{ "type": "mediaitem", "identifier": "mediaitem_601559", "subtype": "wmammodularcontent_gkn_newsmediaitem", "title": "Graskwantiteit is steeds beter te meten met satellieten", "navtitle": "", "url": "/nl/groenkennisnet/nieuwsitem/Graskwantiteit-is-steeds-beter-te-meten-met-satellieten-1.htm", "language": "nl_NL", "sections": [ { "identifier": "pagesection_18334988", "title": "GKN Configuratie", "link": "/nl/groenkennisnet/paginasectie.htm?pagesectionid=18334988&tsobjectid=18334988" }, { "identifier": "pagesection_18335139", "title": "GKN Menu", "link": "/nl/groenkennisnet/paginasectie.htm?pagesectionid=18335139&tsobjectid=18335139" }, { "identifier": "pagesection_18334944", "title": "GKN Footer logo's", "link": "/nl/groenkennisnet/paginasectie.htm?pagesectionid=18334944&tsobjectid=18334944" }, { "identifier": "pagesection_18334966", "title": "GKN Footer", "link": "/nl/groenkennisnet/paginasectie.htm?pagesectionid=18334966&tsobjectid=18334966" }, { "identifier": "pagesection_18335177", "title": "GKN Footer legal", "link": "/nl/groenkennisnet/paginasectie.htm?pagesectionid=18335177&tsobjectid=18335177" } ], "metadata" : { "id": 601559, "identifier": "mediaitem_601559", "contenttype": "wmammodularcontent_gkn_news", "contenttype_title": "contenttype_wmammodularcontent_gkn_news", "url": "/nl/groenkennisnet/nieuwsitem/Graskwantiteit-is-steeds-beter-te-meten-met-satellieten-1.htm", "title": "Graskwantiteit is steeds beter te meten met satellieten", "lead": "Meten is weten. Melkveehouders hebben daar voor het bepalen van grasopbrengst en -kwaliteit grote behoefte aan. Onderzoek, uitgevoerd binnen het project DISAC, toonde aan dat grasopbrengst met satellietbeelden heel redelijk te voorspellen is, maar niet de graskwaliteit, specifiek het ruw eiwitgehalte van gras.", "leadimage": { "source": "https://api.groenkennisnet.nl/upload_mm/8/4/a/cid601559_dc.png", "width": 985, "height": 569, "focuspoint-x": -1, "focuspoint-y": -1, "alternative_text": "" }, "publication_date": "2021-05-04T03:00+02:00", "lastmodified_date": "2021-08-25T17:11+02:00", "expiration_date": "", "tags": [ "Dutch", "news", "gkn_home", "gkn_veehouderij", "gkn_agrikennis", "GKN2IMPORT", "middle", "webi_verantwoordeveehouderij", "precision_farming", "dairy_cattle", "webi_zuivelnlprojecten", "webi_precisielandbouw", "webi_dairycampus" ], "copyright": "", "external_id": "", "item_metadata": { "contentsubtype": "Nieuws", "theme": [], "keywords": [], "gkn_organization": { "title": "Groen Kennisnet", "url": "/nl/groenkennisnet/nieuwsitem/Groen-Kennisnet-2.htm" }, "author": { "title": "Redactie Groen Kennisnet", "url": "/nl/groenkennisnet/persoon/redactie-groen-kennisnet.htm" }, "contactperson": { "title": "Redactie Groen Kennisnet", "url": "/nl/groenkennisnet/persoon/redactie-groen-kennisnet.htm" }, "link_extra_image": "", "subject_abstract": "", "target_audience_abstract": "", "region_abstract": "", "jumplinktext": "" } }, "contents": [ { "area": "main", "title": "Main", "elements": [ { "type": "text", "html": "

Satellietbeelden komen steeds frequenter beschikbaar en zouden een bijdrage kunnen leveren aan het bepalen van de grasopbrengst en de -kwaliteit.<\/p>

Spectrale reflectie<\/h2>

Satellieten meten het gereflecteerde zonlicht aan het aardoppervlak en dat geeft informatie over het gewas. Niet alleen meten ze het zichtbare rode, groene en blauwe licht, maar ook het niet zichtbare infrarode licht. Met een pixelresolutie van 10 m <\/sup>wordt Nederland meerdere keren per week gescand. Het resultaat is te bekijken op de Groenmonitor<\/a>.<\/p>" } , { "type": "text", "html": "

<\/p>

De gemeten gewasreflectie wordt als percentage weergegeven van het inkomende licht van de zon. Dit gebeurt voor de genoemde kleurbanden in afbeelding 1. Met de betreffende percentages worden vegetatie-indexen berekend. Deze zijn een maat voor de hoeveelheid biomassa en mogelijk ook voor kwaliteitsparameters. <\/p>

In agrarische bedrijfslaboratoria wordt het ruw eiwitgehalte (RE) van gras met NIRS gemeten (eveneens spectrale reflectie). De betrouwbaarheid hiervan is 97%. Deze hoge betrouwbaarheid wordt gehaald door de grasmonsters te drogen, te malen en te homogeniseren en door een geavanceerde meetopstelling te gebruiken. Op basis van een veldexperiment is gekeken hoe nauwkeurig met spectrale reflectie het RE-gehalte van vers materiaal te bepalen is.  <\/p>

Maaiproef <\/h2>

Op de proefbedrijven Vredepeel (zand), Dairy Campus (klei) en KTC Zegveld (veen) is in 2016 tot en met 2018 een maaiproef uitgevoerd met drie stikstofbemestingsniveaus en vier maaitijdstippen binnen een snede. Het modelmatig voorspellen van grasgroei en het meten van grasopbrengst met reflectiemetingen is getoetst aan gemaaide werkelijke grasopbrengsten. De drie locaties verschilden voor wat betreft de grondsoort, weersituatie, de beschikbaarheid van bodemvocht en de stikstoflevering door de bodem. De variatie in stikstofbemesting is gebruikt om te zien hoe het groeimodel reageert op de beschikbaarheid van stikstof als groeifactor. Er zijn groeitrappen aangelegd om bij eindoogst van een snede over een brede range aan opbrengstverschillen te beschikken voor toetsing van de reflectiemetingen. Het resultaat was een proefveld met 24 veldjes van 20x20 m. Zie hieronder het overzicht.<\/p>" } , { "type": "text", "html": "

<\/p>

In 2018 lag de focus op het meten van RE-gehalte. Hiervoor is een gekalibreerde handheld apparaat gebruikt dat ontwikkeld is voor onderzoeksdoeleinden, als referentie voor de reflectiemetingen. Het was een hyperspectrale camera om de kans te vergroten dat een golflengte werd gevonden, die een goed verband laat zien met stikstof. Van de proefveldjes zijn opbrengsten bepaald en grasmonsters genomen om het stikstofgehalte te analyseren. Met een aanvullende dataset uit Australiƫ waren in totaal 266 grasmonsters beschikbaar. De reflectiemetingen zijn verricht in het veld (gras op stam), maar ook binnen met het gebruik van een kunstmatige lichtbron (gras vers gemaaid) en na drogen (gras gedroogd). Met deze stappen is getracht de meetnauwkeurigheid te vergroten en te zien of hiermee de laboratoriumanalyses enigszins te benaderen zijn. <\/p>

Resultaat<\/h2>

Het merendeel van de RE grasmonsters is gebruikt als trainingsdata voor een kunstmatige intelligentie (KI) model. Dit model bepaalt de beste fit tussen de spectrale metingen enerzijds en de RE grasmonsters anderzijds. Ongeveer een kwart van de RE grasmonsters is gebruikt om de door het KI model voorspelde RE waardes te valideren. Het blijkt dat de RE-opbrengst (in kg per ha) goed te voorspellen is met een betrouwbaarheid van 81% en een afwijking van 85,5 kg per ha. Echter, de betrouwbaarheid van het meten van het RE-gehalte (in g per kg ds) kwam niet verder  dan 36% (na drogen) met een afwijking van 31 g per kg ds. Zie Figuur 1. Vooral bij RE-gehaltes boven de 200 g per kg ds waren de voorspellingen erg onbetrouwbaar. Deze waarden komen juist voor  in het traject waarin de groei van gras intensief gevolg wordt om te beslissen of het gemaaid of geweid kan worden.<\/p>" } , { "type": "text", "html": "

Perspectief<\/h2>

Het onderzoek wijst uit dat met reflectiemetingen in de vorm van satellietbeelden, dronebeelden of handheldapparatuur het RE-gehalte van vers gras niet betrouwbaar gemeten kan worden. Voor het bepalen van het RE-gehalte blijven melkveehouders aangewezen op laboratoriumanalyses.<\/p>

Een alternatief is om de gehalten te schatten met een grasgroeimodel, ondanks dat de betrouwbaarheid met ongeveer 50% ook nog relatief laag is. Modelvoorspellingen voor RE-gehalte hebben meer perspectief, omdat deze zich proportioneel verhouden met de voorspelde opbrengst. De betrouwbaarheid van de opbrengstvoorspelling bedroeg 72%. Een verbetering van de opbrengstvoorspelling kan ook de voorspelling van het RE-gehalte verbeteren. Wanneer modelvoorspellingen met satellietbeelden of grashoogtemetingen gecombineerd worden vergroot de betrouwbaarheid van de voorspelling. Hier is dus nog winst te boeken. <\/p>

Het voorspellen van opbrengst en voederwaardekenmerken wordt toegepast in de webapplicatie GrasSignaal die in ontwikkeling is en getest wordt op zes melkveebedrijven, waaronder proefbedrijf De Marke. Daarin kan ook de koppeling met satellietbeelden en grashoogte gemaakt worden. GrasSignaal is bedoeld om inzicht te krijgen hoeveel gras binnen de weersverwachtingstermijn er nog bij gaat groeien en hoe de voederwaarde zich gaat ontwikkelen. Het ruw eiwitgehalte is daarbij een steeds belangrijker gegeven om het gewenste oogstmoment te bepalen en de mestbenutting te optimaliseren. <\/p>

Meer lezen<\/h2>

De onderzoeksresultaten zijn ook beschreven in een wetenschappelijk artikel<\/a>. <\/a><\/p>

 <\/em><\/strong><\/em><\/strong><\/ins><\/p>" } ] }, { "area": "sources", "title": "Bronnen", "elements": [ { "type": "text", "html": "

Dit onderzoek is uitgevoerd in opdracht van en gesubsidieerd door het Ministerie van Landbouw, Natuur en Voedselkwaliteit en gefinancierd door ZuivelNL, ZLTO, Eurofins, John Deere, Keverneland, Yara en Barenburg binnen het project DISAC N-sensing (Publiek-Private Samenwerking)<\/em><\/p>

Meer informatie<\/h2>