Integratie van gewasmodellering en remote sensing: Toepassing in dataschaarse kleinschalige landbouwsystemen

Klimaatverandering vormt ’een toenemend risico voor de landbouwproductiviteit en voedselzekerheid in zuidelijk Afrika, met name voor kleinschalige, regenafhankelijke landbouwsystemen met beperkte middelen. Hoewel gewasgroeimodellen (CGM) en remote sensing (RS) mogelijkheden bieden om opbrengstschattingen en klimaatadaptatieplanning te verbeteren, blijft het gebruik ervan in dataschaarse kleinschalige contexten beperkt. Dit proefschrift onderzoekt hoe CGM en RS geïntegreerd en toegepast kunnen worden in kleinschalige maïsteeltsystemen in de Oost-Kaap van Zuid-Afrika. De studie combineerde een systematische literatuurstudie, gewasmodel-experimenten, klimaateffectanalyses en institutionele enquêtes. Een wereldwijde review toonde sterke voorkeur richting grootschalige, input-intensieve systemen en beperkte ervaringen uit Afrikaanse kleinschalige contexten. Herkalibratie van het WOFOST-model met Sentinel-2–afgeleide bladoppervlakte-index (LAI) verminderde fouten in opbrengstschattingen met meer dan 90%. Klimaatscenario-analyses voorspelden potentiële opbrengstdalingen bij stijgende temperaturen en toenemende neerslagvariabiliteit, hoewel adaptieve strategieën de effecten kunnen beperken. Onderzoek onder landbouwvoorlichters liet een hoge mate van bewustzijn zien, maar een lage adoptie van digitale hulpmiddelen als gevolg van capaciteitsbeperkingen. Over het geheel genomen toont de studie aan dat CGM–RS-integratie haalbaar en waardevol is voor kleinschalige landbouw, mits gebruiksvriendelijke instrumenten en capaciteitsopbouw worden versterkt.