De Wageningen Universiteit werd in 100 jaar tijd opgebouwd op basis van traditioneel landbouwonderzoek, maar de komst van sensoren en big data kan de traditionele instituten op hun grondvesten laten schudden. Heeft iedere boer straks zijn eigen proefboerderij?
De universiteit vierde onlangs haar 100-jarig bestaan en dus 100 jaar van hoogwaardig landbouwkundig onderzoek. C.T. de Wit legde in de jaren '50 tot de jaren '80 de fundering voor de relatie tussen fotosynthese en de gewasproductie, maar ook die voor de plaatsing van meststoffen en het mixen van verschillende gewassen die elkaar positief beïnvloeden.
Dit soort wetenschappelijk onderzoek is in de tweede helft van de vorige eeuw opgebouwd door enorm veel metingen, theoretische modellen en uiteindelijk het ontwikkelen van adviezen waar de landbouw vandaag de dag nog steeds gebruik van maakt.
Sensor als databron
Het verzamelen van gegevens die nodig zijn voor dit onderzoek, gebeurt vaak op proefvelden met verschillende grondsoorten, rassen, doseringen meststoffen of gewasbeschermingmiddelen en vaak op proefboerderijen. Echter, we zien de laatste decennia dat digitalisering een deel van deze dataverzameling en kennisontwikkeling overneemt. Sensoren maken het mogelijk op grote schaal data te verzamelen en inzichten te ontwikkelen die wij als mens niet kunnen overzien.
Automatische aansturing van poot- en zaaimachines, kunstmeststrooiers en spuiten via taakkaarten maken het mogelijk om moeiteloos praktijkproeven aan te leggen. De opbrengstsensoren kunnen van deze proeven automatisch de gerealiseerde resultaten vastleggen. Zo is elke teler onderzoeker op zijn eigen bedrijf en gaan de kosten van onderzoek drastisch omlaag. Daarnaast worden de resultaten veel relevanter, omdat iedereen onderzoeksresultaten heeft van zijn eigen bedrijf, in plaats van die van een proefboerderij. Er zijn daarnaast steeds meer mogelijkheden om zelflerende algoritmes in te zetten voor data-analyse.
Amerikaanse praktijk
Een voorbeeld komt van het Amerikaanse Climate Corporation, onderdeel van Bayer. Dit bedrijf heeft onlangs een digitale seed advisor gelanceerd. Door slimme algoritmes in te zetten op een database van bodemkaarten, data uit zaaimachines en opbrengstkaarten van combines geven ze geautomatiseerde adviezen per grondsoort voor het beste maïsras. Hier is geen landbouwkundige proef aan te pas gekomen. Dit is ontwikkeld op basis van data verzameld bij 200 telers op 40.000 hectare, met data die veelal al aanwezig was. Zelflerende algoritmes hebben een strategie bepaald die voor iedere grondsoort de hoogste winst oplevert.
Ook bij Dronewerkers zijn we bezig (in samenwerking met ketenparters en adviseurs) continu nieuwe inzichten te creëren op basis van data. Op basis van bodem- en hoogtekaarten nemen we grondmonsters voor het seizoen. Vervolgens wordt de opkomst van elke plant in kaart gebracht en kunnen we tijdens het seizoen het groeiverloop volgen, aangevuld met grondmonsters. Met behulp van warmtebeeldcamera’s brengen we de vochthuishouding in beeld en richting de oogst kunnen we de opbrengst voorspellen. Nieuwe inzichten uit deze big data gebruiken we om nieuwe kennis op te bouwen en bestaande advisering te verbeteren.
Gekleurd advies
Voor u als teler betekent dat er in een sneller tempo nieuwe inzichten beschikbaar komen over de beste strategieën. Huidige teeltadviezen zijn vaak erg algemeen. Afhankelijk van de situatie is een dosering te laag of zorgt deze juist voor schade. Ook kunnen adviezen gekleurd zijn, door de verkoper of adviseur, maar ook door de manier van proeven waarop het advies gebaseerd is. Proeven zijn vaak beperkt relevant voor de praktijk, terwijl data uit de praktijk dit probleem overkomt.
Boerenwijsheid zal altijd nodig zijn om het bedrijf goed te laten draaien, maar de bedrijfsvoering zal vaker ondersteund gaan worden door nieuwe vormen van begeleiding op basis van data. Niet alleen voor de teelt, maar ook vanuit de boekhouder, de overheid en samen met collega’s.
Traditioneel onderzoek
Als we met de data zoveel nieuwe aspecten van de teelt in beeld kunnen brengen en nieuwe kennis kunnen ontwikkelen, tegen veel lagere kosten en met een kortere ontwikkelingstijd, is er dan nog een rol voor het traditionele landbouwkundige onderzoek? Of weet de nieuwe generatie onderzoekers dit juist als kans aan te grijpen om samen met de sector nieuwe kennis te ontwikkelen?
© DCA Market Intelligence. Op deze marktinformatie berust auteursrecht. Het is niet toegestaan de inhoud te vermenigvuldigen, distribueren, verspreiden of tegen vergoeding beschikbaar te stellen aan derden, in welke vorm dan ook, zonder de uitdrukkelijke, schriftelijke, toestemming van DCA Market Intelligence.
Dit is een reactie op het Boerenbusiness artikel:
[url=http://www.boerenbusiness.nl/column/10880970/is-landbouwkundig-onderzoek-nog-nodig]Is landbouwkundig onderzoek nog nodig?[/url]
Iedereen die zich bezig houdt met precisielandbouw zou er goed aan doen zich te verdiepen in de theorie van de "flat payoff function". Deze theorie is ontwikkeld door Prof. David Pannell van de universiteit van Western Australia. Kern van zijn verhaal is dat vele stuurvariabelen (bv plantafstanden of kunstmest gift) over een breed traject nauwelijks invloed heeft op de financiële opbrengt. De gevolgen hiervan voor vele vormen van precisielandbouw zijn groot: ze leveren nauwelijks iets op.
Precisielandbouw is eigenlijk een soort kers op de taart terwijl de taart bij de meeste akkerbouwers nog lang niet op orde is. Je kunt je geld maar beter aan "de taart" besteden dan aan "de kers". Daar rendeert het simpelweg beter.
Wij hebben het onafhankelijk landbouwkundig onderzoek naar mijn mening meer dan ooit nodig om ons te helpen deze "taart" op een hoger niveau te brengen.
Iemand die homeopathie preekt snapt per definitie niet wat gedegen en eerlijk onderzoek is.