Auf unserer Webseite verwenden wir Cookies, die unter „Cookie-Einstellungen anpassen“ näher beschrieben werden. Notwendige Cookies werden für grundlegende Funktionen der Webseite benötigt, um eine optimale Nutzung zu ermöglichen. Dadurch ist gewährleistet, dass die Webseite einwandfrei funktioniert. Darüber hinaus können Sie Cookies für Statistikzwecke zulassen. Diese ermöglichen es uns, die Webseite stetig zu verbessern und Ihr Nutzererlebnis zu optimieren. Ihre Einwilligung zur Nutzung der Statistik-Cookies ist freiwillig und kann in der Datenschutzerklärung dieser Webseite unter „Cookie-Einstellungen“ jederzeit widerrufen werden.
Verbundprojekt: Konsistentes Daten- und Informationssystem zur Erfassung und Analyse von Frühindikatoren der Saatgutqualität (KODIAQ) - Teilprojekt 3
Projekt
Förderkennzeichen: 2815707015
Laufzeit: 01.05.2016
- 30.04.2019
Fördersumme: 185.864 Euro
Forschungszweck: Experimentelle Forschung
Das Projekt 'KODIAQ – Konsistentes Daten- und Informationssystem zur Erfassung und Analyse von Frühindikatoren der Saatgutqualität' soll die Auswirkung und die Interaktion von verschiedenen internen und externen Faktoren auf die Keimfähigkeit von Saatgut untersuchen und über Modellierungsansätze entsprechende Frühindikatoren für Keimfähigkeit entwickeln. Über eine frühzeitige und effiziente Kontrolle dieses Merkmals soll die Ressourceneffizienz und die Wertschöpfung in der Saatgutproduktion als einem hoch spezialisierten landwirtschaftlichen Teilbereich erhöht werden. Exemplarisch werden wir diesen Ansatz in KODIAQ für die Saatguterzeugung von Hybridwinterraps verfolgen. Keimfähigkeit von Saatgut ist ein komplexes Merkmal mit hohen Umwelt- und Jahreseinflüssen. Um hierfür möglichst frühe Indikatoren in der Produktionskette entwickeln zu können, bedarf es einer umfassenden Datenbasis, die agronomische, Umwelt- und saatspezifische Daten miteinander verknüpft, integriert und schlussendlich Vorhersagen über die Qualität des Saatguts erzeugt. Hierzu soll ein Daten- und Informationssystem entwickelt werden, das die einzelnen Verfahrensketten und Prozessschritte der Saatgutproduktion abbildet und die große Menge an unterschiedlichen Daten aufnimmt und integriert. Zur Ableitung von Frühindikatoren werden wir mathematisch-informatorische Methoden des 'Data Mining' und des maschinellen Lernens anwenden. Durch kontinuierlichen weiteren Input an Daten, die projektspezifisch erhoben werden und sich auf Wetter- und Klimadaten, auf phänotypische Bestandsmessungen und auf samenspezifische RNA-Profile beziehen, sollen die Indikatoren iterativ weiter verbessert werden. Das bezieht sich auf die Genauigkeit, die Robustheit und langfristig auf breite Anwendbarkeit der Indikatoren, insbesondere um frühzeitige Maßnahmen ergreifen zu können, die auch bei Gefährdungssituationen die geforderte Saatgutqualität sicherstellen.
Abschnittsübersicht
Fachgebiete
- Pflanzenzüchtung
- Informatik