KI und Mikroskopie enthüllen Gräsergeschichte

Ein internationales Forscherteam um Surangi Punyasena (University of Illinois Urbana-Champaign) und Marc-Élie Adaimé (Smithsonian Institution) hat ein KI-gestütztes Analyseverfahren vorgestellt, das die paläobotanische Pollenforschung grundlegend verändert. Bislang behinderte die starke morphologische Ähnlichkeit von Grasspollen die präzise Einordnung fossiler Proben. Das neu entwickelte Modell kombiniert Super-Auflösungs-Mikroskopie mit einem auf Faltungsnetzen trainierten Deep-Learning-System, um selbst minimale Unterschiede in Oberflächenmustern und Zellwandstärken maschinell zu erfassen und zu kategorisieren. Die Methode transformiert bisher ungenutzte Pollenarchive in quantitativ verwertbare Datensätze. Anhand von Sedimentkernen vom Berg Kenia rekonstruierten die Wissenschaftler einen 25.000-jährigen Klima- und Biodiversitätsverlauf. Während des Letzten Glazialen Maximums vor 21.000 bis 18.000 Jahren fiel die Pollenvielfalt auf ein historisches Minimum, als atmosphärische CO2-Konzentrationen und Temperaturen ihren Tiefststand erreichten. Mit der anschließenden Erwärmung erholte sich die Diversität deutlich. Entgegen früheren Annahmen zeigte das Verhältnis von C3- und C4-Gräsern keine direkte Korrelation zu CO2 oder Temperatur. Stattdessen nahm der Anteil der wassereffizienteren C4-Pflanzen im wärmer werdenden Klima allmählich ab, während C3-Arten die Ökosysteme übernahmen. Das KI-Modell umgeht die menschlichen Analysegrenzen bei der Auswertung tausender Pollenkörner pro Kubikzentimeter Sediment. Obwohl es keine einzelnen Arten identifiziert, liefert es hochpräzise Schätzungen der Artspeziesvielfalt und der Verteilung der Photosynthese-Typen. Die Technologie beschleunigt nicht nur die Rekonstruktion von Grasland-Ökosystemen, die bereits im Eozän vor rund 40 Millionen Jahren entstanden, sondern vertieft auch das Verständnis der frühen PflanzenDomestizierung. Die Forscher planen, das Verfahren zu optimieren und auf Pollen sowie Sporen sämtlicher Landgewächse zu erweitern, um so die evolutionäre Geschichte der Vegetation und deren Anpassungsfähigkeit an Klimaveränderungen präziser zu modellieren.