Forschung

Das Projekt widmet sich der Wassereinsparung in der Landwirtschaft und nutzt den Weinbau als Fallstudie aufgrund seines hohen Werts und seiner Anfälligkeit gegenüber Klimaveränderungen. Durch die Kombination von Pflanzenökophysiologie und Informatik sollen kostengünstige, skalierbare Methoden zur Optimierung der Wassernutzungseffizienz in Weinbergen entwickelt werden. Kern der Forschung ist die Nutzung handelsüblicher Smartphones für die 3D-Rekonstruktion des Blätterdachs mittels Structure-from-Motion (SfM), ergänzt durch multimodale Bildgebung (thermisch und multispektral), um wichtige Pflanzenmerkmale wie Blattfläche, Transpiration und Ertrag zu schätzen. Die Blattfläche (LA) ist ein zentraler Parameter für die Wasserverdunstung, doch aktuelle Methoden sind oft arbeitsintensiv, destruktiv und bieten nicht die nötige räumliche und zeitliche Auflösung. Bei Wassermangel verändert sich zudem die Beziehung zwischen LA, Transpiration und klimatischen Variablen durch erhöhten Widerstand im Wasserweg durch die Stomata. Durch die Integration von Infrarot-Thermografie und multispektraler Bildgebung in die 3D-Rekonstruktion sollen Veränderungen in der Wassernutzung unter Dürrebedingungen berücksichtigt werden. Zudem wird untersucht, wie die Architektur des Reben-Blätterdachs, beeinflusst durch unterschiedliche Trimmhöhen, den Wasserverbrauch und die Produktivität beeinflusst. Die Ergebnisse umfassen Open-Source-Algorithmen, annotierte Datensätze und Empfehlungen für das Weinbergmanagement, die über Fachpublikationen, Konferenzen und öffentliche Repositorien verbreitet werden. Das Projekt schließt Lücken in der Präzisionslandwirtschaft und Pflanzenphänotypisierung, fördert nachhaltigen Weinbau und bietet übertragbare Methoden für andere Kulturen.

Eisen (Fe) ist ein essenzielles Mikronährstoff für Pflanzen und spielt eine Schlüsselrolle in Prozessen wie der Chlorophyllproduktion, der Photosynthese, der Zellatmung und der Stickstofffixierung. Ein Eisenmangel führt zu gelblichen Blättern, reduziertem Wachstum sowie erheblichen Verlusten bei Ertrag und Qualität. Für Weinreben – ein Grundpfeiler der globalen Landwirtschaft und Weinproduktion – ist die Verfügbarkeit von Eisen besonders wichtig. Als mehrjährige, gepfropfte Pflanzen sind Weinreben stark auf die Eigenschaften ihrer Unterlagen angewiesen, um sich auf unterschiedliche Umweltfaktoren anzupassen und das Nährstoffgleichgewicht aufrechtzuerhalten. Das IronMan-Projekt untersucht die komplexe Beziehung und Wechselwirkung zwischen der Aufnahme von Eisen und Stickstoff bei unterschiedlichen Genotypen von Rebenunterlagen. Stickstoff, sei es in Form von Nitrat oder Ammonium, beeinflusst nicht nur die Verfügbarkeit von Eisen, sondern auch, wie Pflanzen diesen essenziellen Nährstoff aufnehmen, speichern und transportieren. Obwohl seit Langem bekannt ist, dass verschiedene Unterlagen von Weinreben unterschiedliche Stressresistenzen aufweisen, bleiben die zugrunde liegenden Mechanismen weitgehend unerforscht. Die Anpassungsfähigkeit von Weinreben auf wechselnde Nährstoffbedingungen und Stress Situationen werden im Projekt IronMan mit Hilfe eines hydroponischen Systems untersucht. Die Ergebnisse werden den Weg für praktische Lösungen ebnen, um die Nährstoffversorgung von Weinreben zu verbessern, indem die derzeitigen Empfehlungen für den Einsatz von Düngemitteln angepasst werden.

Traubenwelke (BS) ist eine Zuckerakkumulationskrankheit der Rebe unbekannter Ursache, die sich sehr negativ auf die Traubenqualität auswirkt und ein unkalkulierbares Risiko für Ertragsverluste birgt und für die es keine zuverlässigen Bekämpfungsmethoden gibt. Die österreichische autochthone Rotweinsorte Blauer Zweigelt ist stark von BS betroffen, obwohl das Auftreten von BS-Symptomen sowie deren Intensität von Jahr zu Jahr variieren kann, was sie unvorhersehbar und schwer zu quantifizieren macht. Dies hat dazu geführt, dass Winzer den Anbau von Blauer Zweigelt vermieden haben, was zu einem Verlust an Typizität in der österreichischen Weinlandschaft geführt hat. Ziel des BAISIQ-Projekts ist daher die Entwicklung einer zuverlässigen und standardisierten Methode zur Schätzung des Auftretens von BS in Weinbergen und der daraus resultierenden Ertragsverluste. Zu diesem Zweck umfasst die BAISIQ-Partnerschaft Experten aus dem Bereich der Rebenbiologie, erklärbarer künstlicher Intelligenz (KI) und bildgestützter Ertragsquantifizierung auf der Nah- und Fernskala beschäftigen. Die interdisziplinäre Gruppe von Pflanzenphysiologen, Informatikern und Technikern wird Multisensortechnologien, Algorithmen des maschinellen Lernens und Fernerkundungsausrüstung einsetzen, um sowohl die wissenschaftlichen als auch die angewandten Ziele von BAISIQ zu erreichen. Letztendlich wollen wir Traubenwelke in Weinbergen quantifizieren, einen Dienst oder eine nutzbare Anwendung entwickeln und mit dem Aufbau einer BS-Datenbank beginnen. Dabei werden wir aktuelle Methoden des maschinellen Lernens zur Erkennung von Traubenclustern anpassen und weiter etablieren und dieses Wissen in eine Hochdurchsatz-Fernerkundungsanwendung umsetzen. Eine präsymptomatische BS-Diagnose wäre von großer Bedeutung und höchst innovativ, und das Wissen über den zu erwartenden Ertragsverlust würde es den Winzern ermöglichen, ihre Erntetermine, Kellerkapazitäten und angestrebten Weinstile anzupassen. Darüber hinaus könnte der innovative und bahnbrechende Ansatz, der in BAISIQ entwickelt wurde und der eine Kombination aus Multisensor-Phänotypisierung und KI mit maschinellem Lernen darstellt, auf andere relevante Merkmale im Weinbau angewandt werden.