Deutsches Weidelgras wird häufig als Weide und Heu in der Schaf-, Milch- und Rindfleischproduktion verwendet. Die Modellierung kann den Landwirten helfen, wann die beste Zeit für die Ernte und/oder Beweidung ist, um die Verdaulichkeit, den Ertrag und das jährliche Nachwachsen zu maximieren. Diese Eigenschaften sind abhängig vom Entwicklungsstadium während der Biomasseentnahme, das durch klimatische Bedingungen und genetische Variation reguliert wird.
Computermodelle können uns dabei helfen, die Phänologie mehrjähriger Gräser für eine optimale Bewirtschaftung zu verstehen und vorherzusagen.
Simon Rouet, Doktorand in Agronomie am französischen Nationalen Institut für Landwirtschaft, Ernährung und Umwelt (INRAE), und Koautoren stellen ein funktional-strukturelles Pflanzenmodell vor, das die Entwicklung mehrjähriger Gräser darstellt in einem neuen Artikel veröffentlicht in in silico Pflanzen. Das Modell L-GrassF ist eine Erweiterung des bestehenden Modells L-Gras.
Das neue Modell berücksichtigt die Wechselwirkungen zwischen der reproduktiven und vegetativen Entwicklung für jede einzelne Bodenfräse und nicht nur die vegetative Entwicklung. Das vegetative Stadium des Deutschen Weidelgrases wird durch das Erscheinen und die Streckung der Blätter und die Bestockung gekennzeichnet. Die Fortpflanzungsentwicklung erfolgt nach zwei Blüteninduktionsphasen, die den Blütenübergang der Spitze und schließlich die Produktion von Internodien und Ähren sowie das Antreiben einzelner Triebe auslösen. Eines der Hauptmerkmale der Grünlandbewirtschaftung ist der häufige Schnitt, der ebenfalls in das Modell aufgenommen wurde.
Die Autoren werteten das Modell anhand eines Datensatzes aus, der das Erntedatum von 7 Sorten Deutsches Weidelgras für 6 Standorte über 14 Jahre beschreibt. Meteorologische Daten für diese Orte und Jahre wurden ebenfalls in das Modell eingespeist. Aus den Wechselwirkungen zwischen der vegetativen und reproduktiven Entwicklung war L-GrassF in der Lage, das Erntedatum für die Sorten genau zu simulieren.
„Die explizite Modellierung der Auswirkungen von Temperatur und Photoperiode ist entscheidend, um die Auswirkungen des Klimawandels auf die Phänologie mehrjähriger Gräser zu berücksichtigen. In der Tat sind originelle Kombinationen dieser Klimavariablen vorgesehen, die die derzeitigen empirischen Vorhersagemethoden potenziell ungültig machen“, erklärt Rouet.
Die Autoren führten eine Sensitivitätsanalyse durch, um zu bestimmen, welche Parameter das Überschriftendatum am meisten kontrollierten. Dies waren die Rate des Erscheinens und der Streckung der Blätter während der vegetativen und reproduktiven Phase zusammen mit der Rate der sekundären Induktion.
Da das vegetative Wachstum der Bestockung zum Zeitpunkt des Erntens aufhört, ermöglichte die Einbeziehung der reproduktiven Entwicklung in das Modell den Autoren, die erntefähige Blattfläche während der gesamten Saison für mehrere Sorten und bei unterschiedlichen saisonalen Niederschlägen und Temperaturen abzuschätzen.
Rouet kommt zu dem Schluss: „Zusätzlich zu den potenziellen Verwendungsmöglichkeiten von L-GrassF zur Vorhersage der Auswirkungen des Klimawandels ebnet die Berücksichtigung der Morphogenese und Bestockung einzelner Pflanzen durch das Modell den Weg zum Verständnis der saisonalen Dynamik der Bestockungspopulation in Grünland und deren Bewertung Dauerhaftigkeit.“
DER ARTIKEL::
Simon Rouet, Jean-Louis Durand, Denis Leclercq, Marie-Hélène Bernicot, Didier Combes, Abraham Escobar-Gutierrez, Romain Barillot, L-GrassF: ein funktional-strukturelles und phänologisches Modell von Lolium perenne, das Pflanzenmorphogenese und Fortpflanzungsentwicklung integriert, in silico Plants, 2022;, diac012, https://doi.org/10.1093/insilicoplants/diac012
Der Code für L-GrassF ist frei verfügbar unter https://github.com/openalea-incubator/lgrass, und unter einer CecILL-C-Lizenz veröffentlicht. Das Archiv des Codes, der zur Generierung der vorliegenden Ergebnisse verwendet wurde, ist verfügbar unter 10.5281 / zenodo.5116065.
