Nieuws

Meten van grasgroei met remote sensing techniek

Gepubliceerd op
24 oktober 2016

Ondanks dat het meten van grasgoei met remote sensing techniek nog in de kinderschoenen staat, kunnen beelden van satelliet en drones nu al inzicht geven in de relatieve opbrengstverschillen van gras. Maar wat zeggen ze over de grasgroei? Op die vraag willen de bouwsteen Grasgroei van Amazing Grazing en Precisielandbouw 2.0 antwoord geven.

De ambitie is om de komende jaren concrete stappen te maken in het vergemakkelijken en verbeteren van het meten van grasopbrengst ‘op de grond’. Het is de bedoeling om vanuit de gemeten opbrengst een groeivoorspelling te maken voor minimaal een week vooruit. Het idee is om zo het juiste inschaar- en/of maaimoment veel nauwkeuriger te bepalen. 

Voordelen remote sensing

Figuur 1. De eBee drone met in het midden de camera voor het meten van licht reflecties die te vertalen zijn in grasopbrengst
Figuur 1. De eBee drone met in het midden de camera voor het meten van licht reflecties die te vertalen zijn in grasopbrengst

Om grasland goed te kunnen managen, is inzicht in de actuele grasgroei en het stikstofgehalte essentieel. De grashoogtemeter geeft een beeld van de grasopbrengst maar het meten vergt veel tijd. Met remote sensing in de vorm van satellietbeelden of het vliegen met drones (Figuur 1) kan veel tijd bespaard worden.

Hoe werkt remote sensing?

Met multispectrale camera’s wordt het gereflecteerde licht vanaf de biomassa en de kale grond van het aardoppervlak gemeten. Deze reflecties worden gecorrigeerd voor het inkomende licht van de zon. Tussen de reflecties van verschillende banden worden verhoudingen berekend in de vorm van indexen die iets zeggen over de hoeveelheid biomassa.

NDVI is de bekendste index voor biomassa. Dit is de verhouding tussen nabij infra rood (NIR) en zichtbaar rood.

WDVI is een vergelijkbare index, maar hierbij wordt gecorrigeerd voor kale grond. We zijn op zoek naar de index die het beste verband houdt met droge stofopbrengst. De focus ligt voorlopig op droge stof maar op termijn is wellicht ook N mogelijk.

Relatie met opbrengst

Met de toepassing van remote sensing wordt een mooi ruimtelijk beeld verkregen van de biomassa. Maar wat ontbreekt, is een goede vertaling van de beelden naar de daadwerkelijke grasopbrengst. De relatie tussen NDVI en de daadwerkelijke grasopbrengst blijkt erg onnauwkeurig.

WDVI lijkt meer perspectief te bieden. De techniek, zoals de kwaliteit van de camera om goede beelden te realiseren, wordt steeds beter. Echter, om tot een goede inschatting van biomassa en eventueel stikstofgehalte te komen, moet nog veel gebeuren. 

Gronddata en ijklijnen

Figuur 2. Dronebeeld van het proefveld op Dairy Campus met verschillende maaitijdstippen en N-niveaus
Figuur 2. Dronebeeld van het proefveld op Dairy Campus met verschillende maaitijdstippen en N-niveaus

Tot nu toe ontbreekt het aan nauwkeurige gronddata als maaiopbrengsten en laboratoriumanalyses om reflectiemetingen aan te kunnen relateren. Binnen Amazing Grazing, bouwsteen Grasgroei, en Precisielandbouw 2.0 is in 2016 een maaiproef uitgevoerd om in de gewenste gronddata te voorzien. De proef ligt op de proefbedrijven Dairy Campus (klei), Vredepeel (zand) en KTC Zegveld (veen) en wordt in 2017 voortgezet. Er worden drie stikstofbemestingsniveaus gehanteerd en binnen elke snede zijn vier maaitijdstippen. Figuur 2 toont een diversiteit aan opbrengsten binnen één meettijdstip die nodig is voor het bepalen van ijklijnen.