Hintergrund

Die Rebsorte Blauer Zweigelt ist vielerorts von einer Reifestörung namens Traubenwelke (engl. berry shrivel) betroffen, die erhebliche Ertragsverluste verursachen kann. Trotz jahrzehntelanger Forschung und großer Fortschritte bei den Analysemethoden ist nach wie vor unklar, welche Faktoren die Entstehung der Traubenwelke auslösen oder begünstigen. Zudem gibt es bisher weder eine standardisierte Methode zur Erfassung der Traubenwelke im Weinberg noch eine Datenbank, in der dokumentiert wird, wann und wo sie auftritt. Eine solche Datengrundlage wäre jedoch nützlich und sinnvoll, um das Ausmaß der Schäden besser zu erfassen und mögliche Auslösefaktoren einzugrenzen.

Projektinhalt und Ziele

Im Projekt BAISIQ entwickeln wir eine neue Methode, um die Traubenwelke bei der Rebsorte Blauer Zweigelt frühzeitig zu erkennen. Grundlage dafür sind moderne Bildverarbeitungstechniken, verschiedene Sensortechnologien und Methoden der künstlichen Intelligenz (KI). Darüber hinaus nutzen wir auch hyperspektrale Daten. Diese zeigen Veränderungen an den Pflanzen in einem Farbspektrum, die für das menschliche Auge nicht sichtbar sind.

Die wichtigsten Schritte im Projekt:

• Wir untersuchen, ob moderne Kameras und Sensoren gesunde Reben von betroffenen Pflanzen unterscheiden können – auch bereits bevor für das menschliche Auge sichtbare Schäden auftreten. Wir setzen Multi-Sensor-Phänotypisierungsgeräte (d.h. Messungen mit verschiedenen Sensoren) in kontrollierten Umgebungen ein, um festzustellen, ob nicht frei sichtbare und bislang unbeachtete Veränderungen an den Pflanzen, es erlauben die Traubenwelke frühzeitig zu erkennen.
• Wir nutzen Geometric Deep Learning (GDL) für die Auswertung der Sensordaten. Ziel ist es, charakteristische Merkmale der Traubenwelke zu identifizieren.
• Wir setzen Fernerkundungstechnologien ein, um die entwickelten Methoden im Feld anzuwenden. Damit wird es möglich die Traubenwelke vor Ort im Weinberg zu identifizieren und eine umfassende Datenbank aufzubauen.
• Wir validieren die Methoden und Technologien, um ihre Praxistauglichkeit für den zukünftigen Einsatz im Weinbau sicherzustellen.

Methodik

Zur Früherkennung der Traubenwelke kommen moderne Multisensor-Phänotypisierungssysteme zum Einsatz. Dabei werden verschiedene Sensor- und Bilddaten erfasst und mithilfe von Geometric Deep Learning (GDL) analysiert. Für das Monitoring der Traubenwelke im Weinberg werden zusätzlich Fernerkundungstechnologien eingesetzt, insbesondere UAVs (Drohnen) mit LiDAR- und multispektralen Sensoren. Die Daten aus den verschiedenen Sensorsystemen werden zusammengeführt und als Grundlage für Modelle der künstlichen Intelligenz und des maschinellen Lernens genutzt. Eine Bildverarbeitungspipeline soll die Vorhersagefähigkeit dieser Modelle weiter verbessern. Dazu werden fortschrittliche Registrierungsverfahren sowie Methoden zur Dimensionsreduktion hyperspektraler Daten eingesetzt. Die Datenerhebung erfolgt in Weinbergen in Carnuntum und der Thermenregion. Alle gesammelten Daten werden für zukünftige Forschungsarbeiten zugänglich gemacht.

Nutzen

BAISIQ bringt Expert*innen aus verschiedenen Disziplinen zusammen, um ein Problem im Weinbau anzugehen, das zu erheblichen Ertragseinbußen führen kann. Ziel ist die Entwicklung einer Methode, mit der sich die Traubenwelke – eine Reifestörung, die insbesondere die Sorte Blauer Zweigelt betrifft – frühzeitig erkennen lässt. Derzeit können Winzer*innen die Auswirkungen der Traubenwelke meist erst zum Erntezeitpunkt abschätzen. Eine frühere Erkennung während der Reifephase würde jedoch eine bessere Planung von Erntezeitpunkten und Kellerkapazitäten ermöglichen. Dadurch könnten Betriebe die zu erwartende Erntemenge deutlich zuverlässiger prognostizieren. Darüber hinaus schafft das Projekt die Grundlage für den Aufbau einer Datenbank, mit der sich umweltbedingte Risikofaktoren für die Entstehung der Traubenwelke untersuchen lassen. Langfristig könnten diese Erkenntnisse auch zur Entwicklung neuer Ansätze wie eines Versicherungsmodells gegen Ernteausfälle durch Traubenwelke beitragen.