Dripirrigated irrigation scheduled using real time data for a sustainablehorticultural production (DRIP)

Water is crucial for approximately 4000 horticultural farms. Drip irrigation will improve water use efficiency since les water evaporates from  the soil. Next to applying the water with irrigation drippers, a solid irrigation schedule is needed to guarantee an optimal water use. A soil water balance is a valid tool for irrigation scheduling, however its use could be optimized when it gets fed with real time moisture data collected from soil sensors. These data will be used to optimize the model parameters using data assimilation.

De oprichting van het DRIP-platform waarmee bodemvochtstations communiceren via een LPWAN-netwerk is de belangrijkste innovatie van het project. De toegevoegde waarde van dit platform ten opzichte van andere vroegere platformen is dat de meetwaardes van de bodemsensoren onmiddellijk gekalibreerd worden en in functie van drempelwaardes de irrigatienood aanduiden. Het platform toont ook bodemvochtprognoses die berekend worden met een bodemwaterbalansmodel dat via data-assimilatie (DREAM) gebruik maakt van de gekoppelde sensordata. Het platform connecteert 29 tuinbouwers uit het DRIP-project.  De bodemvochtvoorspelling op het DRIP-platform gebeurt aan de hand van een bodemwaterbalansberekening. Deze bodemwaterbalansberekening wordt geparameteriseerd met behulp van inverse modellering gebruik makend van het DREAM-algoritme. DREAM was een reeds bestaand algoritme voor inverse modellering. Het werd eerder reeds toegepast in hydrologische toepassingen op schaal van stroomgebieden. In dit project werd het algoritme gekoppeld met een bodemwaterbalansmodel dat het bodemvocht simuleert op veldschaal en gevoed met in situ bodemvochtmetingen van in situ sensoren en bodemvochtstalen. Het algoritme wordt voor het eerst gebruikt voor een real time toepassing, meer specifiek voor bodemvochtvoorspellingen en irrigatiesturing. In de implementatie van het algoritme werd ook veel aandacht besteed aan de errorcovariantiematrix die de onzekerheid van de observaties en de correlatie van de meetfouten beschrijft. Deze heeft namelijk een grote impact op de parameterschatting in DREAM. Het voordeel van dit algoritme en de errorcovariantiematrix is dat de onzekerheid van de modelparameters goed geschat kan worden en als gevolg ook de onzekerheid op het bodemvocht. Deze onzekerheidsschatting is belangrijk om het irrigatieadvies te ondersteunen en te kaderen.

 Bij de betrokken praktijkonderzoekers (PSKW, PCG/viaverda, Praktijkpunt landbouw) is ook kennis uitgebouwd rond de mechanisatie van druppelirrigatie. Deze kennis stelt de onderzoekers in staat om de innoverende telers bij te staan met advies bij de omschakeling naar druppelirrigatie. De kennis en ervaring gaat van eenvoudige tips en tricks tot het bouwen van een T-tape legger. Zo zijn modulaire “machines” gebouwd op de onderzoekscentra die bij zaai en plant het aanleggen vergemakkelijken. Deze zijn gebouwd met materialen en technieken die voor de meeste telers makkelijk voorhanden zijn. Ook in de kleinere handigheden zoals het voorkomen van schade, verstoppingen, dosering ... is ruime ervaring opgedaan en gedeeld met de sector. Deze kennis ondersteunt het gebruik van druppelirrigatie bij de doelgroepbedrijven. Bij een bevraging van de in het project betrokken telers die druppelirrigatie gebruiken, gaf meer dan 70% van de telers aan druppelirrigatie te blijven gebruiken na afloop van het project.