Nieuws

Voorspellen van gewasopbrengst met datareeks op KTC de Marke

Gepubliceerd op
6 mei 2019

Via een big data benadering met ‘machine learning technieken’, is de gewasopbrengst van melkveeproefbedrijf de Marke behoorlijk goed te voorspellen. Dit betekent dat de bemesting en de bemestingsnorm voor fosfaat bedrijfsspecifiek in te vullen zijn.

Efficiënt gebruik maken van alle hulpbronnen, ook van dierlijke mest, is van groot belang voor een goede bedrijfsvoering en past binnen de gedachte van kringlooplandbouw. Een goede balans tussen fosfaatopbrengst met gewassen en fosfaattoediening met meststoffen is hier een onderdeel van. De fosfaatopbrengst is echter pas aan het eind van het seizoen bekend, terwijl de mest aan het begin wordt toegediend.

Leren van datareeks van KTC de Marke

Wageningen University & Research heeft gebruik gemaakt van ruim 20 jaar historische veldgegevens van proefbedrijf De Marke. Deze gegevens zijn gecombineerd met weersgegevens van de betreffende jaren om de gewasopbrengst met fosfaat te voorspellen. Hierbij is een big data benadering met 'machine learning' technieken gebruikt. Met machinaal leren kunnen verbanden worden gelegd aan de hand van data analyses die binnen 'normale statische analyses’ niet te vinden zijn. Machinaal leren of wel automatisch leren is een breed onderzoeksveld binnen kunstmatige intelligentie,dat zich bezighoudt met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren. Op basis van deze techniek kan geconcludeerd worden dat deze benadering perspectief biedt voor bemestingsadvies en bemestingsnormen in de praktijk. Deze techniek zal eerst verder doorontwikkeld en getoetst moet worden op een grotere groep bedrijven.

De resultaten van het onderzoek zijn gepresenteerd op enkele wetenschappelijke congressen en beschreven in twee wetenschappelijke artikelen: