Satellietbeelden helpen bij optimalisering bietenteelt

Met hulp van satellietbeelden wil Cosun Beet Company beter inzicht krijgen in de groei en opbrengst van suikerbieten. Onderdeel hiervan is de monitoring van ziekten en plagen. Ook worden de beelden gebruikt om de oogst en de transportplanning naar de fabrieken te optimaliseren.

Satellietbeelden leveren tijdsbesparing op

Cosun Beet Company is in 2018 samen met Sensus en NEO, specialist in geo-informatie, al begonnen met een pilot om te onderzoeken wat satellietbeelden voor de bieten- en cichoreiteelt kunnen betekenen. In eerste instantie is er gekeken of er een oogstmonitor ontwikkeld kon worden. Simpel gezegd is de opgave om van bovenaf kijken of de percelen wel of nog niet geoogst zijn. Nu geeft de buitendienst dat nog door. Centraal uitgelezen satellietbeelden leveren echter een tijdsbesparing op. De oogst en afname planning kan zo sneller aan de omstandigheden aangepast worden.

Om te zien welke percelen zijn geoogst bleek volgens Naomi Chouinard, Business Analist Agronomie bij Cosun Beet Company, lastiger dan gedacht. Er blijkt meer onderzoek nodig om betrouwbaar te kunnen zeggen of het gewas wel of niet gerooid is. Samen met NEO wordt verder gewerkt aan optimalisering.

Ziekten en plagen monitoren met satellietbeelden

Het idee is om met satellietbeelden ook ziekten en plagen te monitoren. Als eerste worden data verzameld om vergelingsziekte in een perceel te detecteren. Dat geeft dan weer informatie voor de opbrengstprognose van het perceel. Ook voor bladschimmels worden data verzameld. Harde cijfers over ziekteaantastingen in de bieten kunnen aantonen hoeveel schade een plaag of ziekte veroorzaakt. Dat kan een argument zijn voor behoud van middelen voor de bietenteelt. Daarnaast kunnen deze gegevens ook gebruikt worden voor een betere advisering aan de teler. Dat zal dan vooral gaan over de rassenkeuze of perceelskeuze voor een volgende teelt. Chouinard ziet voor directe advisering op basis van satellietbeelden nog geen mogelijkheden omdat satellietdata altijd enkele dagen achterloopt op de realiteit. Sensoren in het veld zijn daar beter geschikt voor.