Voor velen de mooiste tijd van het jaar.
Want de maïs kan d’r weer af!

Maïsoogst 

Dit jaar is het moment van maïsoogst eerder aangebroken dan in voorgaande jaren. De belangrijkste reden daarvoor is de droogte. Hoewel de maïsplant op veel plekken nog mooi groen staat, is de maïskolf al rijp. En juist de rijpheid en kwaliteit van de kolf zijn bepalend voor het juiste oogstmoment.

Om te beoordelen of de maïs eraf kan, is het belangrijk om niet alleen vanaf de rand van het perceel te kijken. Loop vooral voorbij de kopakker het perceel in en bekijk op verschillende plekken de kolven. Zo krijg je een goed beeld van de rijpheid van het gewas en kun je beter bepalen of het hele perceel oogstrijp is.

De droogte is dit jaar op sommige plekken duidelijk zichtbaar. Toch kan een maïsplant nog groen zijn terwijl de kolf al voldoende is afgerijpt. De bladeren boven de kolf spelen hierbij een belangrijke rol. Deze bladeren vangen het licht op en zorgen via fotosynthese voor de aanvoer van suikers die nodig zijn voor de verdere zetmeelvorming in de kolf.

Daarom zegt een groene plant niet automatisch dat de maïs nog niet rijp is. Uiteindelijk zijn de kwaliteit en rijpheid van de kolf leidend bij het bepalen van het juiste oogstmoment. Beregenen kan daarbij helpen om de laatste procenten zetmeelvorming in de maïskolf te realiseren. Dat kan niet alleen het zetmeelgehalte, maar ook de totale zetmeelopbrengst van het perceel beïnvloeden. Daarnaast kan een frisser product in de kuil het resultaat zijn.

Beelden in kleur

De drone registreert verschillende eigenschappen van het gewas. Deze informatie wordt vervolgens vertaald naar beelden waarop verschillen in ontwikkeling en vitaliteit zichtbaar worden gemaakt. Zo ontstaat bijvoorbeeld een kleurbeeld van de ontwikkeling van het gehele gewas. Daarmee kunnen we niet alleen zien dát er verschillen zijn, maar ook waar deze zich op het perceel bevinden.

De dronebeelden zijn niet alleen bij de maïsproeven gemaakt. Ook op aardappelpercelen in Zuidoost-Nederland wordt ervaring opgedaan met deze manier van waarnemen. Bij WOPA zijn de aardappelen inmiddels gerooid. De resultaten van deze proef worden nog verder geanalyseerd. Wel zijn er al verschillende opbrengstmetingen uitgevoerd, waaronder metingen van onderwatergewicht en de sorteergrootte van de aardappelen.

Effecten verschillende beregeningsstrategieën

Ook bij de aardappelproef wordt gekeken naar het effect van de verschillende beregeningsstrategieën. De komende periode worden de dronebeelden, bodemmetingen, beregeningsgegevens en opbrengstgegevens naast elkaar gelegd. Zo leren we steeds beter wat de beelden daadwerkelijk vertellen over de ontwikkeling van het gewas en hoe deze informatie samenhangt met watergift, bodem en opbrengst.

Van dronebeeld naar taakkaart

Een belangrijk onderdeel van de proeven is dan ook het leren interpreteren van de beelden. Een dronebeeld op zichzelf is interessant, maar de echte meerwaarde ontstaat wanneer we de informatie kunnen vertalen naar praktische vervolgstappen op het perceel.

De resultaten en beelden worden daarom besproken met de drie deelnemende bedrijven. De vraag is daarbij steeds: wat kunnen we hier nu daadwerkelijk mee op dit perceel? Wanneer een dronebeeld bijvoorbeeld een afwijkende zone laat zien, kan dat aanleiding zijn om op die plek gerichter te kijken. Is er sprake van een verschil in bodemvocht, gewasontwikkeling of voeding? En kan daar in het operationele management iets mee worden gedaan?

Precisielandbouw

Dat sluit aan bij de ontwikkeling van precisielandbouw. De informatie uit dronebeelden kan in de toekomst bijvoorbeeld worden vertaald naar taakkaarten voor het gericht toepassen van gewasbeschermingsmiddelen, nutriënten of andere bewerkingen. In plaats van het hele perceel op dezelfde manier te behandelen, kan er dan rekening worden gehouden met verschillen binnen het perceel.

Bij WOPA is al veel technologie aanwezig, en met drones en het werken met taakkaarten wordt nog ervaring opgedaan. Juist door hier in de praktijk mee te oefenen, leren we hoe deze technologie bruikbaar kan worden gemaakt voor het dagelijks werk. De komende jaren zullen robotisering, drones, sensoren en andere vormen van precisielandbouw steeds vaker onderdeel worden van de landbouwpraktijk. Deze proeven helpen om daar ervaring mee op te doen en vooral om te leren wat de informatie daadwerkelijk betekent.

Van proef naar praktijk

Door dronebeelden te combineren met metingen in de bodem, gegevens over beregening en opbrengstmetingen van maïs, gras en aardappelen, krijgen we een steeds beter beeld van de relatie tussen watergift, bodem, gewasgroei en opbrengst. Zo kunnen we niet alleen zien óf beregeningsstrategieën effect hebben, maar ook waar en wanneer die effecten optreden.

De proeven op De Marke,WOPA en KIEM leveren daarmee niet alleen kennis op over beregening, maar ook over de mogelijkheden van nieuwe technologieën binnen de landbouw. Dronebeelden, sensoren, robotisering en taakkaarten kunnen helpen om verschillen op het perceel beter te begrijpen en het beschikbare water en andere productiemiddelen gerichter in te zetten.

De resultaten dragen zo bij aan de ontwikkeling van klimaatrobuuste landbouwsystemen. Het doel is om water zo efficiënt mogelijk in te zetten, zonder daarbij de bodemkwaliteit en productie uit het oog te verliezen.

De opgedane kennis helpt om in de toekomst beter onderbouwde keuzes te maken over wanneer, hoeveel en hoe vaak te beregenen. Tegelijkertijd leren we steeds beter hoe technologie kan helpen om deze keuzes op perceelsniveau te maken.

Want precisielandbouw begint uiteindelijk met goed kijken. Soms vanaf de rand van het perceel, maar steeds vaker ook van bovenaf.