WUR ziet winst in koppelen Europees rassenonderzoek

Volgens de onderzoekers zit de grootste winst vaak niet in meer proefvelden, maar in het beter benutten van bestaande data uit verschillende landen. WUR meldt dat in Europa nieuwe rassen worden beoordeeld op hun teelt- en gebruikswaarde, de zogeheten Value for Cultivation and Use. Deze proeven in nationale netwerken van proefvelden zijn cruciaal voor veredelaars, telers en beleidsmakers, omdat ze mede bepalen welke rassen worden toegelaten tot de markt.

Volgens WUR is die beoordeling vaak vooral nationaal georganiseerd, waardoor informatie uit andere landen beperkt wordt benut. Hoofdauteur Jip Ramakers van WUR-leerstoelgroep Biometris geeft aan dat gegevens uit andere landen laten zien hoe rassen presteren onder andere groeiomstandigheden, zoals verschillen in klimaat, bodem en teeltgebied.

‘Daarbij gaat het ook om proeven uit andere jaren. Die extra variatie helpt onderzoekers beter te begrijpen hoe stabiel een ras presteert.’ Ramakers benadrukt dat de grootste winst zit in het slimmer verbinden van bestaande netwerken. Onderzoekers laten in de twee studies naar Europees rassenonderzoek zien hoe een gezamenlijke analyse werkt.

Niet zomaar naast elkaar leggen

‘Een opbrengstmeting uit Frankrijk kun je bijvoorbeeld niet zomaar naast een opbrengstmeting uit Duitsland leggen’, weet Ramakers. ‘Een ras kan ergens goed presteren door zijn eigen genetische eigenschappen, maar ook door lokaal betere teeltomstandigheden of een andere teeltaanpak. Door datasets samen te analyseren, kunnen we beter inschatten welk deel van de prestatie echt bij het ras hoort en welk deel het gevolg is van de omstandigheden.’

In de studie naar tarwe en mais nam de precisie van rassenvergelijking toe tot 46 procent bij tarwe en 27 procent bij mais. Volgens de onderzoekers zat deze winst vooral in vergelijkingen waarbij rassen niet gezamenlijk in hetzelfde netwerk waren beoordeeld.

Beter benutten van omgevingsinformatie

De onderzoekers wijzen naast het koppelen van bestaande proefdata op een volgende stap: omgevingsinformatie beter benutten. Denk daarbij bijvoorbeeld aan weergegevens, bodemkenmerken en locatiegegevens.

Dergelijke informatie kan volgens WUR helpen beter te begrijpen waarom rassen in bepaalde omstandigheden goed of minder goed presteren. Daarnaast kan het bijdragen aan betere voorspellingen van rasprestaties in vergelijkbare omstandigheden.