Innovatie

Op weg naar smart farming

In het project “Gelders Living Lab: Op weg naar Smart Farming” werken verschillende partijen samen aan duurzame transitie naar data-intensieve landbouw. Het project heeft als doel om op basis van een grote hoeveelheden data van 100 maispercelen in Gelderland nieuwe modellen te ontwikkelen. Deze moeten opbrengstvariaties van mais in allerlei omstandigheden verklaren, waardoor teeltrendement, bodem en milieu verbeterd worden. Dit is één van de gehonoreerde projecten van de provincie Gelderland in het kader van samenwerking voor innovatie, één van de maatregelen van het plattelandsontwikkelingsprogramma (POP3).

Wat is precisielandbouw?

De landbouwpraktijk verandert en wordt steeds data-intensiever. Data-intensieve landbouw, ook bekend als precisielandbouw of smart farming, gebruikt sensoren om gegevens te verzamelen over verschillende factoren die de groei van gewassen beïnvloeden. Met die  informatie kunnen agrariërs de keuze, de hoeveelheid,  de bemesting en de gewasbescherming van hun zaaizaden tot op de vierkante meter nauwkeurig afstemmen.

Smart farming biedt agrariërs de mogelijkheid om tot een duurzame benadering van landbouw te komen waarin:

  • het milieu minder belast wordt,
  • de bodemgezondheid verbeterd wordt,
  • de gewasbeschermingsmiddelen efficiënter gebruikt worden
  • en de gewasopbrengst in kwantiteit en kwaliteit verbeterd wordt.

Precisielandbouw in de kinderschoenen

De meeste akkerbouwers maken inmiddels gebruik van satelietnavigatie en rechtrij-systemen. De ontwikkeling van precisielandbouw  staat echter nog in de kinderschoenen. In de praktijk worden beslissingen over hoeveel meststoffen toe te dienen, welke gewasbeschermingsstrategie te hanteren en welk zaad te gebruiken nog door de ondernemer genomen. Hoewel er steeds meer gegevens beschikbaar zijn, baseren de maistelers deze beslissingen nog vooral op vuistregels en intuïtie.

Een zoektocht naar bruikbare modellen

Het gebruik van actuele geo- en sensorinformatie biedt grote kansen om maatregelen te nemen die leiden tot een geringer grondstoffengebruik en een gesloten kringloop. Een belangrijke belemmering is het ontbreken van modellen, die  de data vertalen naar een managementadvies voor de boer. Het ontwikkelen van die modellen vereist echter grote datasets om de relatie en variatie tussen input en opbrengst onder allerlei omstandigheden te kunnen verklaren.

Verzamelen van plaatsspecifieke data

In het project wordt de maisteelt in Gelderland in kaart gebracht en worden modellen ontwikkelt die opbrengstverschillen in en tussen percelen integraal verklaren en voorspellen. In het project worden geodata van tenminste 100 maispercelen van veehouders en akkerbouwers in Gelderland verzameld. Behalve plaatsspecifieke opbrengstdata per perceel is een grote hoeveelheid plaatsspecifieke data uit meerdere lagen nodig:

  • satellietdata t.b.v. gewasontwikkeling
  • managementdata
  • bodemdata (vocht, mineralen, pH, etc.)
  • klimaatdata
  • opbrengstdata.

Door het slim combineren van deze gegevens zullen nieuwe nauwkeurige, betrouwbare en toepasbare inzichten ontstaan die de telers helpen om grondstoffen efficiënter te gebruiken, bodemgezondheid duurzaam te verbeteren, het milieu minder te belasten, kringlopen te sluiten en opbrengsten te verhogen.

Interview met Corné Kempenaar (Aeres Hogeschool)

In dit interview legt hij uit hoe hij tegen precisielandbouw aankijkt en wat hij ervan verwacht.

Wat maakt dit project interessant voor jou?

Ik vind het boeiend dat we via dit project een heleboel data kunnen gaan verzamelen en dan bekijken welke informatie hieruit te halen is. Er wordt veel gesproken over Big Data. De verwachtingen zijn heel hoog. Maar het is moeilijk om veel data bij elkaar te brengen van voldoende kwaliteit. En dan de meerwaarde eruit te halen.

Wat zijn jouw verwachtingen van precisielandbouw?

Ik geloof in precisielandbouw. Niet een perceel uniform behandelen, maar inzoomen op de lokale variatie. De grote drijver achter precisielandbouw is meer opbrengst en kwaliteit met minder input en kosten. Dit levert rendement voor de ondernemer en milieu.

Er is inmiddels een stortvloed aan techniek beschikbaar, waardoor veel data beschikbaar komen. Er zijn allerlei sensoren, die we bijvoorbeeld aan drones kunnen hangen. Op oogstmachines zitten meetunits, die wat over de hoeveelheid en de kwaliteit zeggen. Belangrijk is dat data voldoende nauwkeurig zijn, betaalbaar zijn en tijdig geleverd kunnen worden. Deze drie dingen bepalen of je de data  kunt gebruiken in de grote analyse. Dat is nog wel een hele zoektocht.

Wat is jouw persoonlijke drijfveer?

Ik vind het zelf interessant om op het snijvlak van wetenschap en praktijk actief te zijn. Je hebt de praktijk nodig om de data op te halen in dit project. Dit speelt zich op een schaalniveau af dat je het niet meer in proefopstellingen kan doen. Je hebt tientallen hectares nodig. Het zou kunnen dat dit type onderzoek een heel nieuw soort innovatie mogelijk gaat opleveren. En dan vooral dingen waar de praktijk direct iets mee kan.

Wat is bijzondere aan dit project?

Het innovatieve van dit project is dat er opbrengstkaarten worden gecombineerd met managementdata en bodemdata. We gaan proberen uit deze data patronen te halen. We gaan dit zodanig visualiseren dat het voor de teler eenvoudig te begrijpen is. Wellicht komt er een managementtool uit die boeren zelf kunnen gebruiken zonder een adviseur. Maar dat kunnen we nu nog niet bepalen. Dat is wel een onzekerheid in het project.

Zijn er nog meer onzekerheden?

Een onzekerheid is ook hoe goed we de benodigde data kunnen verzamelen. Voor het ophalen van opbrengstgegevens willen we afspraken maken met loonwerkers met geavanceerde apparatuur. Ook het verzamelen van historische gegevens van percelen is een hele klus, deze zijn niet altijd betrouwbaar. Een vraag is ook of een omvang van 100 percelen groot genoeg is om hier landelijk of in EU-verband wat over te zeggen. Dat zou geweldig zijn.

Wat is de meerwaarde voor de deelnemende boeren?

De meerwaarde voor de deelnemende boeren is dat ze een verklaring krijgen voor de opbrengstvariatie van hun percelen. Daarnaast kunnen ze het vergelijken met de andere deelnemers, een benchmark dus. En als er harde conclusies getrokken kunnen worden uit de analyse zitten de deelnemers op de eerste rang.

Hoe zou de landbouwsector met Big Data om moeten gaan?

De landbouw heeft een onontgonnen schat in handen heeft. LTO zou veel meer de lead moeten nemen bij het claimen van de data. Ze praten er wel over, maar er gebeurt nog weinig en de wereld dendert door. Agrifirm is daar bijvoorbeeld wel mee bezig. Die hebben een hele dataketen en het gebruik van de data zijn ze aan het optuigen.

De spelregels kristalliseren zich nu wel uit: data van de boer zijn ook het eigendom van die boer. Er ontstaan allerlei Platforms zoals Akkerweb, waar de boer zijn data op kan zetten en hij kan beslissen of hij ze wil delen of niet. Deze discussie zou ik als LTO willen sturen.

Er is interesse van allerlei partijen die de data zouden willen hebben. De data hebben dus waarde. Er zijn 3000 akkerbouwers die inloggegevens hebben van Akkerweb. Dat zijn aantallen die de interesse van leveranciers wekken. Ook de overheid en LTO zelf kunnen profiteren van de data. Als er voldoende boeren meedoen zou LTO een analyse kunnen uitvoeren om te bepalen wat goed gaat en wat beter kan in de landbouw.

Hoe moet de landbouw omgaan met het delen data?

Als boeren data en informatie willen delen kunnen ze elkaar wijzer maken. Ook de coöperaties zijn hier al mee aan de slag. Opbrengstvoorspellingen zijn echter marktbeïnvloedend en daar gaan boeren terughoudend mee om. Jacob van den Borne, één van de koplopers,  zegt: iedereen mag mijn data hebben, behalve de afnemers van mijn producten.

Open source zal voor een aantal gegevens gelden, maar opbrengstgegevens zullen nooit open source worden. Je zult de boer dan op een andere manier moeten verleiden om die data te delen. Een opbrengstsensor kost geld en waarom zou hij dan die gegevens open source willen delen. Open source ja, maar tot op zekere hoogte.

Zie je al een markt ontstaan rond data?

Er is interesse van allerlei partijen die de data zouden willen hebben. De data hebben dus waarde. Er zijn 3000 akkerbouwers die inloggegevens hebben van Akkerweb. Dat zijn aantallen die de interesse van leveranciers wekken. Ook de overheid en LTO zelf kunnen profiteren van de data. Als er voldoende boeren meedoen zou LTO een analyse kunnen uitvoeren om te bepalen wat goed gaat en wat beter kan in de landbouw.

Rond bodemkaarten, satellietbeelden en weersgegevens ontwikkelt zich al een hele markt. Boer en Bunder is daar een voorbeeld van. Hierin zijn een heleboel geo-gerefereerde data gestopt, die de boer verplicht is om aan te leveren. Boer en Bunder kan bijvoorbeeld worden gebruikt als  iemand een stuk grond wil kopen en wil weten wat daar de afgelopen jaren is geteeld.

Hoe zorgen jullie voor de snelle verspreiding van de resultaten?

We organiseren verschillende informatiebijeenkomsten, we versturen nieuwsbrieven en hebben een website. De bijeenkomsten zijn vooral gericht op loonwerkers en maistelers; degenen dus die ermee aan de slag kunnen gaan. Ook willen we uitwisselen met andere POP3 projecten met precisielandbouw, zoals in Overijssel en de Veenkoloniën. 

Kunnen de resultaten ook in het onderwijs worden gebruikt?

Jazeker. Ik werk als lector bij de Aeres Hogeschool. Precisielandbouw trekt veel studenten. Bij andere HAS-sen is er ook al veel aandacht. Techniek en data geven een extra dimensie aan het boer zijn. Dit spreekt jongeren aan en hopelijk zorgt dit ervoor dat de animo om het bedrijf over te nemen weer groter wordt.

Smart farming