Van plant naar pixel – Wat kunnen camerapixels ons leren over planten?
Maakt het uit wanneer en hoe je naar een plant kijkt? In dit experiment onderzoeken we hoe verschillende camerabeelden ons helpen om de groei van vegetatie te begrijpen. Met een 12 meter hoge cameraboog maken we elk uur beelden van gras, gewassen en natuurlijke vegetatie. Zo leren we hoe licht, seizoen en weer het beeld van verschillende camera's beïnvloeden – en hoe we echte groeiveranderingen kunnen onderscheiden van schaduweffecten. Wietske Bijker: "Wat zie ik eigenlijk? Zijn verschillen in een serie foto's van planten het gevolg van groei, droogte, of van verschillen in camera, belichting en weer?"
Dit experiment valt bij UT FieldLab onder het thema Voedselzekerheid en biodiversiteit. Bekijk hier alle experimenten die horen bij dit thema.
Wat onderzoeken we?
Het doel is om camera’s te kalibreren en betrouwbare methoden te ontwikkelen voor vegetatiemonitoring. Hoe beïnvloeden cameratype, tijdstip, zonhoek en weersomstandigheden het beeld? En hoe herkennen we signalen van droogte of plagen? Deze kennis is cruciaal voor landbouw, natuurbeheer en biodiversiteitsonderzoek. Om vegetatie te monitoren over langere tijd, is het vaak nodig om met beelden van verschillende camera's te werken, die ook nog eens onder verschillende weers- en zonlichtomstandigheden zijn opgenomen.
Hoe werkt het?
De cameraboog is uitgerust met verschillende sensoren, waaronder een multispectrale Tetracam µMCA 6 en een FLIR SC5000 thermische camera (midden infrarood).Daarnaast is er de ruimte om andere sensoren toe voegen zodat die meelopen in de kalibratie, zoals de Parrot Sequioa multispectrale camera, diverse kleinere thermische camera's en de Citizen Science multispectrale camera, Deze maken opnames in meerdere golflengten, zodat we niet alleen kleur, maar ook temperatuur en reflectiepatronen in ruimte en tijd vastleggen. Door beelden van verschillende camera's te koppelen aan elkaar en aan weerdata – zoals zoninstraling, neerslag en verdamping – kunnen we groeiprocessen beter interpreteren. De data helpen ons onderscheid te maken tussen echte veranderingen in vegetatie en variaties door licht of schaduw. Op termijn koppelen we deze inzichten aan drones en satellieten, zodat we grootschalige monitoring kunnen verbeteren. We gebruiken bewust een aantal lichte, eenvoudige camera's naast meer geavanceerde exemplaren, zodat we ook kunnen leren waar het simpel en goedkoop kan en waar het duurder en ingewikkelder moet.
We beginnen dit experiment met Engels raaigras Lolium perenne, wat veel voorkomt in weilanden. Daarna volgen gewassen en een meer natuurlijke vegetatie.
Waarom is dit belangrijk?
Met betrouwbare beeldanalyse kunnen we droogte, plagen en opbrengst nauwkeuriger voorspellen. Dit helpt boeren om efficiënter te werken en natuurbeheerders om ecosystemen beter te beschermen. Zo bouwen we aan een toekomst waarin technologie en ecologie hand in hand gaan.