Neueste SCI Publikationen

Neueste Projekte

Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2020-02-01 - 2023-01-31

Das Dr. FOREST-Projekt quantifiziert vier wichtige Wege, wie die Diversität des Waldes die psychische und physische Gesundheit des Menschen verbessern und Risiken reduzieren kann: (i) die Bereitstellung von visueller Ästhetik und Klanglandschaften, (ii) die Bereitstellung von Nahrungsmitteln und medizinischen Waldprodukten sowie ein komfortables Mikroklima, (iii) die Verdünnung von Krankheitsvektoren und (iv) die Verminderung der Luftverschmutzung. Insgesamt betrachtet soll „Dr. FOREST“ die Vorteile und Risiken, die die Wald-Diversität für die Gesundheit von Menschen hat, in unterschiedlichen mitteleuropäischen Waldtypen quantifizieren und damit relevante Informationen für Waldbewirtschaftung und Gesundheitsmanagement zur Verfügung stellen.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2020-01-01 - 2020-12-31

Eragrostis tef ist ein einjähriges Getreide, das hauptsächlich in Äthiopien und Eritrea angebaut wird, und ist ein wichtiges Grundnahrungsmittel in der Region. Die Erträge aktueller Tef-Sorten und lokaler Landgüter sind jedoch, insbesondere auf stark erodierten Anbauflächen, nach wie vor niedrig. Zusätzliche Informationen über die Architektur des Wurzelsystems (RSA) und die Morphologie von tef sind dringend erforderlich um dessen Ökophysiologie besser zu verstehen, um die Variabilität von RSAs in aktuellen Samenbanken sowie das Potenzial verschiedener RSAs für zukünftige Züchtungsprogramme zu bestimmen. In diesem Projekt werden 25 äthiopische tef-Genotypen aus einer Samenbank untersucht. Fünfzehn Landrassen wurden ausgewählt, um eine Vielzahl von agrarökologischen Zonen abzudecken, von feuchten bis zu trockenen Gebieten und in unterschiedlichen Höhen über dem Meeresspiegel. Außerdem wurden 10 Sorten ausgewählt, um die RSA verschiedener Züchtungsstufen zu vergleichen. Dieser Satz von Genotypen wird unter Verwendung der 2D-RSAT-Plattform unter zwei verschiedenen Nährstoffverfügbarkeiten gescreent. Verschiedene Merkmale werden bewertet, zum Beispiel Sprosshöhe und Blattfläche, Gesamtwurzellänge und -dichte, Wurzelwachstum und Verzweigungsraten, Verzweigungswinkel, Wurzeldurchmesser und maximale Wurzeltiefe. Anschließend wird die Hälfte der abgebildeten Pflanzen geerntet, um Biomassedaten und morphologische Merkmale wie spezifische Wurzelfläche und Gewebedichte zu erhalten. Im Einzelnen wollen wir 1) die Variabilität von RSA in und zwischen 10 tef-Sorten und 15 Landrassen bestimmen und Genotypen mit stark kontrastierendem RSA zu identifizieren (z. B. tief vs. flach Wurzler); 2) Beurteilung der Plastizität der Tef-Wurzel-Architektur unter veränderter Nährstoffversorgung (d. H. Ungedüngt vs. empfohlene NP-Düngung); und 3) RSA der 15 Landrassen mit den agrarökologischen Bedingungen in den Herkunftsregionen korrelieren. Das Projekt wird durch zwei Arbeitspakete ergänzt. In WP1 wird die genetische Vielfalt der 25 gescreenten Tef-Genotypen anhand molekularer Marker untersucht, während in WP2 die Entwicklung des Wurzelsystems simuliert wird, um die Inferenz vom RSA-Keimling zu reifen Wurzelsystemen zu verbessern. Für WP2 werden sechs bis acht Genotypen mit kontrastierenden RSAs identifiziert. Das Projekt wird daher wichtige Informationen zu Tef-Wurzelmerkmalen liefern, um die Ökophysiologie einer Schlüsselkultur in Ostafrika und die Agrarökologie von Tef-Ackerland besser zu verstehen. Darüber hinaus sollen die Ergebnisse Züchter ermutigen wichtige Wurzeleigenschaften in künftigen Teff Zuchtprogrammen miteinzubeziehen.
Forschungsprojekt aus §26 oder §27 Mitteln
Laufzeit : 2019-05-01 - 2020-10-31

Das Projekt wird ein automatisierbares, modulares Minirhizotron (MR) -Bilderfassungssystem für in situ Studien und eine begleitende Softwarelösung zur Automatisierung der Wurzelanalyse und der Bestimmung des Bodenwassergehalts entwickeln. Ziele: - Entwurf und Bau des Prototyp eines autonomen und modularen MR-Kameraträgersystems für die dauerhafte Installation in situ - Entwicklung von zwei Kameramodulen die mit dem Trägersystem verwendet werden sollen, i.e. o kostengünstiges VIS RGB-basiertes UHD-Modul, und ein o erweitertes Kamera-Modul, das RGB und ausgewählte multispektrale (NIR) Wellenbereiche für die erweiterte Bildanalyse kombiniert. - Entwicklung eines neuronalen Netzwerk-basierten Analyse-Workflows zur o Wurzelsegmentierung und Bestimmung des Bodenwassergehalts, und o Wurzelklassifizierung sowie Bestimmung des Bodenwassergehalts aus MR-Bildern.

Betreute Hochschulschriften