Precisielandbouw

Bij precisielandbouw gaat het om het gebruik van sensoren, satelliettechnologie, machines en gegevensanalyse om de landbouwgrond efficiënt en naargelang van de locatie te beheren. Dit betekent dat niet het hele veld in één keer wordt bewerkt. Dit levert enkele voordelen op voor de landbouwer, maar ook de natuur kan baat hebben bij een gericht beheer.

Alternatieve termen: Precisielandbouw, deelpacht, deelpacht, Computer-Aided Farming (CAF), beheer van plaatselijke hulpbronnen, precisielandbouw.

Om met precisielandbouw te kunnen beginnen, moeten gegevens over de toestand van de akker en de planten op kleine schaal worden verzameld, want een akker is geen homogeen gebied. Alleen met deze informatie is het mogelijk om gerichte maatregelen toe te passen op kleine delen van het landbouwareaal.

Gegevens verzamelen, maar hoe?

Beeldgegevens
Er zijn verschillende manieren om de toestand van de bodem en de planten en andere nuttige informatie vast te leggen. Enerzijds kunnen deze gegevens worden gegenereerd door analyse van beeldmateriaal. Het beeldmateriaal kan worden gegenereerd door Drones of van satellieten . De vegetatie-index NDVI (genormaliseerde dichtheidsvegetatie-index) kan worden geregistreerd op basis van satellietbeeldgegevens. Hoogfrequente satellietbeelden maken dagelijks beelden van de teeltgebieden, zodat zelfs zwaarbewolkte gebieden baat hebben bij de satelliettechnologie. Er zijn talrijke aanbieders op de markt die de analyse van het beeldmateriaal als een dienst aanbieden. Naast drones en satellieten kunnen ook eenvoudige smartphones worden gebruikt, die met behulp van een app de beelden van de smartphonecamera analyseren om bijvoorbeeld het stikstofgehalte, bladschade, plaaginsecten en nog veel meer te bepalen.

Bodemmonsters
Sommige gegevens worden het best verzameld door middel van bodemmonsters. Volledig geautomatiseerde instrumenten voor bodembemonstering maken het gemakkelijker om gegevens te verzamelen.

Evaluatie en gebruik van gegevens

De gegevens (beeldgegevens, gegevens van bodemmonsters, weergegevens, enz.) worden vervolgens geëvalueerd en grafisch verwerkt of omgezet in aanbevelingen voor maatregelen. Zo kunnen bijvoorbeeld gegevens over onkruidplagen op landbouwgrond in kaart worden gebracht en worden gebruikt om een autonome landbouwmachine te besturen. Deze kan dan autonoom de delen van het veld met de juiste hoeveelheid herbicide behandelen. Het samenspel tussen gegevensverzameling, gegevensanalyse en uitvoering door autonome landbouwmachines belooft immense voordelen voor de boer en de natuur.

Voordelen

• Opsporing van plantenziekten, plagen en tekorten aan voedingsstoffen
• Maximalisering van de opbrengst door het bepalen van het beste oogsttijdstip
• Vermindering van bestrijdingsmiddelen door op de behoeften afgestemde bemesting
• Vermijding van overbemesting
• Aanbevelingen voor waterbesparende irrigatie
• Opbrengstraming/voorspelling
• Veldzonespecifieke inzaai
• Vroegtijdige kennisgeving van potentiële risico's
• Bepaling van de vruchtbaarheid en de functionaliteit van landbouwgronden
• Vastleggen van de gevolgen van klimaatverandering
• Op gegevens gebaseerde planning voor het komende seizoen