Eine neue Studie zeigt, wie sich die Auswirkungen der Stickstoffdüngung auf Mais mithilfe eines Computermodells genau nachbilden lassen. So werden Erkenntnisse gewonnen, die in zukünftige Züchtungsstrategien zur Verbesserung der Stickstoffeffizienz einfließen können.

Stickstoff ist wichtig für Pflanzenwachstum und Entwicklung und ist ein wichtiger Bestandteil von Enzymen, die an Photosynthese. Es steht in direktem Zusammenhang mit Ernteerträgen und Proteingehalt im Getreide.

Im Allgemeinen führt eine höhere Stickstoffdüngung zu höheren Ernteerträgen. Eine übermäßige Stickstoffdüngung kann jedoch dazu führen, dass Stickstoff in Wassersysteme sickert, was zu Eutrophierung und schädlichen Algenblüten sowie zu erhöhten Treibhausgasemissionen führt. Ein hoher Düngemitteleinsatz führt auch zu höheren Kosten für die Erzeuger.

Deshalb ist die Effizienz, mit der Pflanzen Stickstoff verwerten, besonders wichtig.

Die Stickstoffnutzungseffizienz wird von zwei Hauptfaktoren bestimmt: der Menge an Stickstoff, die eine Pflanze aus dem Boden aufnehmen kann (Aufnahme) und wie effektiv die Pflanze diesen Stickstoff für Wachstum und Produktivität nutzt (physiologische Nutzungseffizienz). Pflanzenarchitektur, Anatomie, Physiologie, Genetik und Umweltbedingungen spielen eine wichtige Rolle bei Effizienz der Stickstoffnutzung Dies deutet darauf hin, dass Änderungen in diesen Bereichen zu Verbesserungen führen könnten. Allerdings ist unser Wissen über den relativen Beitrag dieser Merkmale zur Effizienz derzeit begrenzt. Ein besseres Verständnis ist unerlässlich, um zu erkennen, auf welche Merkmale man sich bei Züchtungsprogrammen zur Verbesserung der Stickstoffnutzungseffizienz konzentrieren sollte.

Jie Lu, Postdoktorand an der Wageningen University and Research, und Kollegen veröffentlichten kürzlich einen Artikel in in silico Plants Detaillierte Beschreibung ihres Ansatzes zur Quantifizierung der Beiträge architektonischer und physiologischer Merkmale zur StickstoffnutzungseffizienzIn ihrer Studie nutzten sie ein funktional-strukturelles Pflanzenmodell, um die Auswirkungen der Stickstoffdüngung auf Mais mit unterschiedlichen Eigenschaften zu simulieren.

Funktional-strukturelle Pflanzenmodelle sind fortschrittliche Computerwerkzeuge, mit denen die Architektur und Physiologie einer Pflanze simuliert werden kann. So können Forscher die Entwicklung von Pflanzen unter verschiedenen Bedingungen visualisieren und vorhersagen. Durch die Anpassung verschiedener Faktoren im Modell können Wissenschaftler Szenarien untersuchen, die im wirklichen Leben nur schwer oder gar nicht getestet werden können, wie etwa extreme Wetterbedingungen oder Veränderungen bestimmter Merkmale. Dadurch können sie besser verstehen, wie Pflanzen auf Veränderungen reagieren, und effektivere Strategien zur Verbesserung von Wachstum und Effizienz entwickeln.

Die Autoren erweiterten eine bestehendes funktional-strukturelles Anlagenmodell durch Einbeziehung von Pflanzen- und Bodenprozessen im Zusammenhang mit der Stickstoffaufnahme und physiologischen Effizienz.

Nachdem die Forscher durch einen Vergleich mit gemessenen Werten bestätigt hatten, dass das neue Modell die Veränderungen der relevanten Variablen (Stickstoffaufnahme, Ertrag und physiologische Effizienz) bei verschiedenen Sorten und Umweltbedingungen genau vorhersagte, verwendeten sie es, um die physiologischen und architektonischen Merkmale zu identifizieren, die diese Variablen beeinflussen.

Dies erreichten sie, indem sie die Werte von vierzehn Merkmalen nacheinander anpassten und Simulationen durchführten, um zu sehen, welche Merkmale unter Bedingungen hoher und niedriger Stickstoffdüngung den größten Einfluss auf die interessierenden Variablen hatten. Zu den Merkmalen, die sie untersuchten, gehörten Stickstofftransport durch die Wurzeln, Wurzeldurchmesser, Wurzelzahl, Gewebedichte, Anzahl der Blätter und Photosynthese.

Die Simulationen zeigten, dass die Auswirkungen verschiedener Merkmale auf die interessierenden Variablen variabel und komplex waren. So hatten beispielsweise Wurzelstrukturmerkmale wie Wurzeldurchmesser und -anzahl einen größeren Einfluss auf die Stickstoffaufnahme als physiologische Merkmale wie die Stickstoffaufnahmekapazität der Wurzel, insbesondere unter stickstoffarmen Bedingungen. Veränderungen der Blattanzahl hatten keinen Einfluss auf Stickstoffaufnahme, Ertrag oder physiologische Effizienz. Phyllochron, also die Zeit zwischen dem Erscheinen der Blätter, verbesserte Stickstoffaufnahme und physiologische Effizienz. Es hatte jedoch keinen Einfluss auf den Ertrag bei niedrigem Stickstoffgehalt oder auf irgendeine der Variablen bei hohem Stickstoffgehalt. Ebenso hatte die Photosynthese keinen Einfluss auf Stickstoffaufnahme, Ertrag oder physiologische Effizienz.

Dieses Modell ist der erste Schritt zur Identifizierung der Merkmale, die für die Züchtung am effektivsten sind, um die Stickstoffnutzungseffizienz zu verbessern. Es bedarf jedoch weiterer Arbeit, um besser zu verstehen, wie die Merkmale interagieren, was recht komplex sein kann. So fördert beispielsweise eine erhöhte Stickstoffaufnahme die Photosynthese, was wiederum die Biomasseansammlung erhöht. Diese Zunahme der Biomasse schafft eine größere Stickstoffsenke, da mehr Stickstoff in Pflanzengeweben gespeichert wird, was letztendlich zu einer weiteren Erhöhung der Stickstoffaufnahme führt. Weitere Informationen finden Sie unter Quell- und Senkenmechanismen des Stickstofftransports und der Stickstoffnutzung von Tegeder und Masclaux-Daubresse.

Glücklicherweise können diese Fragen in zukünftigen Versionen des Modells und mit zusätzlichen experimentellen Daten angegangen werden, wodurch die Bemühungen zur Entwicklung von Mais mit verbesserter Stickstoffeffizienz weiter vorangetrieben werden können.

DER ARTIKEL::

Jie Lu, Tjeerd Jan Stomph, Guohua Mi, Lixing Yuan, Jochem Evers, Identifizierung und Quantifizierung des Beitrags von Maispflanzenmerkmalen zur Stickstoffaufnahme und -verwendung durch Pflanzenmodellierung, in silico Plants, Band 6, Ausgabe 2, 2024, diae018, https://doi.org/10.1093/insilicoplants/diae018

Dieses Modell ist kostenlos erhältlich unter https://git.wur.nl/lu068/cn-maize.