Nieuws

Nieuw model in ontwikkeling voor voorspellen van plantgezondheid

Satellietfoto Europa
Bron foto: Vladislav Gurfinkel, Shutterstock
Samenvatting
  • Onderwerp
    Plantgezondheid
  • Interessant voor
    Agrariërs, terreinbeheerders
Bekijk de bronnen
Wetenschappers van de Universiteit Twente doen onderzoek naar het voorspellen van plantgezondheid. Ze combineren twee bestaande computermodellen tot een tool om het effect van droogte en hittegolven op plantgezondheid te meten. Zowel satellietbeelden als informatie over de bodem worden hierin meegenomen.

Op de Universiteit van Twente doet Yijian Zeng, verbonden aan de faculteit Geo-Informatie Wetenschappen en Aardobservatie (ITC), onderzoek naar het voorspellen van plant gezondheid. Hij ontvangt een drie jarige beloning van het Nederlands eScience Center om zijn nieuwe model verder te ontwikkelen en te verfijnen.

Plantgezondheid

Droogte en hittegolven hebben een impact op plantgezondheid. Als er te weinig water beschikbaar is voor planten, in combinatie met een hittegolf, kunnen planten minder goed gaan functioneren of zelfs sterven. Wetenschappers hebben ontdekt dat de hoeveelheid water in bomen tijdens droogte een goede voorspeller is voor de gezondheid van vegetatie. Bij een watertekort worden vitale processen, zoals fotosynthese, in de boom aangetast en kan de boom zelfs sterven.

Satellietbeelden

Fotosynthese van planten zorgt voor lichtreflectie die door satellieten gemeten wordt. Het model ‘SCOPE’ (Soil-Canopy-Observation of Photosynthesis and the Energy Balance) simuleert de fotosynthetische activiteit van vegetatie en koppelt deze aan satellietgegevens. Het model geeft op deze manier belangrijke informatie over de plantgezondheid, bijvoorbeeld welke kleur de vegetatie heeft, of de vegetatie voldoende water bevat en of de fotosynthese in de plant nog goed is. Op deze manier kunnen de wetenschappers monitoren wat droogte en hitte doet met de plantgezondheid.

Bodemvocht

Om plantgezondheid te kunnen voorspellen zijn de eigenschappen van de bodem ook heel belangrijk. Korrelgrootte en het vochtgehalte in de bodem zijn belangrijke parameters voor plantgezondheid. Het model SCOPE neemt deze echter niet mee. Een ander model, genaamd STEMMUS, brengt juist de beschikbaarheid van bodemvocht voor planten in kaart. Dit model genereert gegevens zoals bodemwater, warmtetransport in de bodem, verdamping en hoeveel water de wortels opnemen.

EcoExtreML

In een nieuw project, genaamd EcoExtreML (Accelerating Process Understanding for Ecosystem Functioning under Extreme Climates with Physics-Aware Machine Learning) zullen Zeng en zijn collega’s beide modellen combineren. "Modellen zoals SCOPE en STEMMUS werken fantastisch, maar zijn beperkt tot één specifiek aspect van de problemen die we proberen op te lossen”, verklaart Zeng. Nadeel is dat het combineren van beide modellen veel rekenkracht vergt. Daarom wordt nu onderzoek gedaan om met behulp van procesmodellering en machine learning beide systemen te combineren. Zo kunnen gegevens uit bodem-plant-atmosfeer gekoppeld worden. "Dit project zal continue gegevens in ruimte en tijd opleveren voor de beoordeling van de productiviteit van ecosystemen op lokale, regionale en wereldwijde schaal. Het zal tegemoetkomen aan de groeiende behoefte van de samenleving aan gewasproductie, voedselzekerheid en andere ecosysteemdiensten voor een duurzame levenskwaliteit", aldus Zeng.

Klimaatadaptatie in de open teelten

Op Groen Kennisnet hebben wij een dossier 'klimaatadaptatie in de open teelten. In dit dossier wordt dieper ingegaan op de risico's die klimaatverandering met zich meebrengt voor boeren. Boeren ervaren namelijk direct de gevolgen van klimaatverandering, vooral door veel lagere gewasopbrengsten en door hoge kosten voor bijvoorbeeld beregening. Door deze veranderingen en daaraan gerelateerde financiële risico’s voor boerenbedrijven in kaart te brengen, wordt duidelijk waar de knelpunten gaan ontstaan en waar adaptatiemaatregelen toegepast kunnen worden om deze risico’s beheersbaar te houden.

Bronnen

(3)