Tijdens bepaalde periodes van het groeiseizoen moeten aardappeltelers regelmatig de stikstofstatus van hun gewassen controleren om de mest op de meest efficiënte manier te kunnen toedienen.
Het is gebruikelijk om bladeren van planten in elk veld te verzamelen en deze vervolgens naar het laboratorium te sturen voor nitraatanalyse. Binnen enkele dagen krijgen telers resultaten die aangeven of er meer stikstofbemesting nodig is of dat de prestatie normaal is. Het systeem werkt, maar dit proces kan worden versneld, zegt I. Wang, docent Universiteit van Wisconsin-Madison, Afdeling Tuinbouw.
"Bladeren verzamelen kost veel tijd en moeite", zegt Wang.
“En soms kunnen de resultaten misleidend zijn, omdat de hoeveelheid nitraat in de bladeren door veel factoren kan worden beïnvloed, zoals weersomstandigheden of het tijdstip van bemonstering. Bovendien houden de resultaten geen rekening met ruimtelijke verschillen [stikstofbehoefte] binnen het veld.”
Project gefinancierd USDA Nationaal Instituut voor Voedsel en Landbouw, omvat het verzamelen en verwerken van gegevens van een hyperspectrale camera. Het wordt geïnstalleerd op een UAV (unmanned aerial vehicle) of een laagvliegend vliegtuig dat over de bestudeerde aardappelgebieden vliegt.
Het team van Wang ontwikkelt computermodellen om afbeeldingen te koppelen aan de stikstofstatus van de plant in het seizoen, opbrengst, kwaliteit en economisch rendement aan het einde van het seizoen.
"Mijn staf en ik hopen een online programma te ontwikkelen dat hyperspectrale beelden omzet in informatie over wanneer en hoeveel te bemesten, zodat telers hun winst kunnen maximaliseren met een minimale impact op het milieu", zegt Wang.
"Factoren die veranderingen in de staat van het bladerdak veroorzaken, zoals de voedingsstatus, de aan- en afwezigheid van vocht of ziekte, worden geassocieerd met spectrale reflectie en kunnen daarom worden gevisualiseerd in hyperspectrale beelden", zegt Trevor Crosby, een afgestudeerde student in Wang's laboratorium.
In een enkele vlucht over een onderzoeksveld van 70 bij 150 meter kunnen tientallen beelden worden verzameld, elk met honderden spectrale banden. Om de beeldverwerking te versnellen, nam Wang twee belangrijke medewerkers aan. Phil Townsend, hoogleraar bos- en natuurecologie, is een leider in teledetectietechnologie. Paul Mitchell, hoogleraar en specialist bij de afdeling Landbouw en Toegepaste Economische Wetenschappen, doet een economische analyse op basis waarvan een computermodel aanbevelingen doet voor stikstoftoediening.
Crosby, die het voortouw nam bij grondmetingen, verzamelde gegevens van veldonderzoekslocaties in verschillende stadia van de aardappelgroei. Dit omvat de bladoppervlakte-index, de totale stikstofconcentratie in bladeren en stengels, het aantal knollen en het gewicht van individuele knollen, en omgevingsfactoren zoals bodemvocht en temperatuur, zonnestraling en windsnelheid. Bij de oogst meet het de totale opbrengst van knollen en hun grootte.
Crosby ontwikkelde vervolgens verbeterde modellen die hyperspectrale beelden koppelden aan metingen op de grond. Het doel is om realtime de stikstofstatus van gewassen te voorspellen en de opbrengst van knollen aan het einde van het seizoen te voorspellen. Op dit moment is het veldwerk en de beeldverwerking voltooid en richt Crosby zich op de modelontwikkeling.
Wang deelt zijn onderzoek op grote schaal met de aardappel- en groentetelers van de staat. Hij heeft een goede relatie met boeren in de hele staat en velen kijken uit naar de resultaten van zijn onderzoek.