Gebruik van data-assimilatie en weersvoorspellingen bij irrigatiesturing

Door de ontwikkeling van goedkope, geautomatiseerde bodemsensoren die real-time data doorsturen via Internet-of-Things (IoT) technologie, kunnen telers nu toegang hebben tot een continue informatiestroom over de status van hun velden. Een belangrijke uitdaging is om deze informatie te gebruiken om het watergebruik op het veld te optimaliseren door het toedienen van de juiste hoeveelheid water op de juiste momenten. Dit resulteert in een toename en verbetering van de opbrengsten en een reductie van het waterverlies. De Bodemkundige Dienst van België (BDB) beschikt reeds over een betalende adviesverlening voor irrigatiesturing in Vlaanderen. Dit advies is gebaseerd op simulaties van een bodemwaterbalansmodel met invoer van real-time weergegevens, gekalibreerd met maandelijkse bodemvochtdata van manuele staalnames. Dit adviessysteem kan worden verbeterd door het implementeren van weersvoorspelling en door gebruik van goedkope bodemvochtsensoren die real-time bodemdata rechtstreeks doorsturen naar het irrigatiesturingsmodel. Verschillende bodemvochtsensoren worden ook geëvalueerd. Zowel weersvoorspellingen als bodem- en gewaseigenschappen, zoals gebruikt in het model, zijn echter onzeker. Deze parameters worden geschat aan de hand van eerdere informatie over de verandering van het bodemvochtgehalte. De analyse en schatting van deze modelparameters komt overeen met het ‘trainen’ van het model, zodat geobserveerde bodemvochtdynamieken gereproduceerd kunnen worden door het model. Data-assimilatie is zo’n techniek om een model te trainen. Aangezien deze techniek onzekerheden erkent in de data, kan ook de onzekerheid in de voorspellingen van bodemvocht, verloren water uit de wortelzone en waterstress van het gewas worden geëvalueerd. De techniek is veelbelovend in het verbeteren van irrigatiesturing. Het doel van het doctoraatsonderzoek is om na te gaan (1) hoe real-time informatie van bodemvochtsensoren gebruikt kan worden in het verbeteren van voorspellingen van de bodemvochtstatus en irrigatienoden met een bodemwaterbalansmodel via data-assimilatie, en (2) hoe weersvoorspellingen gebruikt kunnen worden om modelgebaseerde irrigatiesturing te optimaliseren. Het onderzoek zal uitgaan van data verzameld in een lopend onderzoeksproject rond druppelirrigatie voor groentegewassen in Vlaanderen, gefinancierd door VLAIO.