Forschung

Physiologische Reifestörungen bei Weinreben beeinträchtigen jedes Jahr den Ertrag und die Qualität der Beeren erheblich. Obwohl physiologische Reifungsstörungen im Weinbau von großer wirtschaftlicher Bedeutung sind, liegen nur wenige Informationen vor, und die Ursachen müssen noch ermittelt werden. Daher muss die Entstehung der Reifungsstörung Beerenschrumpfung weiter erforscht werden, einschließlich des Einflusses von Umweltfaktoren, der bisher noch nicht untersucht wurde. Das Projekt zielt darauf ab, potenziell zugrunde liegende Umweltfaktoren zu identifizieren, die das Auftreten von BS in Weinbergen beeinflussen, um mit einem multidisziplinären Ansatz BS-Risikofaktoren auf einer lokalen räumlichen Ebene zu entwickeln. Dabei gehen wir von der Hypothese aus, dass a) Umweltfaktoren zu einer höheren Wahrscheinlichkeit des Auftretens von BS führen könnten, b) wir diese Faktoren auf GIS-Karten skalieren, übersetzen und extrapolieren können und c) die Weinherstellung selbst einen gewissen Prozentsatz an BS-Trauben ohne negative Auswirkungen auf das Aromaprofil zulässt. Unser experimenteller Ansatz lässt sich in drei Arbeitspaketen (AP) zusammenfassen: 1) Entwicklung einer BS-Überwachungsmethode und Zusammenführung dieser Informationen in einer BS-Häufigkeitskarte in Verbindung mit räumlichen (Geologie, Boden und Weinbergsmanagement) und zeitlichen (Mikroklima, Klima) Informationen. 2) Wir werden die Auswirkungen von BS auf die Aromaprofile von Beeren und verarbeiteten Weinen untersuchen, um den Landwirten Empfehlungen zu geben, und gezielte Metaboliten auf einer phänologischen Zeitskala bestimmen, um die BS-Entwicklung zu verfolgen. 3) Schließlich wollen wir BS-Risikofaktoren auf einer räumlichen und zeitlichen Skala für die Weinberge unserer Studienregion extrahieren und die gewonnenen Informationen zusätzlich zu Dürrerisikokarten verarbeiten. Die verwendeten Methoden sind: GIS-Kartierung, Klimamodelle, Bodenanalysen, geologische Charakterisierung, Rebenphysiologie, gezielte Metaboliten und Aromastoffe. Unser Ansatz wird eine Wissenslücke über die physiologische Reifungsstörung Beerenschrumpfung schließen, indem wir zum ersten Mal eine räumliche Information über BS innerhalb einer Untersuchungsregion erstellen, die eine Reihe wichtiger Einflussfaktoren für die Reifung von Traubenbeeren umfasst. Dieser multidisziplinäre Ansatz ist ein Novum, um das Schrumpeln von Beeren mit dem Ziel zu untersuchen, die auslösenden Faktoren zu identifizieren.

Die Optimierung des Wassermanagements im Weinbau ist von großer Bedeutung für die Nachhaltigkeit. Da es sich um eine endliche Ressource handelt, darf Frischwasser für die Bewässerung nur dann verwendet werden, wenn es unbedingt erforderlich ist, und zwar in der richtigen Menge. Gegenwärtig werden die Bewässerungsmengen in Weinbergen auf der Grundlage theoretischer Wasserverbrauchsschätzungen berechnet, die ausschließlich auf klimatischen Parametern beruhen (z. B. Berechnung von Bruchteilen der Referenzverdunstung). Sehr oft wird der tatsächliche Wasserzustand der Pflanzen vernachlässigt, vor allem weil es schwierig ist, zuverlässige Messungen in repräsentativer Weise für einen Weinberg durchzuführen. Daher ist es für die Optimierung des Wassermanagements in den Kulturen von zentraler Bedeutung, einen guten Ersatz für den Wasserzustand der Pflanzen zu finden. Ansätze der künstlichen Intelligenz könnten ein Instrument zur Verbesserung unserer Vorhersagefähigkeiten darstellen. Künstliche Intelligenz und maschinelles Lernen erfordern jedoch eine große Menge an Daten, um die Arbeitsalgorithmen zu kalibrieren. Ziel des Projekts ist es, mögliche Eingaben bezüglich des Wasserverbrauchs und des Wasserzustands von Weinreben auf digitale und kontinuierliche Weise mit geeigneten Standardvalidierungsmessungen bereitzustellen, die in einem Algorithmus für maschinelles Lernen verwendet werden können, mit dem letztendlichen Ziel, eine künstliche Intelligenz zu trainieren, die in der Lage ist, zu entscheiden, wann und wie viel Weinreben bewässert werden sollen, während die Wasserressourcen optimiert werden.

Traubenbeeren sind je nach Entwicklungsstand sowie je nach Intensität und Dauer unterschiedlich anfällig gegen Stressfaktoren wie Trockenheit oder Hitze. Zum Beispiel ist bekannt, das Beeren vor Reifebeginn anfälliger für Trockenstress sind. Der Klimawandel wird voraussichtlich die Häufigkeit und Intensität von Trockenheit und Hitzestress erhöhen. Beide Stressoren haben die gemeinsame Wirkung: die Produktion zytotoxischer reaktiver Sauerstoffspezies (ROS) in Pflanzenzellen zu erhöhe. ROS werden zwar grundsätzlich als Signalmoleküle produziert, und Pflanzen haben Mechanismen zu ihrer Entgiftung entwickelt, aber unter Stressbedingungen wird ihre Produktion erhöht. Es ist daher. wichtig zu verstehen, wie der ROS-Status mit anderen metabolischen Prozessen interagiert, die in den verschiedenen Stadien der Beerenentwicklung aktiv sind, und welche Auswirkungen der Zeitpunkt von ROS-induzierenden Stressfaktoren hat. Die Unfähigkeit, ROS zu entgiften, kann zu Veränderungen im Stoffwechsel und in der Entwicklung der Beeren führen, die sich auf die Qualität der Ernte auswirken, z.B. durch verstärkte Lipidoxidation, Membranschädigung und anschließendes Zellsterben, das im Extremfall Symptome wie das Welken der Beeren verursachen kann. Im Rahmen des Projekts sollen die verschiedenen Strategien untersucht werden, mit denen die Traubenbeeren einem Anstieg der als Reaktion auf Stressfaktoren gebildeten ROS-Moleküle entgegenwirken könnten, darunter die Aufstockung des antioxidativen Potentials durch sekundäre Metaboliten und die Veränderung der Expression von ROS-abbauenden Enzymen. Das ROS Gleichgewicht wird durch die Aktivität von Enzymen und die Expression von Genen untersucht. Darüber hinaus werden die stressbedingen Schäden durch ROS in den Beeren Die ROS-Fangkapazität des sich entwickelnden im Hinblick auf das Ausmaß der Lipidoxidation, des Zelltods und der Veränderungen in der Zusammensetzung der Beeren quantifiziert.