Julius-Kühn-Archiv (Feb 2022)
Einsatz moderner Resistenz-Diagnostik für die Generierung repräsentativer Daten als Basis für ein Algorithmen-gestütztes Herbizidmanagement
Abstract
Herbizidresistenzen nehmen zu und entwickeln sich diffizil. Pauschale Empfehlungen lösen keine Probleme, sondern verschärfen die Problematik vielfach. Es braucht dringend Lösungen auf Basis der einzelbetrieblichen Analyse. Auf Algorithmen basierende Entscheidungshilfen für das Management von Herbizidresistenzen müssen dafür unterschiedlichste Datensätze konsolidieren. Biologische Datensätze können nur durch messbare Parameter erhoben werden. Zur Bewertung der Herbizidwirkung auf Unkräuter liefert der Biotest an Nachkommen von Pflanzen der Feldpopulation bis heute die wichtigsten Daten. So kann eine komplexe Phänologie gut erfasst werden. Der Biotest bleibt aber sehr arbeits- und kostenaufwändig. Gleichzeitig braucht eine zuverlässige Modellierung eine hohe Stichprobenzahl mit möglichst geringer Redundanz der Daten. Die Lösung kann nur in einer qualitativen Erhöhung der Stichprobe bei gleichzeitiger Kostenreduktion liegen. Ein wesentlicher Teil liegt in der Umsetzung wissenschaftlicher Erkenntnis über die Zusammenhänge von Resistenzmechanismen und ihrer Ausprägung im Feld. Eine Bündelung verschiedener Datensätze zeigt: Wiederholende Muster lassen sich durch deutlich weniger Daten abbilden und so Redundanzen vermeiden. Moderne Verfahren zur Hochdurchsatz- Genotypisierung von Populationen eröffnen neue Möglichkeiten: Es werden zukünftig nicht mehr SNPs in einzelnen Pflanzen erfasst, sondern ihr Vorkommen wird prozentual aus Mischproben von 50 oder mehr Pflanzen ermittelt. Dieser Paradigmenwechsel ermöglicht nicht nur eine Reduktion der Kosten pro Datenpunkt, sondern liefert einen deutlich höheren Stichprobenumfang. Damit lassen sich repräsentative Daten mit geringem Aufwand erheben, die wiederum in dynamischen Modellen als Entscheidungshilfen der Praxis zur Verfügung gestellt werden können.
Keywords
