Schatting van verdamping en gewaskoefficiënten van uiën met weeglysimeters en machine learning-modellen in een semi-aride regio

Waarom uien en watergebruik belangrijk zijn

Uien zijn een basisproduct in de keuken en een belangrijk gewas in Iran, maar ze vragen veel water in een regio waar elke druppel telt. Boeren en waterbeheerders moeten precies weten hoeveel water uienpercelen aan de atmosfeer verliezen, zodat ze verstandig kunnen beregenen, verspilling kunnen vermijden en toch goede opbrengsten behalen. Deze studie combineerde nauwkeurige veldmetingen met moderne computermodellen om het watergebruik van uien in een semi-aride deel van Iran beter te begrijpen.

Meten hoe uienpercelen water verliezen

Planten verliezen water op twee hoofdmanieren: van het bodemoppervlak en via de bladeren. Gezamenlijk wordt dit waterverlies evapotranspiratie genoemd. Om dit met hoge precisie bij te houden, gebruikten de onderzoekers grote weegbakken die in de grond waren begraven en elk uienplanten en bodem bevatten. Door vast te leggen hoe het gewicht in de loop van de tijd veranderde en neerslag, irrigatie en drainage te volgen, konden ze precies bepalen hoeveel water het systeem elke dag verliet. Gedurende twee teeltseizoenen gebruikte het uiengewas ongeveer 447 millimeter water in het eerste jaar en 432 millimeter in het tweede, waarbij het koelere weer in het tweede jaar leidde tot iets lager verbruik.

Plantentranspiratie scheiden van bodemdroging

Water wordt niet alleen door uienwortels opgenomen; het verdampt ook direct van de kale bodem tussen de rijen. Om deze componenten uit elkaar te halen plaatste het team kleine bodemcilinders, micro-lysimeters genoemd, binnen de hoofdweegunits. Deze kleine monsters werden dagelijks gewogen om te laten zien hoeveel water alleen van het bodemoppervlak verdween. Door dit van het totale waterverlies af te trekken, konden ze schatten hoeveel via de uienplanten verdampte. Ze vonden dat ongeveer een derde van het totale waterverlies van het bodemoppervlak kwam, terwijl de rest afkomstig was van plantentranspiratie. Ze volgden ook hoe deze aandelen gedurende het seizoen veranderden, waarbij bodemverdamping hoger was wanneer de planten klein waren en de bladbedekking beperkt.

Eenvoudige cijfers die irrigatie sturen

Boeren en adviseurs vertrouwen vaak op gewaskoefficiënten, eenvoudige factoren die het lokale weer koppelen aan hoeveel water een specifiek gewas zal gebruiken. In deze studie berekende het team zowel enkele als dubbele gewaskoefficiënten voor uien onder semi-aride Iraanse omstandigheden. De enkele coefficient koppelt het totale watergebruik van uien aan een standaard grasreferentie, terwijl de dubbele vorm het effect splitst tussen plantenbladeren en kale bodem. Voor de gecombineerde maat waren de gemiddelde waarden 0,41 aan het begin van het seizoen, 0,68 rond de groeipiek en 0,51 tegen het einde. Het bladgerichte deel bleef lager dan waarden die in sommige andere landen zijn gerapporteerd, wat de relatief bescheiden bladoppervlakte en hoogte van het lokale uienras en de koele winters weerspiegelt die de groei vertraagden.

Computers leren watergebruik voorspellen

Aangezien de grote weegapparaten duur en zeldzaam zijn, testten de onderzoekers ook of computermodellen het watergebruik van uien konden schatten met behulp van gangbare weers- en gewasmetingen. Ze trainden vijf typen machine learning-modellen op twee jaar aan gegevens, waaronder luchttemperatuur, luchtvochtigheid, windsnelheid, zonlicht, bladoppervlakte en planthoogte. De modellen leerden het gemeten waterverlies na te bootsen en werden getest op dagen die niet in de training zaten. Twee op bomen gebaseerde methoden, Random Forest en Decision Tree, gaven de meest nauwkeurige voorspellingen, gevolgd door neurale netwerken en support vector regression. Een eenvoudigere lineaire methode, LASSO-regressie, was minder nauwkeurig, wat suggereert dat het watergebruik van uien op een complexe, niet-lineaire manier reageert op weer- en groeicondities.

Wat watergebruik van uien stuurt

Door in het best presterende model te kijken, identificeerde het team welke invoerwaarden het belangrijkst waren. Maten van plantgrootte, zoals bladoppervlakte en hoogte, scoorden het hoogst, samen met netto straling van de zon en windsnelheid. Daarentegen speelde luchtvochtigheid een kleinere rol in deze semi-aride omgeving. Dit betekent dat om waterbehoefte betrouwbaar te voorspellen, het helpt om niet alleen het weer te kennen maar ook hoeveel groen bladoppervlak het gewas op een gegeven moment heeft.

Wat dit betekent voor boeren

Voor telers en planners in droge regio’s levert dit onderzoek twee belangrijke hulpmiddelen. Ten eerste biedt het lokaal geteste cijfers die standaard weergegevens koppelen aan het watergebruik van uien, wat helpt bij het ontwerpen van betere irrigatieschema’s. Ten tweede toont het aan dat goed getrainde machine learning-modellen kunnen dienen als vervanging voor kostbare veldinstrumenten, mits basisweer- en gewasgroeigegevens beschikbaar zijn. Samen kunnen deze vorderingen het efficiënter gebruik van schaarse watervoorraden ondersteunen en tegelijkertijd de uienproductie in semi-aride landschappen handhaven.

Bronvermelding: Shirazi, S.H.M., Razzaghi, F. & Sepaskhah, A.R. Estimation of onion crop evapotranspiration and crop coefficients using weighing lysimeters and machine learning models in semi-arid region. Sci Rep 16, 16166 (2026). https://doi.org/10.1038/s41598-026-43887-w

Trefwoorden: ui-irrigatie, evapotranspiratie, semi-aride landbouw, gewaskoefficiënten, machine learning-modellen