Danske forskere: Lad os genmanipulere planters farve - letter arbejdet for lugerobotter

Hvis man ændrer på planters gener, så de skifter farve, kan man hjælpe AI-styrede lugerobotter med at skelne mellem afgrøder og ukrudt.

Sådan lyder en hurtig opsummering af en idé, som Michael Broberg Palmgren fra Københavns Universitet og hans to kollegaer netop har luftet i tidsskriftet Trends In Plant Science. Det skriver Videnskab.dk. 

- Hvis det virker, kan man komme ukrudt til livs uden at sprøjte med kemikalier og uden manuelt at gå og hive ukrudt op, selv hvis ukrudt og afgrøder skulle gå hen at ligne hinanden, siger Michael Broberg Palmgren, som er professor på Institut for Plante- og Miljøvidenskab, til Videnskab.dk.

Løsningen på fremtidens ukrudtsproblemer kan derfor være en kombination af genmutationer i nye sorter af afgrøder og AI-ukrudtsrobotter, der er trænet til at luge alt andet end den ønskede genmutation.

Det mener forskerne i al fald, der har præsenteret deres tanker i en såkaldt videnskabelig opinionsartikel, hvor forskere deler mere eller mindre vilde idéer og tankeeksperimenter.

LILLE MUTATION MED STOR EFFEKT

Ligesom man kan mutere afgrødernes gener til høst-fordele, kan man ændre planternes gener, så robotterne har mulighed for at kende forskel på dem og ukrudt. For eksempel kan man ændre på plantens farve, form eller struktur.

Det kan måske lyde omsonst, men ifølge Michael Broberg Palmgren byder fremtiden ikke nødvendigvis på blå eller neonpink hvedemel.

- Det kan være noget helt simpelt som at give spirens stilk en rødlig nuance eller ændre lidt på mængden af hår. Ikke noget, vi som forbrugere ville lægge mærke til, siger professoren, der er nysgerrig på at høre andre forskeres tanker om idéen:

- Vi vil gerne høre noget respons på det, inden vi går i gang med at videreudvikle. Som med alt muligt andet kan det jo lyde meget godt i teorien, men så er der problemer, som man ikke havde tænkt på.

KAN AFGRØDER OG UKRUDT MIKSES VED UHELD?

Videnskab.dk har taget opfordringen videre og snakket med Birte Boelt og Rasmus Nyholm Jørgensen fra Aarhus Universitet, hvor de begge forsker i akroøkologi.

Birte Boelt, som er professor ved Aarhus Universitet, er først og fremmest positivt stemt over for et landbrug med flere vildtvoksende planter.

- Jeg er helt sikker på, at vi skal gå tilbage til vilde slægtninge for at finde de egenskaber, vi har brug for fremadrettet, siger professoren fra sektionen for Afgrødesundhed, som særligt beskæftiger sig med planteproduktion i praksis.

Så langt, så godt. Men så er der spørgsmålet om, hvorvidt det giver mening at genmutere afgrøderne i blå, røde eller lilla farver, så robotterne kan skelne dem fra ukrudtet.

Her er de to AU-forskere mere lorne.

For eksempel er det svært at sikre, at de kultiverede og ikke-kultiverede planter bestøver hinanden, som Rasmus Nyholm Jørgensen forklarer:

- Hvordan kan man sikre, at de gener, der er hos den ene, ikke tøffer over til den anden? Altså, at de afgrøder, man kalder ukrudt, får en farvet stilk, men ikke de andre forædlede egenskaber. Så kan det jo være lige meget.

- Så skal man finde en måde at sterilisere afgrøden, så den ikke kan formere sig, men så forhindrer man også landmændene i at avle på afgrøden, påpeger Rasmus Nyholm Jørgensen.

UKRUDTSROBOTTER KAN VÆRE BLINDE FOR KENDETEGN

Ifølge Rasmus Nyholm Jørgensen ser man allerede en rivende udvikling af ukrudtsrobotter. Der ligger dog den forhindring, at robotterne kun kan tage stilling til det, som de kan genkende.

- Det sker ofte, at det ikke er til at se de kendetegn, som skal afgøre, om en plante er afgrøder eller ukrudt. Det kan for eksempel være, at en snegl sidder og soler sig på den farvede stilk, så robotten ikke kan genkende planten som afgrøde.

Her hælder Rasmus Nyholm Jørgensen personligt mere til såkaldt præcisions-såning, hvor maskiner ved præcis, hvor en afgrøde er sået og fjerner alt uden om den.

- Men hvis der så ikke vokser en afgrøde op på det sted af en eller grund, har ukrudtet helle til at vokse. På den måde er der ikke rigtig nogen metode, som er 100 procent perfekt.