Optimaliseer je plaagbestrijdingsstrategie met klimaatdata

november 26, 2018

Volgens onze klanten zijn deze drie factoren van belang als het gaat om (biologische) plaagbestrijding:

  • De identificatie van de zich ontwikkelende plaagdruk;
  • De juiste timing en klimaatomstandigheden voor het gebruik van biopesticiden of roofdieren;
  • En begrijpen waarom eerdere strategieën niet werkten en leren van deze bestrijdingsproblemen;

Nauwkeurige, real-time data en conclusies getrokken uit eerder vergaarde datasets hebben een belangrijke impact hebben op alle drie. Het verzamelen van gegevens op gewasniveau is vooral belangrijk bij het gebruik van biologische bestrijdingsmiddelen.

Wat zijn de optimale omstandigheden?

Zoals bijvoorbeeld bij één van onze klanten, een fruitteler, het geval was. Hier stond het continu bewaken van bodemtemperatuur en bodemvocht met GS3-sensoren centraal bij de preventie van wijnstokkevers. Omdat verschillende biologische bestrijdingsmiddelen het beste bij verschillende temperaturen werken, kon de klant de kosten van het gebruik hiervan significant verlagen door de klimaatomstandigheden nauwgezet in kaart te brengen. Er was een aanzienlijk verschil in kosten tussen twee producten. Dankzij realtime gegevens over bodemtemperatuur kon de klant een kostenbesparende strategie toepassen, wat inhield dat het product gebruikt kon worden zolang de bodemtemperatuur boven 12 ºC bleef. Door notificaties in te stellen op deze temperatuursgrens ontving de gebruiker direct meldingen zodra de omstandigheden niet optimaal waren. Logisch gevolg hiervan is dat klanten snel beslissingen kunnen nemen in reactie hierop. Voor de klant betekende dit dat hij precies kon beslissen wanneer hij kon overschakelen naar een ander bestrijdingsproduct, in dit geval Nemasys L.

Met behulp van de Pointed Microclimate sensor, kon een andere klant de bestrijding van spint perfectioneren. Door deze sensoren in een probleemgebied te installeren, ontdekte hij dat kas condities boven 25 ° C en 70% RV niet optimaal waren voor de roofmijt phytoseiulus. Op dat moment verloor het biologische middel zijn productiviteit. Gewapend met deze inzichten stelde de klant meerdere notificaties in zodat hij meer roofmijt kon inzetten op het moment dat de mijt in dit soort omstandigheden terecht kwam.

Bewijs voor de bedachte strategie

Zelfs in extreme omstandigheden – een van de heetste zomers die Groot Brittanië in jaren heeft gehad – slaagde deze klant erin geslaagd een aantal batches bloemen te produceren zonder tekenen van het zogeheten viooltjes vlekkensyndroom (Pansy Mottle Syndrome / PaMS). Om dit te voorkomen keek de teler naar plantenspanning en verschillende klimaatomstandigheden, en grepen teeltmanagers in wanneer dit nodig was. Scherminstellingen en irrigatietijden werden aangepast om de blad- en luchttemperatuur te verlagen en de VPD-pieken te verlagen. Op een gegeven moment bewees een situatie dat deze aanpak goed gewerkt had. Een zeer harde wind (meer dan 15 m/s) zorgde ervoor dat de klimaatcomputer de ramen sloot. Dit kwam doordat het klimaatsysteem was ingesteld om schade door extreme weersomstandigheden te voorkomen. De hoge instraling en gesloten ramen verhoogden de temperatuur en VPD dramatisch. Twee weken later had het vlekkensyndroom zich alsnog ontwikkeld, wat liet zien dat als die factoren niet onder controle waren dit tot een negatief resultaat en een vertraging van ongeveer twee weken zou leiden.

In de laatste klantcase die we hier bespreken hielpen inzichten in het microklimaat bij het optimaliseren van een strategie om trips te bestrijden. Deze plaag had meer dan 30% verlies veroorzaakt. Door middel van real-time monitoring, ontdekte de klant dat de RV nooit onder de 63% zou mogen komen om de optimale broedomstandigheden te voorkomen. Op basis van nieuwe data- inzichten ontwikkelde de teler een nieuwe strategie met een nieuw bestrijdingsmiddel en had hij meer vertrouwen in de toepassing hiervan op basis van gegevens.

Hoe kunnen we je helpen bij het digitaliseren van je teeltproces?
Analyseer allerlei informatie afkomstig uit verschillende databronnen zoals klimaatcomputers, sensoren en handmatige invoer op een centrale plek. Verbeter samen met adviseurs, distributeurs en onderzoekers het productieproces van jouw gewassen, planten, zaden of bollen. We gaan graag met je in gesprek over welk servicemodel het meest geschikt is voor jouw bedrijf.

Teeltvariabelen uitgelegd: groeigraden

In deze blog willen we je graag iets vertellen over groeigraden, oftewel growing degree units (GDH/GDD). De reden dat we groeigraden hebben toegevoegd aan ons dashboard is omdat in de vele gesprekken met onze gebruikers hier vaak om gevraagd wordt. Graaduren worden gebruikt om op te sturen, maar telers geven aan dat de berekening tijdrovend ...
Lees meer

Autonoom groeien wordt werkelijkheid

De Autonomous Greenhouse Challenge is vanochtend ten einde gekomen met de bekendmaking van de winnaars. Ons multidisciplinaire team van tuinbouwexperts en computerwetenschappers van Delphy en 30MHz heeft in 6 maanden tijd gezonde cherrytomaten op afstand geteeld. In deze periode hebben we het systeem en de modellen ontwikkeld die nodig zijn om een kas op afstand ...
Lees meer

Van scale-up naar volwaardig bedrijf

30MHz is de afgelopen jaren flink gegroeid. We zijn een stabiele en betrouwbare speler geworden binnen de tuinbouwsector. Als kleine start-up bouwden we in 2015 de eerste fundamenten van ons huidige dataplatform. Zoals de cloudstructuren die nodig zijn om grote hoeveelheden gewasgegevens op te slaan en beschikbaar te maken voor analyses. Hoever je ook terug ...
Lees meer