Blog - De Databoerin

Akkerbouwkrant

aan tafel bij De Databoerin.

In 2022 verscheen een serie artikelen in de Akkerbouwkrant van de hand van De Databoerin. Als introductie publiceerde de Akkerbouwkrant onderstaande
‘Aan tafel bij …’

“Smart farming is boerenverstand versterken met data”

Smart farming en precisielandbouw worden vaak in één adem genoemd. Volgens Nicole Bartelds-Bongers uit Tweede Exloërmond is er desalniettemin een wezenlijk verschil. “Precisielandbouw gaat over het variabel toepassen van gewasbescherming, bemesting of irrigatie. Smart farming is het eerst inzicht krijgen wat er achter de verschillen in een perceel zit voor je iets variabel toepast.” In seizoen 2022 van Akkerbouwkrant neemt Bartelds ons in een speciale rubriek mee in de wondere wereld van data. Als de ‘Databoerin’ neemt ze ons bij de hand om te benadrukken dat het interpreteren van alle gegevens die worden verzameld belangrijker is dan de precisietechniek zelf. “Want je moet bijna een ict’er zijn om data en technieken in te zetten om beter in te kunnen spelen op variatie en omstandigheden.”

Tekst: Martin de Vries

Het verzamelen van data is niet zo moeilijk. De uitdaging zit in de interpretatie. Hoe maak ik opbrengstdata tot waarde? “Belangrijk is om de vraag te stellen wat de data jou zegt. Met dit inzicht kan je als agrariër aan de slag. Mijn overtuiging is dat als je niet begrijpt welk inzicht achter een taakkaart zit, je je gps beter uit kunt doen. De crux zit in de stap er voor. Waarom denk ik dat hier iets meer moet en daar wat minder? Exacte rekenregels daarvoor bestaan veelal niet. Je krijgt algemene kengetallen van een perceel en daar voeg je een stuk ervaring en boerenverstand aan toe”, vertelt Nicole Bartelds. Met haar onderneming De Databoerin begeleidt ze een tiental agrariërs bij het verwerken van alle gegevens tot een kaart en vooral om daarmee een vervolgstap te zetten. “Data verzamelen is namelijk niet zo ingewikkeld. De uitdaging zit in het leren begrijpen.”

Emerging crop of oilseed rape by logomachy is licensed under CC-BY-SA 2.0

Nicole Bartelds volgde in Wageningen een studie tropische bodemkunde toen ze haar echtgenoot Jakob leerde kennen. Een man met een akkerbouwbedrijf in de Veenkoloniën. “Ik had het ideaal om de wereld te verbeteren door middel van voedselvoorziening. Binnen dat scala sprak de bodem mij in het bijzonder aan.” Omdat Jakob Bartelds het bedrijf van zijn ouders in Tweede Exloërmond kon overnemen, besloot Nicole om haar toekomstplannen iets bij te stellen en in Drenthe te blijven. “Bodemkunde staat de laatste vijf tot tien jaar weer meer in de belangstelling, maar toen ik afstudeerde waren functies in mijn vakgebied in deze regio zeer beperkt. In de ict was wel veel vraag. Dus ben ik daar in begonnen. Dat is voor mij een nieuwe passie geworden. Ik heb me lang bezig gehouden met de informatievoorziening van bedrijven in de breedte. Eind jaren negentig ging dat steeds meer richting geografie. Het maken van bodemkaarten op basis van data.”

NASA’s Rainfall Data used to Monitor Crop Conditions in Uganda by NASA Goddard Photo and Video is licensed under CC-BY 2.0

Steeds vaker kreeg Nicole Bartelds vanuit het ict-bedrijf waar ze werkte opdrachten vanuit de landbouw. “Dat voelde als een soort van thuiskomen. Alle vakgebieden die ik beheers kwamen zo bij elkaar. Voor mij was in 2016 de tijd rijp om voor mezelf te beginnen en me te gaan richten op de informatievoorziening voor boeren.”

De Databoerin richt zich op het toepassen van smart farming. “Oftewel het gebruik van data en technieken om beter in te spelen op variatie en omstandigheden. Een agrariër werkt veel op kennis en ervaringen en eigen waarneming. Vaak weten ze precies te vertellen waar de natte of droge plekken in een perceel zitten. De technische middelen zijn een extra waarneming en vragen ook om een andere manier van werken. Je ziet in de akkerbouw wel dat men naar een vorm van smart farming toe wil, maar hoe pak je het vervolgens aan.”

De inbreng van Nicole Bartelds zit niet zozeer in het technische deel op de trekker. “Het laten communiceren tussen producten van verschillende fabrikanten is al een vakgebied apart. Hoe koppel ik data van een ‘rode’ trekker aan die van een ‘groene’? De kennis hierover zit vooral bij fabrikanten en dealers. Data wordt op een akkerbouwbedrijf op verschillende manieren verzameld. Hoe verwerk ik die tot een kaart en vooral ook hoe zet ik een vervolgstap? Daar help ik nu een tiental bedrijven mee. Vaak in het kader van een project, maar de intentie is wel om deze olievlek groter te maken. Want er is nog heel veel winst te behalen.”

Opbrengstdata is in de ogen van Nicole Bartelds al een waardevolle graadmeter. Die maken inzichtelijk waar de verschillen in een perceel zitten. De Databoerin heeft zelf ook de beschikking over een bodemscan. “Maar ook met satellietbeelden en bodemmonsters kun je goed in kaart brengen waar de verschillen in pH, vruchtbaarheid of verdichting zitten. Wat voor verschillen zie je vervolgens in de loop van het seizoen? Aan de hand van de monitoringdata kun je op een eerder moment in het seizoen bepalen waar de opbrengst op plekken goed wordt. De data leert je om eventueel eerder in te grijpen.”

Door de drukte op het agrarische bedrijf gunnen de ondernemers zich vaak te weinig tijd om achter te computer te zitten en goed te kijken naar wat de verzamelde data zegt en daar uiteindelijk ook naar te handelen. “Soms kloppen mensen aan voor advies als ze net een drone of een sensor hebben aangeschaft, die bijvoorbeeld biomassa meet. Daar willen ze dan wat mee. Direct actie. Dan probeer ik met ze in gesprek eerst in beeld te krijgen wat de problemen zijn die ze willen oplossen”

Voor de stikstofbehoefte van aardappelen bestaan rekenmodellen om eventueel in het seizoen variabel bij te sturen. Voor veel toepassingen bestaan die echter niet. “De variatie van bemesten bijvoorbeeld pas je toe aan de hand van je bemestingsruimte. Je voegt daar jouw inzicht en ervaring over de percelen bij en je volgt bijvoorbeeld satellietbeelden om bij te sturen.” Het één-op-één koppelen van deze wijze van smart farming aan bijvoorbeeld opbrengstverbetering is lastig. “Vooral op de korte termijn. Je bent vooral bezig met inzicht aan het opbouwen dat je in de jaren daarna terugverdient. Dat geldt ook voor bijvoorbeeld een bodemscan. Dat is een investering om een situatie inzichtelijk te maken waar je de komende jaren profijt uit kan halen. Uiteindelijk is smart farming ook het extra inbrengen van kennis om risico’s te vermijden. Dit is een hele andere insteek dan alleen het gebruiken van een machine die bijvoorbeeld variabel kan poten.” Volgens Bartelds is er veel mogelijk door op basis van taakkaarten op plekken nauwer of ruimer te poten om uiteindelijk meer opbrengst te halen en pootgoed te besparen. “Maar het interpreteren van de taakkaart is cruciaal.”

Een pasklaar advies of je meer of minder moet bemesten, heeft Bartelds niet klaar. “Dat hangt echt van de uitgangssituatie af. Ga je voor de ‘Amerikaanse benadering’ door meer te bemesten op de betere stukken om daar het rendement te verhogen? Of kies je voor een egaler gewas en ga je de plekken die achterblijven bijbemesten en kies je voor minimale uitspoeling. Over het algemeen zal de keuze in Nederland op het tweede vallen. Vanwege de dure grond en de beperkende wetgeving is een egaal gewas vaak de verstandige oplossing Met granen kun je wellicht wel voor de Amerikaanse benadering kiezen. Met pootgoed is een egale maatsortering ook nog een argument. In het zetmeelgebied gaat men voor de kilo’s. Wat dat betreft is het altijd maatwerk. En probeer eerst ook er achter te komen waarom er verschillen in een perceel zitten voor je iets variabel toepast. Misschien is er wel veel meer winst te halen uit een andere rassenkeuze. Het boerenvakmanschap versterk je met data. Dat is smart farming.”

Op het akkerbouwbedrijf van haar man wordt inmiddels ook gekeken naar variabel bemesten en poten. Bij Bartelds Landbouw hebben zich altijd wel bezig gehouden met het in stand houden van het organische stofgehalte in de bodem voor de vruchtbaarheid, maar door de maatschappelijke uitdagingen is de behoefte aan smart farming ook daar de laatste jaren aangewakkerd. Het areaal aardappelen is ongeveer honderdvijftig hectare. “In voorgaande jaren heeft een collega-akkerbouwer met een kunstmeststrooier variabel bijbemest. We hebben er een goed gevoel bij gekregen, voordat we zelf hebben geïnvesteerd. Nu kijken we naar het variabel poten op basis van variatie in organische stofgehalte, waarop we de afstanden eventueel vergroten of verkleinen.”

De ontwikkelingen op het ‘thuisbedrijf’ passen in het bredere plaatje van de landbouw, waar de interesse voor precisielandbouw wordt aangewakkerd. Bij de agrariërs die Bartelds begeleidt ontstaan mooie dingen. “Zo maakt één van die boeren gebruik van een sensor voor de bladontwikkeling. Op basis daarvan varieert hij met gewasbeschermingsmiddelen. Er komt geen taakkaart aan te pas. Niet iedere toepassing past op ieder bedrijf. Daar probeer ik ook zo eerlijk mogelijk in te zijn. Uiteindelijk is mijn begeleiding ook niet voor eeuwig. Het is de bedoeling dat de boeren zelfstandig met hun data aan de slag kunnen gaan. Ik help hun alleen op weg.” Het concept van de Databoerin hoopt Bartelds op termijn over het hele land uit te rollen. “Wellicht met de keuze tussen opstartcursussen in het begin om grotere groepen op gang te helpen tot aan full service met intensieve begeleiding als een personal coach. Het helpt al als je weet dat je Nicole kunt bellen, als je ergens tegenaan loopt”

Voor Bartelds is voor iedereen de boodschap in het begin helder. “Investeer in eerste instantie niet in een machine maar in het verkrijgen van inzicht. Leer de verschillen ontdekken, zoek naar de oorzaak en leg dan de vervolgvraag neer: Wat wil ik er mee en wat kan ik uiteindelijk met dit inzicht doen? Dat is slim boeren, oftewel smart farming.”

Smart Farming informatie-cyclus

In het MAXSUS project hebben we ons gericht op de Smart Farming informatiecyclus, zoals hieronder aangegeven. Voordat je met precisielandbouw kunt sturen en een taakkaart kunt uitvoeren, moet je beginnen met dataverzamelen. Om de gegevens in hun onderlinge samenhang te bekijken is de interpretatiestap nodig. Er zijn in wetenschappelijke studies wel wat gewasgroeimodellen ontwikkeld, maar vaak zijn die veel te complex om in de boerenpraktijk toe te passen. Als alternatief hebben we gekeken naar de correlatie van verschillende parameters om inzicht te krijgen in de invloed op het uiteindelijke oogstresultaat.

Data verzameling

Elk perceel is anders en elk gewas is anders. Als teler heb je te maken met een rotatie van verschillende gewassen op een perceel, waardoor je van een bepaald gewas op een bepaald perceel al meerjarig moet gaan waarnemen voordat je de invloed van teeltmaatregelen kunt beoordelen. Ook hebben we te maken met een langzame cyclus, omdat je pas na een heel teeltseizoen alle gegevens hebt verzameld. In het project hebben we uiteindelijke een dataset met gegevens over een periode van 5 jaar verzameld. Deze zijn voor beoordeling en bespreking gevisualiseerd met behulp van verschillende softwarepakketten, zoals SMS, QGIS en Geopard Ag.

Databeheer

Het beheer van de verschillende datasets en visualisaties was uitdagend. We hebben verschillende systemen geimplementeerd en beoordeeld op bruikbaarheid. SMS biedt een eigen opslagsystematiek, die beperkt is voor data van andere bronnen. Het vraagt een behoorlijke leercurve om het systeem goed te leren gebruiken. QGIS is een flexibele en open set van gereedschappen voor opslag, visualisatie en analyse. De mogelijkheden zijn erg groot, maar het op dezelfde manier verwerken van de datasets van alle verschillende percelen, vraagt soms veel handwerk. Geopard Ag is een platform, waarin alle soorten data kan worden beheerd maar ook geanalyseerd. De verschillende analyse-mogelijkheden zijn volledig geautomatiseerd, waardoor geen uitgebreide softwarekennis nodig is. Bovendien zijn de resultaten eenvoudig te delen binnen het project, maar ook naar derden en kunnen eenvoudig taakkaarten worden gegenereerd.

Variabele dosering

Het deel toepassing (application) van de cyclus is vooral een technische uitdaging. Leveranciers van machines hebben de mogelijkheden voor plaatsspecifieke toepassing (op taakkaart) steeds meer ingebouwd in hun nieuwste modellen. Ook wanneer je niet beschikt over de nieuwste modellen is handmatig variatie veelal ook mogelijk door aan/uitschakeling, of verandering van (rij)snelheid.

Vanuit de verschillende systemen is na de juiste interpretatie van de data, het maken van een taakkaart geen groot probleem.

Interpretatie

De uitdaging zit in het integreren en interpreteren van de data. Hoe breng je alle data bij elkaar en in een vorm dat ze vergelijkbaar zijn, of bijvoorbeeld geschikt voor statistische analyse. Helaas is daarin nog een lange weg te gaan. We hebben ervaren dat dit een uitgebreide workflow is, zoals hier getoond voor de gewasmonitoring data, met vele tussenstappen, met in elk stap weer het risico dat informatie verloren gaat.

De ervaring met de verschillende technieken hebben we uitgewerkt in een aantal factsheets.

DUURZAAM BEREGENEN

Zuinig met water

De laatste jaren hebben wel bewezen dat beregening steeds belangrijker wordt om de opbrengsten op niveau te houden. Lange droge perioden en zelfs een hittegolf doen de gewassen geen goed. Wanneer je met de beregening het vochtgehalte in de bodem op peil kunt houden, kun je zorgen dat het gewas in goede conditie blijft en de groei niet te veel beperkt wordt.

Allereerst is een goede planning nodig om de beschikbare beregeningscapaciteit zo goed mogelijk en op tijd in te zetten. Bodemvochtsensoren kunnen de vochttoestand in de bodem meten en helpen daarbij om te voorspellen wanneer de planten vochttekort zullen gaan krijgen.

De laatste jaren hebben ons ook geleerd dat we ook zuinig met water moeten omgaan. De nieuwste beregeningshaspels bieden hiervoor de mogelijkheid door variabel te doseren. Meer water op plekken waar de vochttoestand sneller terugloopt en minder op plekken waar het vocht langer vastgehouden wordt.

De vochttoestand van de bodem varieert ook met de bodemeigenschappen van het perceel. In het MAXSUS project hebben we de variatie in de bodem in kaart gebracht met de SoilXplorer bodemscan. Een van de parameters, die we daaruit kunnen afleiden is het vochthoudend vermogen van de bodem. Dit biedt dus een goede basis voor een taakkaart voor de beregening.

Als voorbeeld hebben we een perceel genomen, waarbij we 2 tracks met de beregeningshaspel kunnen maken. De puntjes vormen het traject van de beregeningsmachine. Voor elk puntje kan de cirkel worden bepaald, die met de beregeningshaspel wordt beregend (een cirkel van 50m). Voor elke cirkel is het vochthoudend vermogen van de grond berekend.

Op basis van die berekening is een taakkaart gemaakt voor de relatieve watergift ten opzichte van gemiddeld.

Deze aanpak heeft een aantal voordelen, die we met deze taakkaart ook inzichtelijk kunnen maken. Er is nu gekozen voor 5 zones, omdat dit het maximaal aantal is, dat de beregeningshaspel aan kan, maar in principe is het mogelijk om elke 10m de gift te variëren, zoals ik het grid is aangegeven. Wanneer je het hele perceel zou afstemmen op de droogste plekken zou je bijna 3.5% meer water verbruiken, dan nu op basis van deze taakkaart. Dit levert een besparing op in water, maar uiteraard ook in verbruikte energie. Tenslotte krijgt door het variëren van de watergift het gewas op elk plek wat het nodig heeft, waarbij uit- en afspoeling wordt voorkomen.

Samen stappen zetten met Smart Farming

Als geinteresseerde in Precielandbouw of Smart Farming is het volgen van NPPL, de Nationale Proeftuin Precisie Landbouw, aan te raden. Vele nieuwe technieken worden door de deelnemers, onder begeleiding van de deskundigen van de WUR, uitgeprobeerd. Eenvoudig is dat niet, maar er worden stappen gezet. Uit de evaluatie. die onlangs in de Boerderij verscheen, bleek dat van een olievlekwerking nog niet zoveel sprake is. Zonder de begeleiding van de experts, lijkt het toch lastig om stappen te zetten.

Data-gedreven oplossingen

Bij De Databoerin zijn we al een paar jaar bezig om boeren te ondersteunen in het gebruik van data-gedreven oplossingen. Alle nieuwe technologiën beloven een verlichting van de werkzaamheden, maar dat vraagt wel eerst tijd om je de techniek eigen te maken. Dat geldt ook voor nieuwe technologiën, die data genereren, zoals een opbrengstmeter of een drone met een camera voor gewasmonitoring. Ook die vragen tijd om de data goed op te slaan, te verwerken tot bruikbare informatie en te interpreteren, zodat je beslissingen kunt nemen. We merken dat er veel agrarisch ondernemers zijn, die wel willen investeren in de techniek, maar vooral aanlopen tegen het interpreteren van de data.

Al vele jaren wordt er geschreven dat beslissingondersteunende systemen alle problemen gaan oplossen. Ik heb mijn twijfels. Boeren is namelijk een complex vak, elke dag worden op basis van heel veel verschillende informatiebronnen beslissingen genomen. Voorlopig kunnen beslissing-ondersteunende systemen je slechts op onderdelen helpen om op data gebaseerd adviezen te geven. Naar mijn idee zitten we in het stadium dat je met data beter geïnformeerd bent en dus beter onderbouwd beslissingen kunt nemen. Het is aan ons als ‘techneuten’ om het boerenvakmanschap te ondersteunen.

Je hoeft geen expert te zijn om rendement te halen uit de mogelijkheden.

Samenwerking met verschillende expertises zie ik als oplossing van dit probleem. De Databoerin zoekt ook de samenwerking op. Wij zijn goed in het verwerken en interpreteren van data, maar als een klant een drone wil kopen, dan moet ik toch echt te raden gaan bij de drone-experts. En als de klant een drone gekocht heeft, dan wil je graag dat de klant geholpen wordt bij het leren bedienen van de drone, maar ook bij het leren verwerking van de data.

De Databoerin is daarom op verschillende vlakken bezig om samenwerking met partners aan te gaan, zodat we samen de klant kunnen ondersteunen van techniek naar toepassing.
Dat kan bestaan uit een basisopleiding tot een begeleidingstraject waarbij de ondernemer steeds beter in staat is zelfstandig zijn Smart Farming doelen te bereiken.

Met Yuneec Experience Center Nederland hebben we onlangs deze samenwerking verder vorm gegeven. Wij staan open voor meer.

Geïnteresseerd? Stuur ons een bericht

Eerste stappen met Smart Farming

blue tractor next to white farm vehicle at daytime

Beginnen met Smart Farming is niet zo moeilijk als het in eerste instantie misschien lijkt. In deze blog neem ik je mee wat er bij komt kijken. Stap voor stap, zodat je gelijk aan de slag kunt.

Wat is Smart Farming eigenlijk precies?

Voor we beginnen, is het misschien handig om toe te lichten wat ik versta onder Smart Farming. Smart Farming is een vernieuwende vorm van landbouw, waarbij veel data gebruikt wordt om beslissingen over de teelt van gewassen beter te onderbouwen. Hierbij gebruik je actuele, historische en ‘op de vierkante meter nauwkeurige’ informatie van teeltplanning tot en met de oogst. Je kunt hierbij denken aan informatie van verschillende bronnen, zoals perceelsgrenzen en bodeminformatie van openbare bronnen, en weersgegvens van het KNMI, maar ook aan oogstgegevens van voorgaande jaren, informatie van bodemscans of bodembemonsteringen van je eigen bedrijf en sensordata van sensoren in het veld tot satellietbeelden uit de ruimte. Het combineren van al deze informatie geeft mogelijkheden voor nieuwe inzichten, betere beslissingen en verhoging van de productiviteit.

Wat verwacht je van Smart Farming?

Het is goed om bij jezelf na te gaan wat je beweegredenen zijn om je in Smart Farming te verdiepen. Dat verschilt nogal van ondernemer tot ondernemer.

Het zou kunnen zijn dat je op een steeds groter wordend bedrijf vooral behoefte hebt aan overzicht, simpel alle gegevens bij elkaar, zodat je de informatie snel kunt opzoeken of vergelijken. Dan heb je een ander stappelplan nodig dan wanneer je met gebruik van precisielandbouw je opbrengsten wilt verhogen. In alle gevallen biedt Smart Farming meer gemak, meer inzicht en meer mogelijkheden voor optimalisatie.

In deze blog beschrijf ik de eerste stappen, die eigenlijk voor iedereen van belang zijn.

Data verzamelen

Wanneer je meer data-gedreven wilt gaan werken, dan zul je eerst data moeten hebben. Denk nou niet direct dat je geen data hebt, want valt meestal reuze mee. En als je zelf de data niet hebt, zijn er allerlei openbare bronnen waar je interessante en bruikbare data vandaan kunt halen. Als je begint met alle data die je hebt eens op te zoeken en te ordenen, dan blijk al heel snel hoeveel data je hebt, maar ook dat als je beter overzicht krijgt met Smart Farming dat het dan ook veel eenvoudiger wordt om er meer gebruik van te maken.

Ik heb zoveel losse overzichtjes en bestandjes….
dat het een enorme winst is om alles overzichtelijk in één systeem te zetten, zodat ik alle informatie per perceel bij elkaar heb.
Veel informatie wordt geleverd in de mail, in een pdf-bestandje of een excel-sheet. Dat is misschien handig voor de leverancier, maar niet voor mij als ondernemer. Ik wil infomatie in een digitaal formaat dat ook in te lezen is een handig datasysteem.

Handig systeem

Wanneer je met begint met Smart Farming, dan is het misschien lastig om een goed systeem te vinden. Wat is een goed en betrouwbaar systeem? Is het simpel genoeg om mee te beginnen en uitgebreid genoeg dat je niet binnen een jaar al tegen de grenzen aanloopt? Het liefste wil je misschien een eenmalige aanschaf van software doen, maar alle systemen zijn op abonnementbasis. Voordat je een keuze maakt, is het verstandig om de voorgaande stappen ook echt te hebben gedaan. Wat zijn je beweegredenen en wat wil je bereiken? Welke data heb je nu, of zou je in de toekomst willen gebruiken?

Toen ikzelf op zoek was naar een systeem had ik dezelfde vragen. Uiteindelijk heb ik gekozen voor een open systeem. Een systeem waar ik zowel mijn eigen data in kan opslaan, maar ook van mijn percelen direct actuele informatie van satellietbeelden krijg. Een systeem dat mijn eigen data veilig opslaat ‘in de cloud’, zodat ik op elk moment en op elke lokatie inzage heb in de opgeslagen informatie. Maar ook vind ik het belangrijk dat de data alleen gedeeld wordt met anderen als ik daar zelf toestemming voor geef, en als ik de data niet meer wil delen, dan kan ik ook direct het data-delen weer stopzetten. Voor mij is Geopard Agriculture dat systeem. Ik ben er erg tevreden over, vooral omdat het zo overzichtelijk is en veel mogelijkheden heeft voor vergelijkingen en taakkaarten maken.

Slimme naamgeving

In Smart Farming wil je over het algemeen data bij elkaar brengen om te kunnen vergelijken op veldveau. Het is verstandig om voor je veldnamen dus een eenduidelige en herkenbare benaming te kiezen. Vervolgens is een hoofdindeling van de gegevens per perceel handig. Zoals veldgrenzen, bodemdata, sensordata, opbrengstdata en taakkaarten of as-applied-data.. Met een bestandsnaam, die bovendien nog wat extra informatie bevat, hou je overzicht en gaat deze metadata niet verloren. Denk bijvoorbeeld aan het opnemen van de datum waarop de data verzameld is en het systeem waarmee de data verzameld is (bijv. VERIS of SoilXplorer voor bodemscan data).

Visualisatie

Een eerste verkenning van de data begint met het visualisatie. Er zijn 2 krachtige manieren om op het oog al belangrijke trends of patronen te herkennen. Dat is door de data te presenteren op een kaart, zoals in Geopard Agriculture, of in een grafiek met bijvoorbeeld de spreiding van de waarden.

Conclusie

Smart farming is niet zo moeilijk als het misschien lijkt. Met deze blog heb ik je hopelijk ook op weg geholpen met een paar tips. Mocht je nog extra hulp nodig hebben, stuur dan eens vrijblijvend een bericht.

TIP verder in 2021

TIP gaat door!

Het is voor sommigen misschien een poos stil geweest, maar ondertussen hebben we niet stil gezeten. Laten we met dit bericht weer iedereen bijpraten.

Na de webinars in november en december hebben we in december een oproep gedaan om weer nieuwe deelnemers te krijgen om ondersteuning te krijgen in een van de genoemde toepassingen van variabele dosering of bemonstering.

Een seizoen lang precisielandbouw toepassingen voor de aardappelteelt

Het TIP project heeft voor 2021 een seizoen lang precisielandbouw toepassingen voor de aardappelteelt uitgewerkt.

Waaruit bestaat het pakket?

Plaatsspecifieke informatie over bemesting, aardappelmoeheid of vrijlevende alen
Interpretatie van de bodemanalyses (hulp bij bijv. raskeuze)
Taakkaart basisbemesting
Taakkaart pootafstand
Taakkaart bodemherbicide
Gewasmonitoring van plagen, ziekten of onkruiden met drones
Taakkaart overbemesting
Bodemvochtmonitoring
Taakkaart loofdoding

Er hebben zich 5 ondernemers aangemeld die vol enthousiasme met een aantal toepassingen aan de slag gaan. Dat is een mooi aantal met een mooie spreiding over het gebied. Voor iedere deelnemer kunnen we op basis van de gegevens van een eigen perceel de verschillende toepassingen voorbereiden. Niet elke toepassing zal ze aanspreken of passen bij elk bedrijf, daarom worden van een of meerdere toepassingen per bedrijf geselecteerd, die we gezamenlijk zullen oppakken.

In januari zijn we begonnen met het verzamelen van de beschikbare data van de deelnemers of van andere bronnen om een zo goed mogelijk beeld te krijgen van de percelen, die ze hebben opgegeven. Voor een aantal toepassingen is aanvullende data nodig waarvoor nu een bemonsteringsplan wordt gemaakt. Studenten van Terra worden actief betrokken bij de uitvoering en ondersteuning van de telers.

Ook geïnteresseerd in de mogelijkheden, neem contact op!

Het project #TIP Toepassing Innovatieve Precisietechniek is een samenwerking tussen Wageningen Plant Research, Hilbrands Laboratorium B.V. , De Databoerin, Terra MBO, Innovatie Veenkoloniën en wordt mogelijk gemaakt door #ELFPO.
https://agriculture.ec.europa.eu/common-agricultural-policy/rural-development_nl

TIP update

We hebben in 2020 een wat chaotische start gehad doordat we vlak voor het groeiseizoen ineens geconfronteerd werden met een onzekere situatie rondom corona. In deze bijzondere periode werd online werken en online bijeenkomsten organiseren ineens de standaard.

Zo vlak voor het groeiseizoen was het even schakelen om met iedereen ineens anders te gaan communiceren. Ondanks dat alles hebben we toch een aantal proeven kunnen opzetten.

Variabel poten van zetmeelaardappelen op basis een potentiekaart van satellietdata.
Variabel bijbemesten zetmeelaardappelen op basis chlorophyl-kaart van satellietdata en NDRE-kaart uit biomassasensor van de spuit.

Het lag in onze bedoeling om ook veldbijeenkomsten te organiseren om zo meer te horen van de deelnemers over hun keuzes. Ook hadden we graag de uitkomsten in een bijeenkomst in het najaar met jullie willen delen, maar ook dat was niet mogelijk. Hierdoor hebben we de uitwerking van de proeven nog onvoldoende met jullie kunnen delen, maar daar komen we later nog op terug.

In de tussentijd hebben we wel een aantal webinars georganiseerd.

Taakkaart maken – Een serie van 4 webinars meer gericht op het in technische zin werkend krijgen van een taakkaart.
Bemesting en bodemanalyse – webinar verzorgd door het HLB over hun analyse-methoden en adviezen
´Precisielandbouw, wat kan ik er mee’ – webinar door de WUR over de verschillende toepassingen en de data en rekenregels, die daarbij van belang zijn.

De webinars zijn opgenomen en zullen voor de deelnemers op een later moment ook beschikbaar worden gesteld om terug te kijken.

Laten we hopen dat in de loop van 2021 we elkaar wel weer ‘live’ kunnen treffen.

Het project #TIP Toepassing Innovatieve Precisietechniek is een samenwerking tussen Wageningen Plant Research, Hilbrands Laboratorium B.V. , De Databoerin, Terra MBO, Dronehub GAE en Innovatie Veenkoloniën en wordt mogelijk gemaakt door #ELFPO.
https://agriculture.ec.europa.eu/common-agricultural-policy/rural-development_nl

TIP van start

Precisielandbouw eenvoudiger maken, dat is wat we willen bereiken met het POP3-project TIP (Toepassing Innovatieve Precisielandbouw technologie).

Binnen dit project zijn WUR en Regioleren AOC Terra samen met de experts van De Databoerin, DroneHub GAE en Hilbrands Laboratorium B.V., er om telers helpen met het oplossen van hun precisielandbouw-vragen.

Afgelopen week hebben we ons met een groep telers en studenten gebogen over taakkaarten. Als je een taakkaart hebt gemaakt en je wilt variabel gaan doseren, hoe krijg je dit dan aan de praat op je machine?

Dit soort praktische vraagstukken, die worden aangedragen door de telers zelf, komen aan de orde bij de studiegroepen in de Veenkoloniën van het project TIP.

Ook interesse? Voor meer informatie of deelname kunt u contact leggen met Innovatie Veenkoloniën of een van de partners van dit project.

Slim sensoren inzetten voor beregening

Bij het gebruik van bodemvochtsensoren krijg je goed inzicht in de hoeveelheid vocht in de bodem. Bij een optimale vochtvoorziening zal het gewas zich ook optimaal kunnen ontwikkelen. Bij voldoende bemesting is vocht vaak de eerste beperkende factoren voor goede gewasontwikkeling.
De Sensoterra-sensoren geven het vochtgehalte weer in volume percentage vocht.

Steeds vaker krijg ik de vraag bij welk percentage is de vochtvoorziening op orde en bij welk percentage moet je beginnen met beregenen. Dat is een goede vraag. Hieronder kun je lezen hoe je dat kunt beoordelen voor je eigen situatie.

Wanneer moet je beginnen met beregenen?

Uiteraard is het type gewas en het groeistadium een belangrijke factor, die bepaalt of beregening noodzakelijke is. Maar wanneer je kijkt naar het vochtpercentage, die de sensoren aangeven, dan is vooral ook de grondsoort waarin de sensor geplaatst is, van belang.

Elke grondsoort heeft een zogenaamde vochtkarakteristiek, uitgedrukt in de pF-curve. De pF-curve geeft de relatie aan tussen de zuigspanning en het percentage vocht in de grond. Hieronder zijn voor wat verschillende bodemsoorten de pF-curves aangegeven.

Echter niet alle vocht is de grond is voor de plant beschikbaar.
Globaal geldt dat planten nog goed vocht kunnen opnemen tot een zuigspanning van
2.7 `a 3. Naarmate de grond droger wordt, loopt de zuigspanning op en dan lukt het de plant onvoldoende om het vocht te onttrekken. De plant ondervindt dan de eerste tekenen van verdroging.

Welk percentage vocht bij de zuigspanning van 3 hoort, is dus afhankelijk van de grondsoort. De pF-curve van de grond kun je laten bepalen op basis van een monster (bijv. Eurofins-analyse), of de globale curve van de grondsoort hanteren, zoals hierboven gegeven.

En hoeveel moet je dan beregenen?

Als je dan gaat beregenen, hoe groot is dan een effectieve gift?
Ook dat kunnen we aan de hand van de pF-curve aflezen. Bij pF-waarde 1,8 à 2 ligt de veldcapaciteit; dit is het vochtpercentage waarbij de grond verzadigd is. Wordt er nog meer water door regen of beregening toegevoegd, dan zal het meerdere wegzakken naar diepere lagen. Om meer water te geven dan verzadiging is dus niet verstandig, omdat het water niet beschikbaar blijft voor de plant en voedingsstoffen zullen uitspoelen.

De gewenste gift is tevens afhankelijk van de effectieve bewortelingsdiepte. Hoe dieper het gewas wortelt, hoe meer vocht er kan worden onttrokken. En dus heeft het zin om tot die diepte het vocht aan te vullen.
De gift kun je berekenen aan de hand van de volgende formule:

Beregeningsgift = (%vocht bij verzadiging – % actueel) x effectieve bewortelingsdiepte

Is de effectieve bewortelingsdiepte 30 cm, het actuele vochtpercentage 5% en het vochtpercentage bij verzadiging is 15%. Dan is de maximale nuttige gift 30 mm. Dit zou voor bij een gewasverdamping van bijvoorbeeld 5 mm per dag voldoende moeten zijn voor 6 dagen.

GEWASINDEX – hulp bij precisielandbouw

Een van de projecten die De Databoerin begeleidt is MAXSUS. Om met precisielandbouw resultaten te behalen is data een essentieel onderdeel. In 2018 zijn de deelnemes begonnen met data verzamelen op een groot aantal percelen. In dit artikel zal ik in gaan op het interpreteren van de gewasindexdata.

MAXSUS is als project gestart vanuit de wens van de deelnemende ondernemers om beter grip te krijgen op de factoren, die uiteindelijk de opbrengstbepalen. In grote lijnen kennen we natuurlijk het belang van een goede bodem, voldoende water en meststoffen en een goede gewasbescherming tegen ziekten en plagen. Maar hoe stuur je daar nu precies op? Want een perceel is niet homogeen en dus is ook de gewasontwikkeling niet homogeen. Vanuit de gedachte van duurzaamheid (MAXSUS staat voor Maximum Sustainable, maximaal duurzaam) willen we zo zuinig mogelijk omgaan met de beschikbare resources en dus het gebruik zo goed mogelijk afstemmen op de behoefte van de plant.

Een van de hulpmiddelen, die de telers al meerdere jaren inzetten zijn OptRx gewas-sensoren. Globaal elke 10 dagen wordt de gewasindex NDRE gemeten.
Het gewas reageert op gunstige groei-omstandigheden, waardoor de sensor een hogere meetwaarde geeft. Op basis van de meetwaarden kunnen we een kaart maken waarin we de meetwaarden en de variatie in het perceel in beeld krijgen.

Het is echter nog niet zo eenvoudig om die kaartjes te interpreteren.
Allereerst, wat zegt de absolute waarde? Uit de ervaring, die we hebben opgedaan bij het verzamelen van veel meetwaarden van heel veel verschillende percelen (in 2019 in totaal 100 percelen, 528 ha), blijkt dat er verschillende factoren zijn waar je rekening mee moet houden. We meten met 3 setjes sensoren. Elk setje heeft een soort systematisch afwijking, de een meet altijd hogere waarden dan de ander. Dit leidt zelfs tot onderlinge competitie, waar de betreffende eigenaar niet echt wat aan kan doen.
Wanneer je verschillende rassen bekijkt, zie je ook vaak duidelijke verschillen met een scherpe overgang tussen de rassen, die niet naar de groeiomstandigheden zijn terug te leiden. Het is dus soms gewoon een ras eigenschap.

Wat zegt de relatieve waard dan? Het is dus belangrijk om te kijken naar de verschillen. De verschillen in ruimtelijke zin, de verspreiding over het perceel, en de verschillen in de loop van de tijd.

Dus de vraag rijst, welk moment moet je meten en wat zegt die waarde dan.
Als je de kaartjes bekijkt, dan is er niet altijd een goede of slechte plek aan te wijzen. Een goede plek kan op enig moment weer een lagere waarde hebben dan de rest en dan daarna toch ook weer beter presteren. En als je de grafieken bekijkt, dan zie je bepaalde percelen in het begin hoge waarden geven, maar dan naar het einde van het groeiseizoen sterker teruglopen dan de rest.
Uit analyse van de data bleek al snel dat er niet één specifiek moment is aan te wijzen, die de uiteindelijk een goede opbrengst voorspelt. Maar wanneer je het gehele oppervlakte onder de grafiek bekijkt, dus het gebied tussen de grafiek en de x-as, dan blijkt wel dat er een verband is tussen die oppervlakte en de uiteindelijke opbrengst. En de opbrengst is natuurlijk waar het uiteindelijk om gaat.

Dit was een inkijkje in de bevindingen op basis van de gewassensoren, in een volgend artikel zullen we ingaan op andere soorten data, die in het project worden verzameld en geanalyseerd.

Heb je ook behoefte aan hulp bij het verwerken of interpreteren van de data, of zie je kansen voor Precisielandbouw op jouw bedrijf, laat het ons weten. We denken graag met je mee.