Gericht onkruiden aanpakken met big data: bouwstenen zijn er
Volledig onderzoeksrapportGericht onkruiden aanpakken met big data: bouwstenen zijn er
Over Crkls
In de afgelopen decennia is het landbouwkundig onderzoek in Nederland enorm versplinterd en uit elkaar gegroeid. En ja, boeren hebben vertrouwen in onderzoek, maar hun vertrouwen is niet onvoorwaardelijk. Ook sluit het onderzoek niet altijd goed aan op de urgente problemen waarmee boeren worstelen in de praktijk.
De initiatiefnemers van Crkls: Misset Uitgeverij, BO Akkerbouw, Wageningen University & Research, Aeres Hogeschool en Groen Kennisnet willen hier wat aan doen voor een toekomstbestendige landbouw in Nederland die nu voor grote uitdagingen staat.
Het kennisplatform Crkls wil het kaf van het koren scheiden en bewezen kennis gemakkelijk vindbaar maken voor boeren op een plek. De resultaten van alle onderzoeken en praktijkproeven in Nederland worden verzameld en door een onafhankelijke redactie beoordeelt en op een uniforme en compacte wijze gepubliceerd.
Ga naar de inhoud
Onderzoeksinstituut: Wageningen University & Research
Locatie: n.v.t.
Periode: 2017
Gefinancierd door: EU (Horizon 2020), Ministeries Nld en Servië
Status onderzoek: Afgerond
Bodemsoort: n.v.t.
Betrouwbaarheidsscore:
Niet van toepassing
Big data analyse biedt goede mogelijkheden om onkruidhaarden te voorspellen, op te sporen en aan te pakken. Op dit moment zijn er nog geen systemen actief die dit ook al doen, maar de technologie is beschikbaar. Een belangrijke afweging is nog de mate van privacy en beveiliging van de data.
Conclusies
- Big data analyses kunnen worden ingezet om onkruiden effectief te behandelen.
- Big data kan voorspellende modellen voeden om onkruidhaarden beter op te sporen of zelfs te voorkomen.
- Data privacy is een belangrijk aandachtspunt.
Samenvatting
Onkruidbeheer is van cruciaal belang, aangezien onkruiddruk voor 32% van de jaarlijkse opbrengstverliezen zorgt. Big data kan mogelijk een bijdrage leveren aan het gericht en effectief aanpakken van onkruiden.
Lees meer
Big data
De term big data slaat op datasets die zo groot zijn dat ze niet met gangbare statistische methoden kunnen worden geanalyseerd. Vaak zijn ze samengesteld uit data van verschillende bronnen. In de landbouw zijn dit bijvoorbeeld bodemkaarten, grondmonsters en de teeltregistratie. Verreweg de meeste data komen uit sensoren die continu meten, zoals weerstations en sensoren op machines. Een belangrijke en complexe stap is het vertalen van data, zodat alle eenheden en betekenissen met elkaar overeenkomen.
Verwerking
De meeste analysetechnieken voor big data komen voort uit machine learning. Een aantal van deze technieken kan worden ingezet bij het herkennen van onkruidhaarden. Vervolgens kan ook de toekomstige verspreiding van de onkruiden worden gemodelleerd. Zo kan een gebruiker bijvoorbeeld verschillende bestrijdingsscenario’s bekijken en kiezen wat het beste bij hem en de situatie past.
Privacy
Data zijn op een boerderij verzameld en worden veelal bij de technologie-aanbieder verwerkt, daarom is het belangrijk om de privacy van deze data te waarborgen. Encryptie biedt hier mogelijkheden, maar dit zorgt er ook voor dat de verwerking meer tijd vraagt. Een belangrijk dilemma op de korte termijn is de afweging tussen veiligheid en verwerkingstijd.
Bestaande systemen
Op verschillende niveaus zijn er al systemen in de praktijk gebracht, zoals NemaDecide (inmiddels farmmaps) wat op aaltjes gericht is. Gewis geeft op basis van algemene gegevens adviezen voor de te gebruiken middelen en de beste toepassingsmomenten.
Impactscore
Met de Impactscore laten we zien op welke bedrijfsactiviteiten de onderzoekresultaten direct effect hebben. Een onderzoeksresultaat kan bijvoorbeeld leiden tot het gebruik van minder gewasbeschermingsmiddelen of minder meststoffen. Dat vermelden we met een korte toelichting.
Gebruik chemische middelen
Door het sneller en effectief aan kunnen pakken van onkruidhaarden kan flink op gewasbeschermingsmiddelen worden bespaard.
Betrouwbaarheidsscore:
Geen betrouwbaarheidsscore omdat het gaat om literatuuronderzoek.
