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.

Laten we samen werken aan resultaten.

Variabel aardappels poten, hoe doe je dat?

Met precisielandbouw wil je zo goed mogelijk inspelen op de verschillen in de bodem en het gewas voor het optimale rendement. Precisielandbouw gaat daarom hand in hand met de machines om plaatsspecifiek te kunnen werken. Een machine wordt meestal gekocht voor een groot aantal jaren en men wil bij de keuze ook voorbereid zijn op de toekomst. We zien steeds vaker dat daarom de mogelijkheden voor precisielandbouw in de keuze worden meegenomen.

Men begint met het gebruik van de machine, zonder deze extra mogelijkheden te benutten, omdat de kennis en ervaring ontbreekt. Zo ook bij een pootmachine, die variabel kan poten.

In het project Toepassing Innovatieve Precisielandbouwtechnologie in de Veenkoloniën demonstreren we in een studiegroep van telers en studenten van Terra variabel poten in de zetmeelaardappelteelt.

Vele onderzoeken en literatuur richten zich op ‘het in de maat houden van pootaardappelen’, maar wij kijken vooral naar de mogelijkheden om de algehele opbrengst te verhogen door variabel te poten.

Bodemkaart

Met plaatsspecifiek poten zorg je dat de plantafstand wordt aangepast aan groeipotentie, die er voor de planten is. Dit wordt binnen een perceel bepaald door de bodemeigenschappen. Eenzelfde ras telen op kleigrond of zandgrond resulteert in een ander aantal stengels per struik. Dit betekent dus ook dat de ideale pootafstand niet dezelfde is naargelang de grondsoort. Als een perceel voldoende heterogeen is, kan het nuttig zijn om variabel te gaan poten.

De elektrische geleidbaarheid (EC) van de bodem is onder andere een indicatie voor de het kleigehalte en/of de aanwezigheid van organische stof in de bodem. De EC wordt gemeten met een bodemscan. Wanneer het perceel voor variabel poten in kaart is gebracht met een bodemscan, zoals EM38, SoilXplorer of Veris, dan is dit een goede basis voor de taakkaart

Groeipotentieel

Maar er kan ook in bredere zin gekeken worden naar de variatie in groeipotentie voor de planten. Op plaatsen waar de groeiomstandigheden minder zijn, zoals in de schaduw van de bomen, of op droge plekken, zou men minder aardappelen kunnen poten zodat ze meer licht, water en mineralen ter beschikking hebben per plant. Hierdoor zal de plant in theorie meer opbrengst geven.

De EC van de bodemscan kan gebruikt worden om het groeipotentieel te bepalen, maar meerjarige satellietbeelden geven hiervoor ook een heel betrouwbaar beeld. Bodem-gerelateerde verschillen komen vaak terug in alle gewassen en dus maakt het dan voor de vergelijking niet veel uit dat er in de jaren verschillende gewassen stonden, zoals in deze afbeelding op basis van de satellietbeelden van 2015-2019.

Taakkaart

Voor de demonstratie van het variabel poten was geen bodemscandata beschikbaar en daarom hebben we gebruik gemaakt van de bodempotentie of productiviteitsklasses op basis van satellietbeelden van 2016-2019.

Het perceel is ingedeeld in 4 klassen. Op de plekken met de hoogste productiviteit worden de meeste planten gezet (geringere plantafstand) en op de plekken met de laagste productiviteit, de minste (grotere plantafstand). Omdat we geen open plekken willen, waar veel onkruid zich kan ontwikkelen, is de maximale pootafstand op 33 cm aangehouden.

Er zijn stroken variabel gepoot en stroken op de standaard pootafstand. Zo kunnen we in een later stadium goed zien wat het effect is geweest.  De standaard pootafstand is 29 cm.

Meer weten over precisielandbouw toepassingen in het project TIP, volg de blogs op de TIP-pagina, of bezoek Innovatie Veenkolonieën.

Bodem in kaart

In de praktijk van precisielandbouw zien we vaak dat de eerste stap bestaat uit de gegevens over de boerderij, zoals van de bodem en het gewas, letterlijk in kaart. Hierdoor wordt de variatie in het veld goed zichtbaar en daarmee tastbaarder. De herkenning van de verschillen leidt tot de bewustwording bij de boeren dat ze deze verschillen eigenlijk elk jaar wel op hun veld terugzien, maar niet gebruiken om te sturen.

Hoe breng je dan de variatie in kaart?

Laten we beginnen bij de bodem.
Veel van de variatie in gewasontwikkeling is terug te voeren naar bodemverschillen. Daarom vinden wij het ook zo belangrijk om te beginnen bij de bodemverschillen. Sinds een aantal jaren zijn er verschillende bodemscans in omloop. Een relatieve nieuwkomer met veel potentie is de SoilXplorer. Deze scan heeft als voordeel, dat eigenlijk het hele jaar door gescand kan worden, omdat de scanner op 30 cm boven de grond kan meten. Ook als er een (opkomend) gewas, een groenbemester, of een stoppel staat, kan de SoilXplorer zijn werk doen.

Met een snelheid tot wel 15 km per uur kan de scan worden uitgevoerd, door parallele banen over het perceel te maken. De software gebaseerd op wetenschappelijke kennis, zorgt voor het samenstellen van een bodemkaart en de indeling in betrouwbare bodemzones.

Service

Bij De Databoerin zijn al een aantal jaren bezig om de boeren hierbij te begeleiden, of dit volledig voor ze te verzorgen. Want zeg nou zelf, als je na een lange dag van de trekker stap heb je toch helemaal geen zin om ook nog eens uitgebreid de verzamelde data te moeten verwerken.
In het kader van het MAXSUS project (mede mogelijk gemaakt door de EU en de provincie Drenthe) hebben we ook de keuze gemaakt voor de SoilXplorer en zijn we begin dit jaar begonnen met de eerste hectares en dat levert een hoop herkenning op.
Dat is SMART FARMING, inzicht krijgen en data-gestuurd werken.

Toepassing

Het in beeld brengen van de verschillen met sensoren en drone- en satellietbeelden is de laatste jaren al aardig uitgekristalliseerd. De vervolgstap om op deze data te gaan sturen is bedrijfsspecifiek. We kunnen leren van de voorbeelden van anderen om de pootafstand of zaaizaad hoeveelheid te variëren op basis van de potentie van de bodem. Of compost of bemesting af te stemmen op de behoefte van de bodem en het gewas. Iedereen doet dat al jaren per perceel, waarom niet per bodemzone als dat kan? Zelfs met aardappelopslag bestrijden kan de link met de bodem worden gelegd, omdat hoeveel opslag die er overblijft afhankelijk kan zijn van de ondergrond.

Belangrijke les

De belangrijkste les is om gewoon ergens te beginnen. Wanneer je helemaal vooraf wilt berekenen hoeveel je kunt besparen of verdienen met precisielandbouw, dan leg je de innovatie stil. Je moet eerst in beeld hebben waar de potentie ligt voor verbetering, of besparing en dat inzicht krijg je door te gaan DOEN. De eerste stappen liggen steeds meer binnen handbereik en kunnen gezet worden tegen redelijke kosten.

Laten we samen werken aan resultaten.

Meer profijt op de boerderij

Boeren streven naar hogere veldopbrengsten, betere kwaliteit producten en meer duurzaamheid in de teelt, terwijl dat het financiële rendement minimaal op peil moet worden gehouden. Sterker nog, al die inspanning moet toch ook gewoon leiden tot een hoger rendement.

Datatechnologie en sensoren bieden kansen om de landbouw duurzamer en efficienter te maken door rekening te houden met lokale variaties in bodem, gewas en atmosfeer. Men noemt dit Smart farming.

Smart farming

Deze vernieuwde vorm van landbouw biedt kansen met betere, actuele en ‘op de vierkante meter nauwkeurige’ informatievoorziening voor beslissingsondersteuning van de teeltplanning tot en met de oogst.

Met data van verschillende bronnen, zoals bodeminformatie, gewasinformatie, informatie over meststoffen, weersverwachting en gewasbescherming onderbouwen we de vakkennis van de teler.
Het combineren van data en informatie leidt tot nieuwe inzichten, betere beslissingen en verhoging van de productiviteit.

Praktisch gezien zijn er vele mogelijkheden, maar hoe kun je de eerste stappen zetten?  De Databoerin helpt boeren om grip te krijgen op deze digitale uitdagingen.

Waar moet je beginnen? Of liever gezegd, waar wil je beginnen? Want uiteraard staan de wensen van de teler voorop. Iedereen heeft zijn eigen uitdagingen of specifieke belangstelling.
Daarom doen wij eerst een Quickscan, zodat we inzicht hebben in de behoeften. Misschien heb je al eens een proef gedaan met een bodemscan, of heb je al opbrengstdata van een aantl jaren, waar je niets mee doet. Dat kan een goed startpunt zijn.

Gewoon beginnen

De beste ervaring krijg je door gewoon te beginnen. Praktische ervaring opdoen en stap voor stap ervaren wat het beste past bij jouw situatie.

Wij willen ook jou hiervan laten profiteren.

Neem dan contact (info@databoerin.nl) met ons op, zodat wij je verder kunnen helpen met praktische oplossingen.

Wij maken o.a. :

  • taakkaarten 
  • opbrengstkaarten,
  • as-applied kaarten
  • of analyses van verschillende soorten data

En uiteraard begeleiding van A to Z; zo beperkt of uitgebreid als jij dat wilt.