Der Klimawandel verändert Waldökosysteme und stellt die Stabilität von Pflanzen-Mikroben-Interaktionen in Frage. Mikrobielle Gemeinschaften, die in Pflanzengeweben – insbesondere in verholzten Organen – leben, spielen eine entscheidende Rolle für die Pflanzengesundheit. Dennoch ist ihr Reaktionsverhalten auf klimatische Veränderungen und forstliche Eingriffe bisher nur unzureichend verstanden.
Dieses Projekt zielt darauf ab, mikrobielle Bioindikatoren zu identifizieren, die empfindlich auf Klimavariabilität sowie auf Behandlungseinflüsse wie Bodenchemie und Wassermangel reagieren. Ein weiterer Schwerpunkt liegt auf der Konzeption und Validierung einer Analysepipeline, die mikrobielle Profile mit Umweltdaten integriert und interpretierbare Machine-Learning-Methoden einsetzt, um deren prädiktiven Wert zu bewerten.
Metagenomische Datensätze wurden mit hochauflösenden meteorologischen Aufzeichnungen und Behandlungsmetadaten kombiniert. Zur Analyse der mikrobiellen Dynamik kamen Alpha- und Beta-Diversitätsmetriken, Ordnungsverfahren sowie statistische Modelle (OLS-Regression, Random Forest) zum Einsatz. Signifikante interannuelle Unterschiede in der mikrobiellen Diversität wurden beobachtet, insbesondere bei Aesculus und Fagus. Temperatur und Niederschlag erklärten gemeinsam bis zu 89 % der Variabilität in Diversitätsindizes, wobei sich übermäßiger Niederschlag negativ auf Fagus auswirkte. Die Random-Forest-Klassifikation auf Grundlage mikrobieller Gattungen erreichte eine Genauigkeit von 92 % bei der Vorhersage des Jahres und identifizierte Gattungen wie Bulbomeridium und Ophiocordyceps als potenzielle zeitliche Indikatoren.
Diese Ergebnisse zeigen, dass mikrobielle Gemeinschaften in Pflanzengeweben hochsensibel auf klimatische Schwankungen und behandlungsbedingte Stressfaktoren reagieren. Ihre Zusammensetzung spiegelt sowohl klimatische als auch wirtsspezifische Einflüsse wider. Die Integration von Metagenomik, Umweltmetadaten und maschinellem Lernen bietet ein leistungsfähiges Instrumentarium zur Überwachung der Ökosystemgesundheit und zur Entwicklung klimaadaptiver Bewirtschaftungsstrategien.