english
deutschSteigerung der Biodiversität und Produktivität der Gerste mit Hilfe der Assoziations-kartierung von zwei Wildgersten-Introgressionsbibliotheken und der sensor-gestützten Hochdurchsatz-Phänotypisierung im Feld
Koordinator: Herr Prof. Dr. Klaus Pillen – (Martin-Luther-Universität Halle-Wittenberg)
Projektbeschreibung
Das Forschungsvorhaben BARLEY BIODIVERSITY hat das Ziel, die Biodiversität und die Produktivität der Kulturpflanze Gerste zu steigern. Die Erhöhung der biologischen Vielfalt unserer Kulturpflanzen und die Nutzung von mobilen nicht-invasiven, also von außen anwendbaren Bildanalyseverfahren (Hyperspektralanalyse) in der Pflanzenzüchtung bilden zwei Schlüsselinnovationen, welche dazu beitragen können, den aktuellen Herausforderungen in der agrarischen Produktion zu begegnen.
Zur Beurteilung der beiden Innovationen werden agronomisch vorteilhafte Gene der Wildgerste beispielhaft in zwei Populationen lokalisiert, die vorher auf Stressreaktionen gegenüber Krankheitserregern und Stickstoffmangel sowie in Bezug auf die Wirkung von verschiedenen Vorfrüchten geprüft wurden. Weiterhin soll ein mobiles Hyperspektralsystem genutzt werden, um das Wachstum und die Anreicherung von Nährstoffen in den Pflanzen mit bisher nicht erreichter räumlicher und zeitlicher Auflösung darzustellen. Durch sozio-ökonomische Begleituntersuchungen soll die Steigerung der Leistungsfähigkeit der Pflanzenzüchtung nach Einführung der beiden Innovationen geprüft und ihre Auswirkungen für die landwirtschaftliche Produktion abgeschätzt werden.
BARLEY BIODIVERSITY - Increasing biodiversity and productivity of barley cultivars using a sensor-based high-throughput phenotyping system in the field and association mapping with two wild barley introgression libraries
Coordinator: Herr Prof. Dr. Klaus Pillen – (Institut)
Project description
Enhancing crop biodiversity is a key component to cope with current challenges in agricultural production. These challenges are partly due because of climate change effects, resulting in increased incidences of abiotic stresses (e.g. drought and mineral deficiency) and biotic stresses (e.g. pathogen attacks and animal pests) and, for several reasons, because application of fertilizers, namely nitrogen and phosphate, are likely to be more restricted in future. Many studies have proven that exotic germplasm contain a wealth of alleles useful for modern agriculture that are absent from the cultivated gene pool. The need to utilize the available exotic diversity in plant breeding is particularly acute for genes regulating adaptation to biotic and abiotic stresses. In addition, innovative technologies are now available, namely non-invasive hyperspectral imaging, which enable plant breeders to study plant development and plant quality at low cost.
We intend to demonstrate the high value of both innovations, i.e. utilization of exotic introgression libraries and hyperspectral imaging, for plant breeding under conventional as well as low input agricultural practice. For this, we will utilize two exotic spring barley introgression libraries, developed by the Pillen lab and the AGROVER hyperspectral imaging system, patented by the Fraunhofer IFF as a model. The exotic barley libraries consist of a set of 73 wild barley introgression lines, named S42ILs, which were genotypically and phenotypically characterized in order to increase biodiversity in barley and identify exotic alleles that exert trait improving effects for a multitude of agronomic traits. Recently, also the multiparental exotic introgression population HEB-25, consisting of 1,420 nested-association mapping (NAM) lines was developed in in the Pillen lab. HEB-25 is currently under genetic and phenotypic characterization in order to increase biodiversity in barley and to identify trait improving exotic alleles for various agronomic traits.
The second innovation, tested in the consortium, is the AGROVER hyperspectral imaging system, which may be applied in plant breeding programs to collect hyperspectral field data, subsequently, processed through mathematical modeling to predict plant growth, yield and quality in high spatial and temporal resolution.