Een uitgebreide Britse dataset voor gewasopbrengst met satelliet-, weer- en bodemtypegegevens

Waarom dit belangrijk is voor onze voedseltoekomst

Hoeveel voedsel een land kan produceren hangt niet alleen van het weer af, maar van de subtiele wisselwerking tussen klimaat, bodem en de dag‑tot‑dag omstandigheden in de akkers van boeren. Tot nu toe ontbrak het onderzoekers in het Verenigd Koninkrijk aan een grote, open dataset die wat daadwerkelijk van de dorsmolen kwam koppelt aan gedetailleerde metingen van satellieten en weersstations. Dit artikel introduceert zo’n bron, het CYCleSS‑dataset, dat opbrengsten van gewassen, klimaat, bodems en satellietwaarnemingen samenbrengt voor honderden percelen in Engeland. Het biedt wetenschappers, beleidsmakers en ook agri‑techbedrijven een nieuwe manier om oogsten te begrijpen en te voorspellen in een opwarmende, onzekerdere wereld.

Verschillende onderdelen van het landbouwpuzzel bij elkaar brengen

De auteurs creëerden CYCleSS door te beginnen met „ground truth”-opbrengstgegevens die door moderne maaidorsers zijn verzameld op 934 percelen in Engeland tussen 2015 en 2017. Deze machines registreren routinematig hoeveel graan er wordt geoogst met fijne ruimtelijke resolutie, maar die gegevens blijven meestal op de boerderij omdat ze commercieel gevoelig zijn. Het team werkte samen met het UK Centre for Ecology and Hydrology en andere partners om deze informatie te anonimiseren zodat geen individuele boerderij te identificeren is, terwijl de data nauwkeurig genoeg blijven voor wetenschappelijk gebruik. Naast de opbrengst noteerden zij welk gewas op elk perceel stond, voornamelijk wintertarwe, oliehoudende koolzaad en gerst, evenals bonen.

Weer, bodem en satellieten op dezelfde kaart

Om te begrijpen waarom opbrengsten variëren, combineert de dataset meerdere andere gegevenslagen, allemaal uitgelijnd op een raster van éénkilometer‑vakken. Dagelijkse weergegevens, zoals temperatuur, neerslag, zonneschijn, wind, luchtdruk en verdamping, werden gehaald uit nationale klimaatreeksen die heel Groot‑Brittannië bestrijken. Bodemeigenschappen, waaronder waterbergend vermogen, doorlatingssnelheid en de samenstelling van zand, silt en klei, werden toegevoegd uit Europese bodemmappen. De onderzoekers filterden dit raster vervolgens om alleen gebieden te behouden die daadwerkelijk voor akkerbouw worden gebruikt, met behulp van een gedetailleerde landbedekkingskaart die verschillende gewastypen onderscheidt op 10‑meterresolutie.

Gewassen vanuit de ruimte volgen

Een belangrijke kracht van CYCleSS is de integratie van satellietgegevens met veldopbrengsten. Met een cloud‑computingplatform haalde het team tijdreeksen van radarmetingen uit de Europese Sentinel‑1‑missie voor elk geselecteerd rastervak. Radar heeft het voordeel dat het door wolken en ’s nachts kan werken, en de signalen veranderen naarmate gewassen meer bladeren en biomassa ontwikkelen. Voor elke 10‑meter satellietpixel binnen de gekozen gebieden verzamelden de onderzoekers radarmetingen elke vijf dagen in twee verschillende polarisaties en hun verhouding, die bekendstaan als gevoelig voor gewastype en groeistadium. Deze pixelniveausignalen werden vervolgens gemiddeld naar perceelschaal en gekoppeld aan de overeenkomende opbrengst- en beheersinformatie.

Boeren anoniem houden terwijl de data bruikbaar blijven

Aangezien opbrengstkaarten direct verband houden met het levensonderhoud van boeren, was privacy een centrale zorg. Om bijdragende partijen te beschermen introduceerden de auteurs een proces met twee teams. Het ene team verzorgde de uitlijning van satelliet-, bodem‑ en klimaatgegevens op een fijn raster; een apart team bij UKCEH koppelde die rasters aan werkelijke percelen en opbrengsten en verwijderde vervolgens precieze locaties. Perceelidentificatie gebeurde uiteindelijk alleen via willekeurige codes en via de grovere 10‑kilometer rastervakken waarin ze liggen. Dit betekent dat elk vak veel boerderijen bevat, waardoor het praktisch onmogelijk is een bepaalde opbrengstregistratie terug te voeren op een specifiek bedrijf, terwijl de wetenschappelijke koppeling tussen omgeving en opbrengst behouden blijft.

Wat dit mogelijk maakt voor landbouw en klimaatresistentie

De CYCleSS‑dataset opent de deur naar veel krachtigere modellen voor gewasprestaties in het VK. Omdat het werkelijke oogstresultaten koppelt aan rijke reeksen weers-, bodem‑ en satellietf metingen, is het ideaal voor het trainen en testen van machine‑learning‑hulpmiddelen, zoals diepe neurale netwerken, die grote, goed gestructureerde datasets nodig hebben. Het kan ook worden gebruikt om traditionele gewasgroeimodellen te controleren en te verbeteren en om manieren te verkennen om deze modellen met satellietwaarnemingen in bijna realtime te combineren. Hoewel de gegevens grotendeels afkomstig zijn van beter uitgeruste boerderijen in Zuid‑Engeland en nog steeds enige meetonzekerheden bevatten, bieden ze een zeldzaam, openlijk toegankelijk venster op hoe Britse gewassen reageren op hun omgeving, waarmee onderzoekers betrouwbaardere opbrengstvoorspellingen kunnen ontwerpen en inspanningen kunnen informeren om landbouw productief en duurzaam te maken.

Bronvermelding: Corcoran, E., Bebber, D.P., Curceac, S. et al. A comprehensive UK crop yield dataset incorporating satellite, weather, and soil type information. Sci Data 13, 491 (2026). https://doi.org/10.1038/s41597-025-06528-x

Trefwoorden: voorspelling van gewasopbrengst, satelliet remote sensing, agrarische gegevens, landbouw in het Verenigd Koninkrijk, machine learning