Die beiden weit verbreiteten Krankheiten werden von Phytoplasmen verursacht und können zu kompletten Ernteausfällen bei den befallenen Bäumen führen. Um künftig aufwändige Feldbonituren und Laboranalysen zu ersetzen, wollen die Wissenschaftler den Krankheitsbefall im Rahmen einer Frühdiagnostik mit Satellitenbildern und der Hyperspektralanalyse aus der Luft erfassen. Bei der Hyperspektralanalyse werde Licht in Wellenlängen zerlegt, erläuterten die Forscher ihr Vorgehen. Weise eine Pflanze bei einer Blattprobe im Labor Symptome auf, zeige sich dies in bestimmten Wellenlängen deutlicher und früher als allein im sichtbaren Bereich. Bei einer kranken Pflanze werde mehr rotes als grünes oder blaues Licht reflektiert.
Multispektralaufnahmen
Ergänzt werde die Methode durch satellitengestützte Multispektralaufnahmen, mit denen sich große Obstanbauflächen erfassen ließen, so die Wissenschaftler. Ziel sei es, die Hyperspektralaufnahmen und die Satellitenbilder zu kombinieren, um so ein Früherkennungssystem aus der Luft zu etablieren.
Um die krankhaften Veränderungen der Pflanze anhand der digitalen multi- und hyperspektralen Signaturen zu erkennen, würden Verfahren des maschinellen Lernens genutzt. Dazu würden verschiedene statistische Modelle und neuronale Netze mit Hilfe der Ergebnisdaten aus der visuellen Bonitur und der molekularen Analyse trainiert und kombiniert. Die so entwickelten Algorithmen ermöglichten eine spezifische Detektion von Apfeltriebsucht und Birnenverfall.
Das Forschungsvorhaben wird von der Landwirtschaftlichen Rentenbank gefördert. Zum Projektende im Jahr 2022 soll die Fernerkundungsmethode mittels Erfassung und Auswertung spektraler Daten den Pflanzenschutzdiensten, Anbauern und Genossenschaften als Dienstleistung zur Verfügung stehen.
