UAVSoil: Drones inzetten om het beheer van landbouwpercelen te optimaliseren

Gepubliceerd op 23 januari 2021

Om tot een duurzamere landbouw te komen, is het van essentieel belang de landbouwers te helpen het gebruik van inputs te optimaliseren. Kaarten van de vegetatiegroei en bodemeigenschappen die de heterogeniteit binnen de percelen het beste kunnen karakteriseren, behoren tot de instrumenten die hun ter beschikking kunnen worden gesteld om het perceelbeheer te verbeteren. Dankzij technologische innovaties kan met sensoren op drones een steeds fijnere karakterisering van gewassen en bodemeigenschappen worden gemaakt.

Naar een duurzamere landbouw

Het buitensporige gebruik van productiemiddelen (meststoffen, onkruidverdelgers, pesticiden, maar ook irrigatie) speelt een belangrijke rol in de aantasting van het milieu. De landbouwers zijn zich hiervan bewust en neigen naar een rationeler gebruik van deze inputs, waardoor de opbrengst gewaarborgd blijft.

Momenteel wordt op akkerland een uitgezaaide hoeveelheid meststoffen toegediend die zeer vaak homogeen is voor alle percelen. Bodemeigenschappen en gewasomstandigheden kunnen echter aanzienlijk variëren in ruimte en tijd binnen één enkel veld.

Drones nemen bodemeigenschappen onder de loep

Lichtgewicht spectrometers gemonteerd op drones zijn veelbelovend voor het monitoren van bodemeigenschappen zoals organische koolstof in de bodem (SOC), stikstof (N), fosfor (P), uitwisselbare kationen, pH of bodemtextuur en tegelijkertijd de gewasgroei gedurende het groeiseizoen.

Het STEREO-project UAVSoil (UAV borne spectrometers for high resolution soil and crop monitoring) bracht onderzoekers van de Université Catholique de Louvain, het Centre Wallon de Recherches Agronomiques en het Duitse Onderzoekscentrum voor Geowetenschappen samen om te proberen het verband te onderzoeken tussen de ruimtelijke variaties in gewasgroei gedurende het groeiseizoen en de patronen in bodemeigenschappen.

De onderzoekers bekeken een perceel van 17 ha dat het resultaat was van een samenvoeging van 4 oude percelen en dat in conventionele landbouw werd bebouwd in Gembloux. Zij testten de capaciteit van een multispectrale camera (MicaSense® RedEdge-MTM ) gemonteerd op een UAV om de groei van wintertarwe in kaart te brengen.

De eerste beelden werden genomen net na het zaaien, in de nog kale bovengrond van het veld, en werden gebruikt om het gehalte aan organische koolstof te voorspellen. De andere bodemeigenschappen werden verkregen door traditionele bemonstering en laboratoriumanalyse.

Evaluatie van de SOC-voorspelling voor het bestudeerde perceel. UAV: FX-spectrometer aan boord van een drone, gekalibreerd op veldmonsters (groene stippen); UAV (regional): idem maar gekalibreerd op de regionale spectrale bibliotheek; GS: afgeleid van het SOC-gehalte geanalyseerd op basis van op de grond verzamelde monsters. Gebieden die op het ogenblik van de UAV-vlucht door gewassen werden bedekt, werden niet in aanmerking genomen.

Beheergeschiedenis en bodemeigenschappen

De resultaten toonden aan dat de Red-Edge NDVI (RENDVI) de meest geschikte vegetatie-index was om de heterogeniteit van de gewasontwikkeling gedurende het groeiseizoen te karakteriseren. De RENDVI-kaarten waren sterk gecorreleerd met de opbrengstkaart die door een sensor aan boord van de oogstmachine werd geproduceerd.

De analyse van de beheersgeschiedenis van de oude percelen en de verzamelde bodemgegevens volgens een regelmatig raster toonden de significante impact van beheersverschillen en de heterogeniteit van de bodemeigenschappen van het perceel aan.

Kaart van de RENDVI-waarden (Red-edge Normalized Difference Vegetation Index) die in maart, april en mei zijn opgetekend door de MicaSense® sensor aan boord van een UAV en de opbrengst die is gemeten tijdens de oogst in juli.

Deze heterogeniteit heeft een directe invloed op de ontwikkeling van de vegetatie. De bodemeigenschappen verklaren tussen 87 % (medio maart) en 78 % (medio mei) van de variantie in de gewasgroei, alsmede 66 % van de variantie in de geoogste opbrengst. pH en uitwisselbare K zijn de belangrijkste factoren die tussen 15 en 26 % van de variantie in de gewasgroei verklaren.

Deze resultaten maken de weg vrij voor een meer specifiek perceelbeheer, gebaseerd op gewasgroeipatronen en bodemeigenschappen. In de toekomst zal perceelspecifiek beheer op basis van bodem- en gewasgroeipatronen bijdragen tot precisielandbouw met vermindering van het kunstmestgebruik.