Data assimilation in the Digital Future Farm: from prototypes to operational use

De Digital Future Farm (DFF) is een van de onderzoeksprojecten in het kader van de Wageningen Digital Twins. Binnen het DFF raamwerk draaien verschillende modellen voor het schatten van gras en gewasproductie, water- en nutriënten huishouding maar ook veehouderij. Deze modellen zijn echter niet perfect en kunnen behoorlijk afwijken van de werkelijke situatie. Om modellen tijdig te kunnen corrigeren wordt er gebruik gemaakt van data assimilatie (DA) technieken die op basis van observaties (sensoren of satellieten) de modellen bijsturen. DA technieken worden inmiddels veel gebruikt in allerlei sectoren. Bijvoorbeeld bij operationele weersvoorspelling zijn ze van groot belang om de voorspelling van het weermodel te verbeteren. In 2020 hebben we een veel gebruikte DA techniek geïmplementeerd in het DFF raamwerk: het ensemble Kalman filter (EnKF). Omdat zowel de observaties als de modeluitkomsten onzeker zijn gebruikt de EnKF een gewogen schatting van het model en de observatie om tot een optimale uitkomst te komen. Hierbij wordt de onzekerheid in de modeluitkomsten gekarakteriseerd door een ensemble van modellenresultaten.

De eerste resultaten van de EnKF met het WOFOST gewasgroeimodel en het GRAS2007 model laten zien dat het gebruik van de EnKF de fout op de voorspelde modeluitkomsten kleiner maakt. In 2021 willen we dit verder ontwikkelen door de EnKF te testen voor meer gewassen en situaties. Bovendien, willen we het gebruik van de EnKF operationeel maken in het DFF raamwerk zodat dit in praktische situaties gebruikt kan worden. Bijvoorbeeld gebruik makend van satelliet waarnemingen die nu al operationeel beschikbaar zijn op http://agrodatacube.wur.nl