Читать книгу Jahrbuch der Baumpflege 2020 - Группа авторов - Страница 59

Das digitale Baumkataster (BK) ist das zentrale Steuerungsinstrument des Hamburger Stadtbaummanagements und unterstützt die vorgeschriebenen Baumkontrollen zur Verkehrssicherheit und die gerichtsfeste Dokumentation. Neben dem Einsatz in der Baumkontrolle und Baumpflege ermöglicht das Baumkataster die statistische Auswertung der großen Datenmenge des Hamburger Baumbestandes (DOOBE 2008).

Untersuchungsgegenstand sind in diesem Fall die im Baumkataster als Einzelbaum erfassten Rosskastanien. Werden an ihnen während der bezirklichen Baumkontrolle Symptome der Pseudomonas-Rindenkrankheit erkannt, trägt der Kontrolleur das Kürzel ‚pseudo‘ mit fortlaufender Jahresangabe, beginnend beim Erstverdacht, in das Bemerkungsfeld des Baumkatasters ein. Diese qualitativ und quantitativ erfassten Baumkataster-Einträge sind die Grundlage der Untersuchung. Ausgewertet wurden alle Datensätze ab 2007. Um die Befallsdynamik der Pseudomonas-Rindenkrankheit über das gesamte Stadtgebiet Hamburgs abzubilden, wurden zudem verschiedene Sach- und Geodaten aufbereitet und verknüpft. Der Datenbestand der sieben Hamburger Bezirke wird jährlich in der Fachbehörde zusammengeführt. Zudem melden die Bezirksdienststellen aktuelle Verdachtsbäume und Fällungen. Diese Daten werden mit den Einträgen im Baumkataster abgeglichen und ggf. ergänzt. Die Ergebnisse der zurückliegenden Reihenuntersuchungen der Jahre 2007, 2014 und 2018 wurden ebenfalls berücksichtigt. Die Geodatenbank mit den Raum- und Sachdaten zur Pseudomonas-Rindenkrankheit enthält rund 40 Attributspalten mit den Stammdaten des Baumes, Bemerkungsfeldeinträgen, Ausfluss, Auftreten von Pilzen, Rissen, Erstverdacht, Fällung etc.

Abbildung 3: Pilzfruchtkörper des Samtfußrüblings (Flammulina velutipes) und des Rötenden Runzel-Schichtpilzes (Stereum rugosum) an einer Rotblühenden Rosskastanie (A. carnea)

Die Auswertung der großen Datenmenge, bis zu 9.300 Rosskastanien pro Jahresdatensatz, erfolgte über SQL-Abfragen (Structure Query Language) in einem Geoinformationssystem (GIS) (EHLERS & SCHIEWE 2012). Die Weiterverarbeitung und visuelle Informationsgenerierung der statistischen Inhalte erfolgte über räumliche Analysemethoden im GIS (ZIMMERMANN-JANSCHNITZ 2014). Die Ergebnisse werden in thematischen Karten durch Interpolationen (Inverse Distance Weighted (IDW)/Kriging), Hot-Spot-Analysen (Getis-Ord Gi*-Statistik) und Kerndichteberechnungen (Kernel-Density) dargestellt.

Die Probeentnahme der untersuchten Rosskastanien 2018 wurde wie bei KEHR et al. (2010) beschrieben durchgeführt. Die Entnahme des Probenmaterials erfolgte lediglich im oberen Phloem und es wurde nicht bis zum Splintholz vorgedrungen, um die natürliche Selbstheilung zu unterstützen (DUJESIEFKEN & LIESE 2008). Die Gesamt-DNA-Extraktion erfolgte aus dem Übergangsbereich zwischen gesundem und befallenem Rindengewebe, bei dem die Aktivität der Erreger am höchsten ist (KEHR 2010; WERRES 2011). Die DNA-Isolation wurde mittels DNeasy Plant Mini Kit (Qiagen) durchgeführt. Der molekularbiologische Nachweis von Pseudomonas syringae pv. aesculi erfolgte durch Amplifikation der partiellen Gyrase B Sequenz mit den Primerpaaren G1/G2 (SCHMIDT et al. 2008) und G5/G6 (SCHMIDT et al. 2009).

Der Nachweis einer Phytophthora spp.-Infektion erfolgte mit dem Primerpaar YPh1F/YPh2R aus dem rasbezogenen Proteingen (Exon 3 und Exon 6), entwickelt für die Detektion von ca. 15 gehölzgefährdenden Phytophthora-Arten (SCHENA et al. 2007). Die PCR wurde für beide Krankheitserreger nach dem gleichen Schema durchgeführt, wobei lediglich das Annealing geändert und die finale Elongation um fünf Minuten erhöht wurde. Die Baumstandorte wurden über das Stadtgebiet verteilt aus der Verdachtsbaumdatenbank ausgewählt und beide Krankheitserreger aus einer Probenteilmenge detektiert (MELZER et al. 2019).