Prof. Dr. Frank-Michael Chmielewski

Prof. Chmielewski erforscht die Dormanz von Gehölzen und deren physiologische Regulationsmechanismen, um phänologische Modelle — also Vorhersagen zum Zeitpunkt von Wachstums- und Entwicklungsphasen von Pflanzen — zu verbessern. Sein aktueller Fokus liegt auf der Identifikation relevanter Metabolite durch Profiling-Methoden, um die biologischen Prozesse hinter Dormanzphasen (Para-, Endo- und Ökodormanz) besser in mathematische Modelle zu integrieren. Das ermöglicht präzisere Vorhersagen der Pflanzenentwicklung und hat direkte Anwendung für Gartenbau, Forstwirtschaft und Landwirtschaft bei der Planung von Anbau und Ernte unter sich ändernden Klimabedingungen. Statt nur empirische Beobachtungsdaten zu nutzen, entwickelt er mechanistischere Modelle, die die biochemischen Grundlagen abbilden.

🔒 Das System hat 20 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• China's climate and horticulture science sectors

  Quelle ↗

  The main aim of this project is to build the capacity of scientists and stakeholders in China's climate (NCC, Dr Jiang Tong) and horticulture science sectors (CAAS, Prof Qiao Xiansheng) to develop effective actions for adaptation to climate change impacts in the fruit production sector and to prepare proposals for collaborative research.Joint future research will be focused on climate related damages on fruit trees, possible adaptation strategies for fruit growers and on costs of climate change in the Chinese fruit growing sector. Latest experiences in this field of research from Humboldt-University will be considered, adapted and advanced for the Chinese conditions. In the future long-term joint research initiatives on this topic are planned.

• Profiling als Methode zur Identifikation relevanter Metabolite für die phänologische Modellierung

  Quelle ↗

  Nach Jahrzehnten aktiver Forschung zur Dormanz von Gehölzen und deren Einteilung in Para-, Endo- und Ökodormanz, sind diese Phasen bis heute nicht adäquat in phänologischen Modellen berücksichtigt. Es werden immer noch semi-mechanistische Modelle zur Beschreibung der Pflanzenentwicklung verwendet, in denen die Modellparameter an phänologischen Beobachtungsdaten optimiert werden. Hierdurch ist es möglich, ein an die Daten angepasstes Modell zu finden, allerdings ist seine physiologische Plausibilität nicht garantiert.Im Rahmen eines abgeschlossenen Projektes konnten wir zeigen, dass Modelle für den Blühbeginn der Süßkirsche, die nicht auf physiologische Plausibilität geprüft wurden, unter wärmeren Klimaverhältnissen versagen. Auf der Basis einfach zu ermittelnder Parameter (Frisch-, Trockenmasse, Wassergehalt) und in Kombination mit klassischen Ansätzen zur Bestimmung des Endes der Endodormanz, konnten wir erstmals die nicht zu beobachtenden Dormanzphasen für die Süßkirschsorte „Summit“ bestimmen. Die Kenntnis der Länge dieser Phasen eröffnet neue Möglichkeiten zur Validierung phänologischer Modelle und ermöglicht die Entwicklung neuer mechanistischer Ansätze. Diesbezüglich wird in jüngster Zeit geprüft, ob Metabolite im Zusammenhang zur Dormanz von Gehölzen stehen. An der Süßkirsche konnten wir zeigen, dass die Verläufe von Abscisinsäure und Saccharose geeignet sind, um das Ende der Endodormanz zu bestimmen. Allerdings wiesen diese Substanzen deutliche annuelle Variationen in ihrer Konzentration auf. Zudem bedarf es für die phänologische Modellierung mehrjähriger Datenreihen von physiologisch relevanten Markern, um die Variabilität der Umwelt berücksichtigen zu können.Ziel dieses Vorhabens ist es, Vertreter verschiedener Stoffgruppen (z.B. Kohlehydrate, Carotinoide, Aminosäuren) in Kirschknospen systematisch hinsichtlich ihrer Beteiligung an den Dormanzphasen zu untersuchen. Hierzu soll ein untargeted Metabolit-Profiling genutzt werden, um zu erkennen, welche Metabolite beim Übergang der verschiedenen Dormanzphasen deutliche Gehaltsänderungen zeigen. Für physiologisch relevante Metabolite, ist zu prüfen, ob ein Bezug zur Umwelt besteht, eine Grundvoraussetzung für die phänologische Modellierung. Für diejenigen Biomarker, die physiologisch plausibel sind und eine Umweltsteuerung zeigen, sollen im zweiten Schritt, mittels targeted Metabolit-Profiling, die Metabolitgehalte in den Knospen über 9 Jahre bestimmt werden. Die Daten von 2012/13–2017/18 werden verwendet, um ein mechanistisches 3-Phasen Modell für die Kirschsorte „Summit“ zu generieren, das die Endo-, Ökodormanz und ontogenetische Entwicklung in sequentieller Abfolge berücksichtigt. Für die Modellvalidierung sollen die Analysedaten der Jahre 2018/19–2020/21 am Standort Berlin und für eine externe Validierung mehrjährige Daten der Standorte Dresden und Geisenheim genutzt werden. Zudem soll die Übertragbarkeit des Modellierungsansatzes für die Sorten „Regina“ und „Karina“ geprüft werden.

Noch keine Publikationen aus OpenAlex zugeordnet.