FIP 1.0 Sojabohnen-Daten: Einblicke in das Sojabohnenwachstum aus acht Jahren hochfrequenter bildgestützter Feld-Phänotypisierung

Warum die Beobachtung von oben wichtig ist

Da extreme Wetterereignisse häufiger werden, benötigen Landwirte und Züchter Kulturpflanzen, die in guten wie in schlechten Jahren stabil wachsen. Diese Studie stellt eine ungewöhnlich umfangreiche, achtjährige Aufzeichnung vor, wie Sojabohnen in einem realen Ackerfeld wuchsen, aufgenommen von einem Kamerasystem über der Kultur. Durch die Verknüpfung von Millionen sichtbarer Blätter mit detaillierten Wetteraufzeichnungen hilft der Datensatz Forschern zu verstehen, welche Sojatypen Hitze, Trockenheit oder trüben Perioden am besten standhalten, und liefert Modellierern die Rohdaten, um zukünftige Ernten zuverlässiger vorherzusagen.

Ein Feld als lebendes Labor

Von 2015 bis 2022 bauten Forschende in der Schweiz 72 Sojabohnen-Sorten und Zuchtlinien in sorgfältig angelegten Parzellen an. Über ihnen trug eine seilabhängige Plattform eine hochauflösende Kamera, die etwa drei Meter über den Pflanzen positioniert war. Während jeder Vegetationsperiode machte das System tausende Draufsicht-Farbaufnahmen, die die Pflanzenkrone – die grüne Schicht aus Blättern, die den Boden bedeckt – klar erfassten. Am selben Standort zeichnete eine nahegelegene Wetterstation stündlich Temperatur, Licht, Niederschlag, Luftfeuchte und Wind auf und schuf so ein synchronisiertes Bild von Pflanzen und ihrer Umwelt.

Bilder in Wachstumsverläufe verwandeln

Um Rohfotos in nützliche Messwerte zu überführen, entwickelten die Forscher eine Bildverarbeitungs-Pipeline. Zuerst wurde jedes Bild so gefiltert, dass grüne Pixel, die zu Pflanzenblättern gehörten, vom braunen Bodenhintergrund getrennt wurden. Anschließend erkannte der Algorithmus die Reihen, korrigierte die Kameraneigung und umriss die genaue Fläche jeder Parzelle. Daraufhin berechneten die Forschenden die „Kronenbedeckung“ – den Anteil der Fläche jeder Parzelle, der zu einem bestimmten Zeitpunkt grün war. Da die Bilder regelmäßig über die Saison aufgenommen wurden, ergeben diese Werte glatte Kurven, die zeigen, wann die Pflanzen aufgingen, wie schnell sie den Boden bedeckten, wann sie die maximale Bedeckung erreichten und wann sie zu vergilben und ausdünnen begannen.

Wachstum, Wetter und Ertrag verbinden

Die bildbasierten Wachstumsaufzeichnungen wurden mit traditionellen Erntedaten wie Körnerertrag, Proteingehalt, Saatgutgewicht und Blattfarbmessungen gekoppelt. Die Wissenschaftler nutzten statistische Werkzeuge, um die Konsistenz der Bildmerkmale über wiederholte Parzellen und über die Zeit zu prüfen. Sie fanden heraus, dass Kronenbedeckung und Pflanzenhöhe, letztere in zwei Jahren aus Laserscans gemessen, hoch „heritabel“ waren – Unterschiede zwischen Sojasorten waren stark und wiederholbar. Durch das Anpassen glatter Kurven an die Kronenbedeckung konnten sie genau bestimmen, wann jede Sorte die Hälfte ihrer grünen Bedeckung verlor, ein Indikator für Blattalterung. Über die Jahre stimmte dieses Timing mit bekannten Reifungsgruppen überein und war in vielen Fällen klar mit dem Endertrag verknüpft: Sorten, die ihre Krone länger grün hielten, produzierten oft mehr Körner, sofern Wetterbedingungen die Vegetationsperiode nicht verkürzten.

Eine wiederverwendbare Werkzeugkiste für die Pflanzenforschung

Der abschließende Datensatz vereint mehr als 17.000 Bilder, ihre segmentierten Masken, Parzellenlayouts, tägliche Kronenbedeckungswerte, Genotypszusammenfassungen und zugehörige Wetterdateien in einfachen, weit verbreiteten Formaten. Er ist offen über institutionelle und maschinelles Lernen-Repositorien verfügbar und folgt Community-Standards für Benennung und Metadaten, sodass er mit anderen Feldbildgebungsprojekten, einschließlich Drohnenflügen über Kulturen, kombiniert werden kann. Die Autorinnen und Autoren teilen außerdem den Code zur Extraktion der Kronenbedeckung und laden andere ein, denselben Arbeitsablauf in eigenen Experimenten anzuwenden oder neue KI-Modelle mit Pflanzenbildern zu trainieren.

Was das für künftige Ernten bedeutet

Für Nicht-Fachleute ist die Kernbotschaft, dass die Pflanzenzüchtung sich von gelegentlichen Feldnotizen zu kontinuierlichen „Filmen“ des Pflanzenlebens entwickelt. Indem man Sojabohnenparzellen Blatt für Blatt unter realen Wetter- und Hofbedingungen wachsen sieht, können Forschende Sorten identifizieren, die unter Stress leistungsfähig bleiben, und dieses Wissen in bessere Ertragsmodelle einfließen lassen. Der FIP 1.0 Sojabohnen-Datensatz garantiert nicht von alleine höhere Erträge, liefert jedoch die detaillierten Belege, die nötig sind, um stärkere Sorten auszuwählen und Anbaupraktiken zu gestalten, die die Sojabohnenproduktion in einem unsicheren Klima stabil halten.

Zitation: Keller, B., Kirchgessner, N., Oppliger, C. et al. FIP 1.0 soybean data: Insights on soybean growth from eight years of high-throughput image field phenotyping. Sci Data 13, 476 (2026). https://doi.org/10.1038/s41597-026-06663-z

Schlüsselwörter: Sojabohnen-Phänotypisierung, Feldbildgebung, Kronenbedeckung, klimaresistente Kulturpflanzen, Felddatensätze