Automatische aansturing waterkwaliteit voor goed recirculatiewater glastuinbouw

Bij recirculatie krijgt gietwater in de glastuinbouw een complexe samenstelling. Het effect hiervan op teelten is grotendeels onbekend. Voor het goed beheersen van het gietwatersysteem is het essentieel om te kunnen bepalen of de waterkwaliteit goed of slecht is met het oog op plantgezondheid en het operationeel houden van het watersysteem. Dit project beoogt daarom het ontwikkelen van een waterkwaliteitsmodel op basis van plant-, water- en klimaatsensoren met maatregelen voor sturing op een gezonde teelt. Grenswaarden voor de sturing worden onderzocht in praktijk- en proefkassen door waterparameters te verbinden aan plantengroei,  klimaat en microbiologische parameters met behulp van machine-learning. Voor de presentatie van informatie en stuurparameters wordt een eenvoudig te interpreteren dashboard gemaakt.

Technologie

Voor een snelle en autonome meting van waterkwaliteit kan gebruikt gemaakt worden van waterkwaliteitssensoren. Er is een breed scala van zulke sensoren beschikbaar, en verschillende ervan zijn ook reeds ingezet of getest voor toepassing in de glastuinbouw (bijv. TKI project Waterkwaliteit Snel in Beeld). Dit laat zien dat sensoren weliswaar informatie over de watersamenstelling leveren, maar dat geen enkele individuele sensor kan beoordelen of gietwater een goede kwaliteit heeft, doordat het totaal aan parameters bepaalt of de waterkwaliteit voldoende is om bedrijfszeker te worden hergebruikt. Met combinaties van sensoren is het echter mogelijk om een ‘vingerafdruk’ van het water te meten. Uit andere sectoren is bekend dat een dergelijke vingerafdruk gebruikt kan worden om uitspraken te doen over waterkwaliteit die op basis van de individuele sensoren niet mogelijk zouden zijn. Dit project onderzoekt of het mogelijk is om op basis van een combinatie van waterkwaliteits-, klimaat- en plantsensoren te komen tot een beslissingsondersteunend meetsysteem waarin op basis van het monitoren van de waterkwaliteits-vingerafdruk aanwijzingen voor (bij)sturing van het recirculatieproces en de waterbehandeling kunnen worden gegeven op basis van een set grenswaarden.

Uitdaging

Ondanks richtlijnen voor goed gietwater waarin concentraties nutriënten en sporenelementen voor specifieke gewassen gedefinieerd zijn, ontbreekt voldoende inzicht in wanneer water goed of gezond is voor de plant om bij recirculatie op te kunnen sturen. Waterkwaliteit is momenteel voor tuinders een ‘zwarte doos’, en is er onvoldoende inzicht om problemen tijdig te detecteren.

Binnen het project zullen de criteria voor goede waterkwaliteit onderzocht. Dit gebeurt in de praktijk door sensoren voor waterparameters en klimaat te verbinden aan sensoren voor plantgroei en productie. Daarnaast worden experimenten uitgevoerd op proeflocaties om causale verbanden te leggen tussen sensor-data van waterkwaliteit en plantgroei. Middels “deep learning” zullen correlaties tussen de gemeten parameters worden afgeleid en wordt een model ontwikkeld dat op basis van de waterkwaliteitsmetingen de effecten op plantgezondheid kan voorspellen en afgeleid daarvan sturing kan geven aan de waterzuivering die wordt toegepast tijdens recirculatie. De waterkwaliteitsgegevens van de sensoren worden aangevuld met discontinue data bronnen zoals chemische en microbiologische laboratorium analyses, waaronder resultaten van Next Generation Sequencing.

Oplossing

Dit project draagt bij aan het verhogen van de efficiëntie van waterrecirculatie in de glastuinbouw door de tuinder de gereedschappen te geven om de kwaliteit van het gietwater bij volledig hergebruik te bewaken en beheersen. Dit project ontwikkeld daartoe een gebruikersvriendelijk beslissingsondersteunend systeem (dashboard) waarmee de eindgebruiker (tuinder) aan de hand van meetwaarden en grenswaarden inzicht heeft in de waterkwaliteit en ondersteuning krijgt bij de aansturing van recirculatie en waterbehandeling. Dit dashboard zal gebaseerd zijn op het in dit project ontwikkelde integrale model.