A kertészek jól tudják, hogyan lehet úgy összeválogatni a virághagymákat, hogy februártól októberig mindig virágozzon valamelyik. De ma is nagy kérdés, honnan tudják a növények, mikor kell kibújni a föld alól és virágot bontani. Jánosi Imre fizikus és kollégái a New Phytologist című szaklapban jelentették meg ebben a témában végzett kutatásaikat. Az ELTE TTK Komplex Rendszerek Fizikája Tanszék professzorával az általuk elért izgalmas felfedezésről beszélgettünk.
(TRUPKA ZOLTÁN FELVÉTELE)
– Fizikusként sok mindennel foglalkozik, most éppen növényekkel és a klímaváltozással is. De a fizika honnan jött?
– Az én korosztályom Lem meg Asimov könyvein nőtt fel. Emlékszem, hogy a barátokkal Várpalota főterén az újságosbódé mellett vártuk, hogy megérkezzen a postaautó, ami hozta a Galaktika új számát. Teljesen elbűvölt az abban leírt világ: mérnökökről, fizikusokról, tudósokról szólt, akik a jövőt csinálják. Aztán a gimnáziumban a fizikakönyvben lejtőn lecsúszó ládákról, dőlésszögről meg a súrlódási együtthatóról olvastam, ami fényévekre van Asimovéktól. De volt egy nagyon jó fizikatanárom, Surányi Pál, aki úgy adta át az anyagot, hogy végül teljesen elbűvölt. Például azzal, hogy a három newtoni alap-egyenletből mindent ki lehet számolni. Így szerettem bele a fizikába.
– Egy fizikus számára milyen szakmai kihívás terem egy virágoskertben?
– A történet Priszter Szaniszlótól indult. A Fűvészkertben igazgatóként kiterjedt kutatási és adminisztratív dolgai voltak, saját kertjében azonban minden reggel tett egy sétát és 33 éven keresztül jegyezgette föl kis cédulákra 329 féle hagymás-gumós növényfajról, hogy mikor volt az első virágzásuk, mikor ért véget, meg hasonló adatokat. Ezzel kincset érő adathalmazt hozott létre, ami jól használható a globális klímaváltozás kutatásában is.
– Szép nagy kertje lehetett.
– Nem mondanám, hogy nagy, de mindenképpen szép. Úgy voltak elültetve a virágok, hogy februártól októberig valamelyik mindig virágozzon. Lehetett benne vagy 1500 tő, de elfértek. A hagymás-gumósok előnye – ahogy megtanultam a botanikus kollégáktól –, hogy ha rendesen tartják őket, 20-30 évig is élhetnek és ki se kell szedni őket. Ez azért fontos, mert ugyanazzal a genetikai állománnyal rendelkeznek, tehát ugyanaz a növény „méri” a külső körülményeket évről évre, vagyis megbízható. Az adatokat Csontos Péter botanikus barátom hozta, aki vezető szerzőtársam volt az említett cikkben.
– Ezek szerint a virágok is követik a klímaváltozást?
– Igen. A XX. század utolsó három évtizedében már jól látható jelei voltak a globális éghajlatváltozásnak. Átlagban egyre korábban virágoznak a tavaszi virágok, az augusztusiak szisztematikusan később, tehát növekedett a meleg időszak hossza, és ezek a változások erősödő tendenciát mutatnak. Ez persze már akkoriban is közismert volt, ezért mi sokkal tovább akartunk menni az adatelemzésben. A feljegyzésekből rögtön láttuk, hogy a virágzás dátumai meglepően nagy ingadozást mutatnak. Egyes években 2-3 héttel korábban, míg máskor jónéhány héttel később kö-vetkezett be, mint az átlagos érték.
– Milyen szempontok alapján elemezték Priszter Szaniszló adatait?
– Az időjárási anomáliákat néztük, vagyis a hosszú idejű átlagtól való eltérést adott időszakban. 16 fontosabb környezeti változót vettük alapul, amikről korábban is ismert volt, hogy befolyásolhatják a virágzás idejét. Szerepelt benne csapadék, besugárzás, hőmérséklet, felhőborítottság, a talaj nedvességtartalma, hómélység. Ennyiféle adattal dolgozni hagyományos analitikus módszerekkel elég nehézkes lett volna, pláne, hogy ezek nem függetlenek egymástól, mert például egy csapadékos napon sok-kal kisebb a besugárzás, tehát negatívan korrelálnak. A havi adatokból az derült ki, hogy alapvetően a talajhőmérséklet határozza meg a virágzás idejét.
A napi adatok elemzésénél már 365 napra 16 környezeti változóval számolva 5840 bemenő adatot kapunk és erre kellene illeszteni növényenként 33 észlelést. Ez már gigantikus adathalmaz, klasszikus matematikai eljárásokkal végképp kezelhetetlen. Itt és ezért vetettük be a gépi tanulást, aminek egyik legfontosabb felhasználási területe a mintázatfelismerés.
A meglepő eredmény szerint a tél közeledte beindít egy órát a növényekben, amely pontosan megméri a tél hosszát, detektálja a végét, majd indítja a virágzást. Leginkább a hómélység anomália befolyásolja a későbbi virágzást. Ez azért is megdöbbentő, mert a növények semmilyen módon nem tudják mérni a hómélységet, különösen nem a hóhiányt.
– Amennyire tudom, télen a virágoknak nincs föld feletti része.
– A gumósoknak levélbontás előtt valóban nincs a föld fölött semmilyük. A növények hőmérsékletérzékelési mechanizmusa egyébként is rendkívül bonyolult és több időskálán működik. A mostani tudásunk szerint, ha a hőmérséklet egy kritikus érték alá csökken, akkor valamilyen jelző molekula lassacskán felhalmozódik az áttelelő növényrészekben. Ez méri, milyen hosszú a teljes hideg időszak. Van olyan indikátor folyamat is, ami napi időskálán működik, detektálva a napos órák számának változását. Azonosítottak még egy másik mechanizmust is, ami a hőmérséklet menete alapján szinkronizálja a növények belső óráját. És a történetnek itt még nincs vége: még egy érzékelési folyamatot alakított ki az evolúció, ami szintén gyors, de független a növény belső órájától. Ennek rendkívül fontos szerepe van, mert levágja a rövid idejű fluktuációkat. Vagyis, ha például februárban pár napra bekövetkezik egy szokatlan meleg-betörés, a gyors gátló funkció megakadályozza, hogy beinduljon a virágzás. Ez ugyebár óriási „átverést” jelentene a virágzás szempontjából, mert nincsenek rovarok, és más mechanizmus sem működik még, ami részt venne a beporzásban, nem is beszélve a várhatóan visszatérő kemény fagyokról.
– Nem állítom, hogy teljesen értem, mit hogyan csinálnak a növények, különösen azt nem, hogyan mérik a hómélységet.
– Hajjaj, én sem, ez a molekuláris biológusok asztala. Ezeknek a folyamatoknak a teljes felderítéséhez bőven van még kutatni valójuk, mivel nagyon bonyolult molekuláris szintű mechanizmusokat sikerült már eddig is azonosítaniuk, többnyire más fajoknál, nem a hagymás-gumós virágoknál. A hómélység anomáliákkal kapcsolatban az a véleményem, hogy ez a paraméter egy jól működő helyettesítő adatként működik (idegen szakszóval „proxy”): ez tükrözi legjobban az említett komplikált mérési mechanizmusok összegzett eredményét. Az világosan látszik, hogy nagyon szofisztikált hőmérsékletérzékelési mechanizmusokat fejlesztett ki az evolúció a növények számára, így a többségük tényleg nem „szúrja el”, nem virágzanak olyan időpontban, ami az egyed számára pusztuláshoz vezetne vagy legalábbis a szaporodás lehetőségét venné el.
– Hogyan folytatják a kutatást?
– Az a feltételezésünk, hogy itt alapvetően a talajhőmérséklet számít, hiszen az évelő növényeknél közvetlen környezeti információ csak a felszín alatti növényi részeken keresztül nyerhető. A kutatás következő lépéseként olyan elvi mechanizmusokat azonosítanánk ami a talajhőmérsékletből indul ki és olyan transzformációkat szeretnénk találni, aminek van egy lassú és egy-két gyors komponense. A cél természetesen az, hogy legalább hipotézis szinten találjunk olyan eljárást, ami a talajhőmérséklet ingadozásaiból „lefordítódik” napi hómélység anomáliákra.
(A) Virágzási dátumok színkódolva Priszter Szaniszló gyűjtése alapján. A 329 hagymás-gumós növény azonosítója a vízszintes tengelyen az átlagos virágzási időszak szerint sorrendbe állítva. A bal oldali tengely az évszámokra vonatkozik 1968 és 2000 között. A színezés az adott év első virágzási napjait jelöli. A jól látható vízszintes színes csíkok arra utalnak, hogy növények egy nagy csoportja az átlagosnál később (zöldes-sárgás-pirosas eltolódás), illetve az átlagosnál korábban (kékes eltolódás) következtek be. (B) Májusi virágzási időpontok ingadozása az évek függvényében. A szürke görbék egy-egy fajra vonatkoznak, a piros pontok a sokaság átlagot ábrázolják. A kék vonal azt illusztrálja, hogy a nagy egyedi kilengések mellett a virágzási dátumok szisztematikusan korábbra tolódtak (2,3 nap évtizedenként).
(FORRÁS: I. M. JÁNOSI, D. SILHAVY, J. TAMÁS, P. CSONTOS, NEW PHYTOLOGIST)
Az eddigi kutatásaink talán még fontosabb eredménye a módszertan. Amit alkalmaztunk az máshol is használható. A gépi tanulási algoritmust egy következő projektben villámok előrejelzésére szeretnénk használni. Nem arra hogy mikor és hol csap le, mert ez képtelenség. De arra jó lehet, hogy 100 km2-es területen belül megbecsüljük, mennyi villám várható egy adott meteorológiai helyzetben. Nagy kihívás ez is, de az előzetes tesztek szerint valami már alakul.
Trupka Zoltán
2020/7
