Nauwkeuriger onderzoek door harmonisatie van in-situ gewasdata

Hendrik Boogaard, onderzoeker bij Wageningen Environmental Research, is al 30 jaar gespecialiseerd in het toepassen van modellen voor de landbouw. “Om de gewasgroei in het veld te kunnen simuleren, heb je lokale data nodig”, legt hij uit. “In-situ data, noemen we dat. Deze data zijn nodig om een model goed te laten werken. Vaak kalibreer je een model op een of meerdere jaren en toets je het aan een onafhankelijke dataset van een ander jaar.”

Niet makkelijk vindbaar

Het probleem met die data is volgens Hendrik dat ze niet makkelijk te vinden zijn: “Vaak zijn het data die voor een specifiek onderzoek zijn verzameld. Bij de publicatie van de onderzoeksdata is vaak geen rekening gehouden met toekomstig gebruik. Daar is goede documentatie voor nodig: wat mogen andere onderzoekers met de data, bijvoorbeeld. Heel belangrijk is ook hoe de onderzoeksdata beschreven zijn. Om een voorbeeld te noemen: droge stof kun je uitdrukken als vers gewicht of drooggewicht. Als dat er niet bij staat, wordt het al lastig de data te gebruiken.”

Hij noemt een ander voorbeeld: “De eenheden van fenologie, hoe het gewas zich van zaadje tot rijpheid ontwikkelt, wordt in onderzoeken in verschillende formuleringen uitgedrukt. Die zijn vaak niet zomaar te vertalen naar de standaardschaal die daarvoor meestal wordt gebruikt. Zo zijn nogal wat haken en ogen aan het hergebruik van onderzoeksdata.”

AGROSTAC

In het project In-situ Data, onderdeel van het Wageningen Common Data Solutions-programma, gingen Hendrik en zijn collega’s aan de slag met het harmoniseren van relevante in-situ gewasdata. Als eerste stap brachten zij in samenwerking met de Plant Sciences Group bestaande sets met gewasdata in kaart: “We zijn om te beginnen op zoek gegaan naar relevante datasets. Dat is veel werk, want die zijn op heel veel verschillende plekken opgeslagen. Vervolgens hebben we gekeken hoe die verschillende data zijn beschreven. Vaak zat er voor achtergrondinformatie een readme-bestand of een wetenschappelijke publicatie bij. We hebben een generieke infrastructuur, AGROSTAC, ontwikkeld om deze gewasdata te harmoniseren en te beheren en via een API-interface gestandaardiseerd aan te bieden aan collegae onderzoekers.”

Het zou mooi zijn als onderzoekers bij de beschrijving van hun onderzoeksdata al rekening houden met toekomstig gebruik door andere onderzoekers. Hendrik stelt dat dit niet altijd realistisch is: “In een project samen met de European Space Agency en de Vlaamse Instelling voor Technologisch Onderzoek maken we gewaskaarten met een resolutie van 10 bij 10 meter. In een ander onderzoek kan een resolutie van 10 bij 10 kilometer volstaan. Voor die onderzoeker heeft een nauwkeuriger ruimtelijke resolutie dan geen zin.”

Daar komt bij dat het publiceren van data toch vaak nog even op het laatst moet gebeuren. “Meestal wordt dan niet gelet op uitwisselbaarheid en herbruikbaarheid van data.”

Global Yield Atlas

Een van de praktijkcases waarmee in het project is gewerkt, is de Global Yield Atlas, onder andere een initiatief van de WUR. “Deze atlas beschrijft het verschil tussen actuele opbrengsten van boeren en de potentiële opbrengst als zij alles perfect zouden doen. Voor de maisproductie in Duitsland hebben we het gebruikte gewasmodel opnieuw gekalibreerd op basis van een groot aantal in-situ metingen die we via AGROSTAC hebben gevonden. Dit heeft geleid tot een meer realistische lengte van het groeiseizoen en een aangepast opbrengstplafond.”

Monitoring Agricultural Resources (MARS)

In het EU-programma Monitoring Agricultural Resources (MARS) worden meteorologische gegevens gebruikt om gewasgroei te volgen en opbrengsten te voorspellen. Als basis hiervoor wordt een gewasgroeimodel gebruikt dat in de jaren 80 in Wageningen is ontwikkeld. Ook aan MARS heeft het project In-situ Data een bijdrage geleverd, zegt Hendrik: “Er was een sterke behoefte aan in-situ data om de groei van aardappelen door heel Europa beter te kunnen voorspellen. Wij zijn op zoek gegaan naar nieuwe data en hebben ze gestandaardiseerd, geharmoniseerd en beschikbaar gemaakt.”

Yoda

Hoe meer datasets er worden toegevoegd, hoe interessanter het wordt voor de gemeenschap van plantwetenschappers, verwacht Hendrik: “We zitten nu al op een stuk of 25 deels grote datasets van verschillende typen onderzoek. Zeker de afgelopen jaren hebben we een aantal interessante datasets gevonden waarvan we niet wisten dat ze bestonden. Als ons netwerk nog bekender wordt, gaat het zichzelf versterken.”

Voor het verder verrijken van AGROSTAC verwacht hij een mogelijke bijdrage van Yoda, de IT-oplossing voor het slim en efficiënt organiseren van data: “Wageningse wetenschappers werken daar al mee. Ik kan me voorstellen dat zij een vinkje kunnen aanvinken als zij willen dat hun data automatisch worden gedeeld met AGROSTAC.”

Generiek opgezet

Groot voordeel van AGROSTAC is volgens hem dat het generiek is opgezet: “We kunnen heel makkelijk variabelen toevoegen, bijvoorbeeld data om beter te kunnen sturen op duurzaamheid. Of data over het eiwitgehalte van gewassen. In essentie zijn alle waarnemingen waar een tijdstip en een locatie aanhangt, toe te voegen. Maar we willen ons blijven richten op waar het meeste behoefte aan is.”