Drie jaar geleden deed men bij E&J Gallo, een grote wijnboer uit Californië, dat ondanks de gelijkmatige druppelirrigatie de druivenranken niet gelijkmatig groeiden. Enkele ranken groeiden sneller, anderen bleven achter en dat had gevolgen voor de oogst. De opbrengst van de kleinere ranken bleef achter. De oplossing zou zijn om de ranken die achterblijven in de ontwikkeling extra water te geven, maar hoe kun je die ranken selecteren?
Met satellietbeelden wordt veel informatie ingewonnen over gewassen.
Satellietbeelden
Het onderzoeksteam waar Levente Klein bij hoort pakte deze handschoen op. Dat onderzoek resulteerde in het platform PAIRS (Physical Analytics Integrated Repository and Services) waarbij Big Data wordt ingezet om de irrigatie aan te sturen. De onderzoeksafdeling van IBM is de grootse private onderzoeksinstelling en bestaat uit 3.000 arbeidsplaatsen wereldwijd. "We doen onderzoek naar veel verschillende onderwerpen," schetst Levente de achtergrond van de instelling. Een van de onderzoeksgebieden is het gebruik van Big Data in de landbouw.
De technische kant van het onderzoek is aardig ingewikkeld. Naast verzameling van de data moet er een manier gevonden worden om de data ruimtelijk uit te lijnen, daarnaast moet die informatie omgezet worden in adviezen voor bijvoorbeeld irrigatie. PAIRS maakt gebruik van openbare satelliet data. Door de informatie te combineren kunnen er lessen getrokken worden. Levente illustreert dit met een voorbeeld.
Totaal plaatje
Alleen al met een gedetailleerde reliëfkaart van een gebied kun je zien welke delen van een veld hoger liggen dan andere. Op basis daarvan weet je waar regenwater zich verzameld en waar het juist snel wegstroomt. "Als je dat combineert met de data uit de vegetatie index, krijg je een eerste inzicht in de opbrengst," legt Levente uit. "Voeg je daar data over de bodem aan toe, dan heb je een derde indicator. Op die manier wordt de context steeds rijker en krijg je een beter begrip van wat er gebeurd op het veld zonder fysiek het veld te inspecteren."
De bottleneck in het gebruik van Big Data is het combineren van alle data en de gegevens zo verwerken dat ze op elkaar aansluiten. "De beelden van de satellieten kunnen niet altijd direct over elkaar gelegd worden." Voor de satellietfoto's zijn bijvoorbeeld positie van de zon, wolken en deeltjes in de lucht bepalend voor kleine vertekeningen op de satellietfoto's. "We moeten die data corrigeren om te kunnen berekenen wat er precies op het veld gebeurt."
Daarnaast wil IBM 'single sensor point' metingen combineren met de satellietbeelden. Uitdaging daarbij is dat 'single point' metingen data bevatten over een klein oppervlak, maar op veel tijdstippen. De satellietbeelden zijn tegenovergesteld. De beelden omvatten een groot gebied, maar worden minder frequent gemaakt.
Betere kwaliteit
Met al die data over bijvoorbeeld de ondergrond, ligging, hoogte, weersverwachting, historische gegevens, kan PAIRS een verwachting maken voor irrigatie of bemesting tot tien dagen. "Die limiet is gekozen omdat de weersverwachtingen van de verschillende diensten tot tien dagen betrouwbaar zijn. Daarnaast hoeft een teler dan maar een keer per week de gegevens in de computer te laden. Kortere intervallen is ook mogelijk, het systeem wordt automatisch geüpdatet."
Met dit systeem lukte het E&J Gallo om de oogst met 20 procent te vergroten. "Maar de grotere oogst is niet het enige," sluit Levente af. "Ook de kwaliteit van de druiven ging omhoog. Door de irrigatie aan te passen werd het suikergehalte en brix in de druiven uniformer, wat belangrijk is voor de kwaliteit van de wijn."
Meer informatie:
Heleen Kamerman
External Relations IBM
00 31 6 53 37 10 89
www.ibm.com