Dataverzameling als basis voor goede voorspellingen

Voor de ontwikkeling van de cLEAN taakkaarten is het essentieel om goed te kunnen voorspellen hoe het gewas zich zal ontwikkelen in het groeiseizoen. Daarvoor wordt gewerkt met zogeheten crop response curves (CRC): modellen die weergeven hoe het gewas zal reageren, uitgaande van de factoren stikstof en organische stof. Binnen het consortium werkt de WUR aan de ontwikkeling van deze CRC. Wetenschapper Tamara ten Den legt uit welke stappen tot nu toe al zijn gezet om tot een betrouwbare CRC te komen.

Tamara ten Den is wetenschapper aan de WUR en hield zich de afgelopen tijd bezig met de eerste fase van de CRC: het verzamelen van datapunten. “Het gaat daarbij om het verzamelen van input die kan helpen om te voorspellen hoe de plant reageert op bemesting op een bepaalde grondsoort”, legt Tamara uit. “We gebruiken daarvoor input van de deelnemende boeren, maar ook uit bestaande wetenschappelijke onderzoeken, want hoe meer data, hoe betrouwbaarder de output.”

Bestaande onderzoeken
Het eerste onderdeel van Tamara’s werk was dan ook een uitgebreide literatuurstudie. “Dat kost veel tijd, want in de wetenschappelijke kennisbanken staan honderden publicaties die mogelijk relevant kunnen zijn. Na een verdere selectie blijft een deel daarvan over en die heb ik tot in detail doorgenomen. In sommige studies wordt ook gewerkt met een CRC, dan kun je de vorm en opbouw bestuderen, bij andere heb ik zelf een CRC geplot op basis van de data in het onderzoek over opbrengst en bodem.” Tamara kwam al snel tot de conclusie dat er heel veel informatie en data beschikbaar is, meer nog dan ze van tevoren had verwacht. “Ik kwam zelfs een publicatie tegen uit 1950, zover gaat de literatuur hierover al terug. Het is een zeer uitgebreide bak aan data en de zoektocht hierin kost dus veel tijd.”

Theoretisch model
Op basis van de bestudeerde literatuur ontwikkelde Tamara een CRC. “Door te onderzoeken welke modellen uit de studie het meest relevant zijn en wat de beste opties voor ons project zijn, heb ik de vorm bepaald, en ook de formule die gebruikt moet worden. Deze data is natuurlijk nog algemeen, de vervolgstap is op basis van de daadwerkelijke data van de deelnemende boeren te gaan werken.” Daarbij gaat het om opbrengstdata, de stikstofgift, het stikstofverlies (op basis van de N-min meting na de oogst), organische stof en eventuele bijzonderheden. “Bijzondere omstandigheden zijn bijvoorbeeld een heel nat voorjaar, of een ziekte of infectie”, legt Tamara uit. “Daar moet dan op gecorrigeerd worden.” Het afgelopen jaar was natuurlijk een perfect teeltjaar qua omstandigheden. “Dat was voor mij heel fijn,” lacht ze. “Dat betekent goede input voor de CRC, want dan zijn er minder factoren die ook invloed kunnen hebben op het model.”

Data van deelnemers
De volgende stap in het proces is het aanscherpen van de CRC, onder andere dus met de data van de boeren. Belangrijk om het model compleet te maken, want een van de zaken die Tamara opviel in de literatuur is dat er meer aandacht is geweest voor de invloed van stikstof en bemesting en minder op organische stof. Op basis van alleen stikstof is de respons helder. “Organische stof heeft in de studies geen effect, of het verhoogt de opbrengst. Maar het gaat er ook om welke interactie ze met elkaar hebben.”

Vertrouwen in model
Het werk van Tamara levert de basis voor de tool die binnen cLEAN ontwikkeld wordt. Het is het spreekwoordelijke ‘werk achter de schermen’. Wat Tamara betreft, de eerste stappen op weg naar een praktische tool waarmee boeren hun bemesting nog beter kunnen sturen. “Een model dat vertrouwen geeft om op te handelen.”