseres Verständnis der Verbreitung vom Pilz zu erlangen. Aufgrund der langen Latenzzeit ist das Verhalten von Diaporthe innerhalb der Pflanze weitgehend unbekannt, weshalb auch der Kolonisierungsprozess in Sojabohnen untersucht wird. Die Ergebnisse dieser Forschung liefern wertvolle Erkenntnisse über die Lebenszyklen der Diaporthe-Arten in Soja. Die Untersuchung der Rolle anderer Kulturpflanzen und Unkräuter könnte die Notwendigkeit unterstreichen, Fruchtfolgen und weitere landwirtschaftliche Praktiken anzupassen, um die verfügbare Inokulummenge zu reduzieren, insbesondere angesichts der wachsenden Sojaanbauflächen. Dieser umfassende Forschungsansatz wird das Verständnis des Krankheitskomplexes vertiefen und den Weg für eine effektivere Diaporthe-Bekämpfung sowie nachhaltige landwirtschaftliche Praktiken ebnen.

Der Nachweis und die Quantifizierung von Pflanzenpathogenen in Feldproben sind entscheidend für die Überwachung und Bekämpfung von Pflanzenkrankheiten in der Landwirtschaft. Dieses Projekt zielt auf die Entwicklung und Optimierung digitaler PCR-Assays (dPCR) für den präzisen und sensitiven Nachweis von Pflanzenpathogenen in Feldproben. Die digitale PCR bietet mehrere Vorteile gegenüber herkömmlichen PCR-Methoden, darunter die absolute Quantifizierung ohne die Notwendigkeit von Standardkurven, eine höhere Sensitivität und Spezifität sowie einer höheren Toleranz gegenüber PCR-Inhibitoren. Durch die Nutzung dieser Vorteile zielen unsere Assays darauf ab, zuverlässige und schnelle Diagnosen für eine Reihe von landwirtschaftlich relevanten Pflanzenpathogenen zu liefern.

Die wichtigsten Krankheiten im Weinbau sind Falscher Mehltau (Plasmopara viticola) und Echter Mehltau (Erysiphe necator). Um beide Krankheitserreger zu bekämpfen, müssen die Winzer*innen regelmäßig Fungizide applizieren und verwenden Vorhersagemodelle für den Applikationszeitpunkt. Die Vorhersage der Krankheitsentwicklung basiert in der Regel auf großräumigen Wetterdaten als Eingangsparameter, die jedoch die kleinräumigen Unterschiede im Krankheitsgeschehen nicht widerspiegeln. Dies führt in vielen Weingärten zu unnötigen Anwendungen. Außerdem werden die Wetterparameter in der Regel außerhalb der Weingärten gemessen, was das tatsächliche Mikroklima in den Weinbergen nicht widerspiegelt. Infolgedessen sind die Krankheitsvorhersagen nicht an die örtlichen Bedingungen angepasst. Ziel unseres Projekts ist es, Künstliche Neuronale Netzwerk-Modelle, und zwar Sequenzmodelle, zu trainieren, um den Falschen und Echten Mehltau vorherzusagen. Wir verwenden nicht nur standortspezifische Krankheits- und Wetterparameter als Trainingsdaten, sondern auch Rebenentwicklung, Rebenmanagement und Vegetationsbedeckung als Parameter. Die Trainingsdaten setzen sich aus Werten, die 5 Jahre vor Projektbeginn erhoben wurden, und neu erhobenen Daten aus 15 Weinbergen zusammen. Im Gegensatz zu den in anderen Studien verwendeten Sensoren wird bei diesem Ansatz die Blattnässe sowohl auf der Blattunterseite als auch auf der Blattoberseite gemessen, ein wichtiger Parameter für beide Krankheitserreger. Das Projekt untersucht, inwieweit die Vorhersage des Krankheitsverlaufs standortspezifisch und bis zu 10 Tage im Voraus möglich ist. Durch die Anpassung der Prognosen an den Standort kann der Einsatz von Fungiziden reduziert werden. Die Ergebnisse der Modelle können den Winzer*innen wertvolle Informationen darüber liefern, wann sie Fungizide einsetzen sollten, und tragen so zu einem nachhaltigen und umweltfreundlichen Einsatz von Fungiziden bei.