%27Oogstprognose+in+paprika+is+niet+eenvoudig%27
Nieuws
© Koen van Wijk

'Oogstprognose in paprika is niet eenvoudig'

Een model voor oogstprognose bij paprika’s blijkt nog niet zo eenvoudig. Dit blijkt uit een pilot van Delphy op een paprikabedrijf.

‘De afgelopen twee teeltseizoenen heb ik meegewerkt aan een oogstprognosemodel voor de paprika: Peppervision. Een model wat jaren geleden door de Wageningen University en Research is ontwikkeld en met verbeteringen mogelijk voor de praktijk bruikbaar zou kunnen worden’, zegt Stefan Hendriks, adviseur glasgroenten bij Delphy

Uit ervaringen weet Hendriks dat paprika een moeilijk stuurbaar gewas is en dat de oogst vaak in zetsels valt. ‘Als teler wil je altijd zo nauwkeurig mogelijk weten welke hoeveelheid er de komende weken te oogsten is. Een goede prognose zorgt ervoor dat de beschikbare arbeidsuren goed kunnen gepland. Daarnaast willen de verkopers weten wat ze kunnen verwachten aan product zodat ze de hoogst mogelijke prijs uit de markt kunnen halen.’

Minder tijd

Vooraf had Delphy als eisen dat de gegevens eenvoudiger in te vullen moeten zijn en het invoeren minder tijd moet kosten. Hendriks: ‘Het model moet daarnaast rekening houden met veranderingen in het klimaat en beschikbare arbeidsuren. We hebben de nadruk gelegd op invloed van het (kas)klimaat omdat andere bestaande modellen hier geen of minder rekening mee houden.’

Dit maakt het inzichtelijk wat het voor de prognose betekent wanneer de etmaaltemperatuur en/of het CO2-gehalte verhoogd of verlaag worden. ‘Hiermee werd voor mij heel mooi inzichtelijk wanneer er in een bepaalde periode de etmaaltemperaturen één graad hoger werden aangehouden. De afrijpingssnelheid werd dan verkort en vanzelfsprekend zagen we ook dat het gemiddeld vruchtgewicht afnam’, zegt Hendriks.

Balans opmaken

Nu de twee teeltseizoenen zijn afgelopen, is het tijd voor Delphy om de balans op te maken. Het blijkt dat een model voor oogstprognose niet zomaar een kant en klaar product is en zeker niet altijd een betere prognose geeft dan de huidige systemen.

‘Een van de oorzaken hiervoor zijn, denk ik, de verschillende werkwijze van oogsten binnen de bedrijven’, zegt Hendriks. ‘Wanneer een bedrijf vooral op prijs snijdt en ad hoc reageert, geeft dit een onbetrouwbare prognose. Door bonter te oogsten en meerdere keren rond te gaan, wordt de prognose ernstig verstoord. De beste resultaten worden gehaald bij de bedrijven waar plantmatig wordt geoogst.’

Wellicht wilden we ook te snel resultaat zien, denkt Hendriks. ‘De oogstprognose wordt beter met meer data. Maar er zijn vier verschillende kleuren paprika met allerlei verschillende raseigenschappen, die weer geteeld worden in verschillende teeltgebieden. Veel verschillende data dus, waarmee de database voor een oogstprognosemodel eerst gevoed moet om tot de beste resultaten te komen.’

Bontheidsstatium

Volgens Hendriks is de pilot erin geslaagd om het prognosemodel te vereenvoudigen voor de invoer van data. ‘Bovendien zijn we er in geslaagd om de effecten van veranderingen in het klimaat mee te nemen in de prognose. Voor mij is wel duidelijk geworden dat inzet van arbeid, de frequentie en planning van oogsten, en de fluctuatie in bontheidsstadium een veel grotere invloed te hebben op de prognose dan het kasklimaat. Voor een succesvol oogstprognosemodel zal dan ook veel meer data verzameld moeten worden, waarmee het model beter geschikt voor de praktijk zal worden.’

Het project werd mede mogelijk gemaakt door het ‘Europees Landbouwfonds voor Plattelandsontwikkeling: Europa investeert in zijn platteland’.

Bekijk meer over: