Neueste SCI Publikationen

Neueste Projekte

Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2022-03-01 - 2025-02-28

Im Ackerbau gibt es einen langfristigen marktbedingten Trend zur Vereinfachung von Fruchtfolgen. Studien zeigen jedoch, dass eine hohe Ertrags-Resilienz im Ackerbau gegenüber negativen Umwelteinflüsse, die durch den Klimawandel zunehmen (Hitze, Trockenheit, Starkregen), durch vielfältige Nutzpflanzensysteme gefördert wird. Ein wesentlicher Grund für die hohen Potentiale biodiverser Ackerbausysteme liegt im Zusammen-hang von Pflanzendiversität, mikrobieller Diversität im Boden und Bodenfruchtbarkeit. Bisher gibt es jedoch noch unzureichende Kenntnisse zur praktischen Implementierung von Anbausystemen, mit denen gezielt die Biodiversität im Boden gefördert werden kann sowie zu den praktischen Potenzialen in der Verbesserung der Bodenfruchtbarkeit durch die Umsetzung biodiverser Anbausysteme. Zentrales Ziel dieses EIP-AGRI Projektes ist es, Anbausysteme zu implementieren durch die die positiven Ein-flüsse der mikrobielle Diversität im Boden für eine klimawandel-angepasste Landwirtschaft genutzt werden können, indem die Bodengesundheit von Ackerböden gesteigert und diese damit widerstands-fähiger gegen herausfordernde Umwelteinflüsse werden.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2021-07-01 - 2024-06-30

Derzeit besteht eine hohe Erwartung, dass Biostimulanzien zu einer nachhaltigen Intensivierung beitragen können, indem sie die Fähigkeit der Pflanzen stärken, natürliche Ressourcen zu nutzen. Der Markt für Biostimulanzien wächst somit schnell. Es gibt jedoch noch kein umfassendes Testschema, um die Wirkungsweise von Biostimulanzien nachzuweisen und die Wahrscheinlichkeit eines positiven Ertragseffekts effektiv vorherzusagen. Dieses Projekt zielt daher darauf ab, eine Testmethode für pflanzenphysiologische und bodenbiologische Wirkungen von Biostimulanzien und deren Auswirkungen auf den Ertrag zu entwickeln. Es kombiniert Untersuchungen auf drei Skalen, diese beinhalten i) eine laborbasierte Charakterisierung von Produkten und molekularer Hochdurchsatztests, ii) Glashausbasierte Untersuchung von Wurzel-, Rhizosphären- und pflanzenphysiologischen Prozessen und iii) Feldskalenuntersuchung von Ertrags- und Stressresistenzwirkungen. Das Projekt kombiniert Methoden der Molekularbiologie (Stressmarker), Pflanzenphysiologie (Hormone, Isotopenmethoden), Pflanzenwissenschaften (Wurzelanalyse, Nährstoffaufnahme) und Bodenwissenschaften (Analyse und Aktivität der mikrobiellen Gemeinschaft, organischer Kohlenstoffeintrag in den Boden). Es wird erwartet, dass die Ergebnisse verbesserte Einblicke in die Wirkungsweise von Biostimulanzien liefern. Im speziellen, wie diese zur Förderung des Pflanzenwachstums und der Stressresistenz beitragen, und die wichtigsten zu Grunde liegenden physiologischen und bodenbiologischen Mechanismen. Das Projekt zielt darauf ab wirksame Methoden zur Analyse dieser Effekte zu liefern, um eine Standardisierung von Produkttests zu ermöglichen sowie zuverlässige Marktinformationen für Kunden.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2022-01-01 - 2023-12-31

Die Landwirtschaft steht im Kontext des Klimawandels vor einigen der größten Herausforderungen ihrer Geschichte. digital.twin.plant ist das erste Projekt in Österreich, dass die virtuelle Abbildung (Digital Twin) von Pflanzen und die Optimierung von Ertrag und Ressourceneinsatz (Wasser, Dünger, etc.) durch maßgeschneiderte Prognosemodelle und Maßnahmenempfehlungen erforscht. Das System ermöglicht es seinen Nutzern Abläufe wie Wachstum, Phänologie, Erntezeitpunkt, Ertrag, Wasserbedarf, Düngebedarf, Nährstoffbedarf, etc. zu simulieren und somit bessere landwirtschaftliche Entscheidungen treffen zu können. Im Sinne des Digital Twin’s können wachstumsoptimierende Aktionen auf Basis der Prognosemodelle automatisch über eine eigens dafür errichtete Versuchsstellung mittels Sensorik und Robotik ausgelöst werden (z.B. Düngung und Bewässerung). Darüber hinaus können Nutzer Feedback zur Qualität der Prognosen geben und somit beitragen die Prognosemodelle zu verbessern.

Betreute Hochschulschriften