7 Partners
4 agronomen, 2 universiteiten, 1 techpartner en 60 telers.
PRAKTIJK, WETENSCHAP EN TECHNOLOGIE
Verschillende disciplines. Eén agronomische uitdaging.
Het begrijpen van bodem- en gewasgezondheid vereist meerdere disciplines. Dit project verenigt de agronomische praktijk, regeneratieve landbouw, bodembiologie, digitale technologie en kunstmatige intelligentie.
Data, platform & landbouwtechnologie
SoilBeat
SoilBeat vormt de digitale basis van het project. Het platform verbindt bodem- en gewasinformatie, integreert onderzoeksresultaten en vertaalt complexe metingen naar een gestructureerde agronomische context.
Platform · data-integratie · agronomische intelligentie
Bezoek website
Bodembiologie & microbiële ecologie
Rijksuniversiteit Groningen
De Rijksuniversiteit Groningen onderzoekt of de enzymatische activiteit van bodemmicro-organismen kan bijdragen aan een beter begrip van de bodemwerking en bodemkwaliteit.
Bodemonderzoek · bio-indicatoren · wetenschappelijke validatie
Kunstmatige intelligentie & machine learning
Vrije Universiteit Amsterdam
Vrije Universiteit Amsterdam draagt expertise bij in kunstmatige intelligentie, machine learning en data-analyse voor patroononderzoek in gecombineerde bodem- en gewasdatasets.
AI · machine learning · modelontwikkeling
Regeneratieve landbouw & boerenbegeleiding
CO2L-landbouw
CO2L Farming verbindt onderzoek en technologie binnen het project met regeneratieve landbouwpraktijken en ondersteunt boeren bij deelname, kennisdeling en implementatie.
Regeneratieve landbouw · training · boerenbegeleiding
Agronomie & praktische interpretatie
GroeiBalans
GroeiBalans biedt praktische agronomische expertise in bodem- en gewasbeheer en helpt deelnemende telers met het interpreteren van metingen binnen hun eigen gewas- en praktijksituatie.
Agronomie · plantsapanalyse · begeleiding van telers
Bodemgezondheid & praktische agronomie
Mulder Agro
Mulder Agro brengt praktijkervaring in bodemgezondheid, regeneratieve principes en bedrijfsadvies in voor de interpretatie en validatie van metingen.
Bodemgezondheid · agronomisch advies · praktijkvalidatie
Gewasweerbaarheid & teeltadvies
Weerbaar telen
WeerBaar Telen draagt bij aan praktijkkennis over weerbare teelt en helpt metingen te koppelen aan gewasontwikkeling en veldwarnemingen.
Gewasweerbaarheid · plantsapanalyse · agronomie
VAN ONDERZOEK NAAR PRAKTIJK
Wat het project bouwt, test en leert.
Dit project reikt bewust verder dan softwareontwikkeling. Nieuwe metingen zijn pas waardevol als de wetenschappelijke basis robuust is, data correct wordt geïnterpreteerd en telers de opgedane kennis praktisch kunnen toepassen.
01
Platform
Een doorontwikkeld SoilBeat-platform
Nieuwe functionaliteit koppelt bodem- en gewasmetingen aan agronomische kennis, inclusief contextuele micro-learnings, gestructureerde interpretatie en relevante data-integraties.
02
AI & Data
AI- en machine learning-modellen
Gecombineerde datasets van bodemmetingen, plantsapanalyses en biologische indicatoren worden verwerkt, geanalyseerd en benut voor het ontwikkelen en valideren van machine learning-modellen.
03
Onderzoek
Bodembiologische indicatoronderzoek
De Rijksuniversiteit Groningen onderzoekt de enzymactiviteit van bodemmicro-organismen en de potentiële waarde hiervan als indicator voor bodemfunctie en bodemkwaliteit.
04
Veldvalidatie
Een praktijkpilot met deelnemende telers
Akkerbouwers passen de metingen, SoilBeat en regeneratieve principes toe in de praktijk. Dit zorgt voor feedback en praktische validatie over meerdere groeiseizoenen.
05
Agronomie
Metingen met agronomisch advies
Bladsap-, bodem- en biologische metingen worden gecombineerd met agronomisch advies, zodat individuele waarden kunnen worden geïnterpreteerd binnen de context van het gewas, het perceel en de bedrijfsvoering.
06
Kennisopbouw
Continu leren gedurende het project
Inzichten uit onderzoek en praktijkervaring worden direct teruggekoppeld naar het platform en de kennislaag, in plaats van te wachten tot het einde van het project.
07
Kennisdeling
Projectresultaten delen
Projectkennis wordt gedeeld met agrariërs, adviseurs, het onderwijs, landbouworganisaties en andere belanghebbenden via demonstraties, bijeenkomsten, publicaties en overige kennisactiviteiten.
VAN ONDERZOEKSVRAAG NAAR VELDVALIDATIE
Een project opgebouwd via herhaalde cycli van meten, leren en verbeteren.
Platformontwikkeling, wetenschappelijk onderzoek en praktijkvalidatie lopen parallel. Hierdoor kunnen nieuwe inzichten van landbouwbedrijven en onderzoek direct in SoilBeat worden geïntegreerd, in plaats van pas aan het einde van het project.
2023
Start projectvoorbereiding en -ontwikkeling
Het consortium legt de wetenschappelijke, technische en praktische basis voor het project, inclusief platformontwikkeling, meetprotocollen en de voorbereiding op deelname in het veld.
Projectbasis
2024
Start veldtoetsing
Deelnemende bedrijven starten met de meetmethoden en SoilBeat in de praktijk. Metingen van plantsap, bodem en biologie leggen de basis voor een gedeelde, feitelijke bewijslast binnen het project.
Eerste veldcyclus
2024–2025
Onderzoek en datamodellen ontwikkelen
Bodemonderzoek, praktijkmetingen en gecombineerde datasets worden geanalyseerd, terwijl AI- en machine learning-modellen worden ontwikkeld en getoetst aan de groeiende praktijkdata.
Onderzoek & modelontwikkeling
2025
Herhaalde metingen bieden context
Extra meetcycli maken het mogelijk om patronen in de tijd te vergelijken, in plaats van elke laboratoriumanalyse als een momentopname te beschouwen.
Langdurig leren
2026
Van projectervaring naar bredere praktijktoepassing
Projectkennis, agronomische ervaring, onderzoeksresultaten en technologie worden samengebracht om lessen te vertalen naar praktische tools, interpretatie en bredere kennisdeling.
Kennis in de praktijk
VOOR AGRARIËRS
Zet uw metingen om in betere beslissingen op het bedrijf.
Elk perceel vertelt een verhaal, dat nu vaak nog versnipperd is over bodemanalyses, plantsapmetingen, gewasobservaties, het weer, behandelingen en jarenlange ervaring. Door deel te nemen aan het SoilBeat SNN-project helpt u ons deze puzzelstukken samen te voegen — terwijl u zelf scherper zicht krijgt op de processen in uw eigen bodem en gewas.
01
Bekijk de status van uw gewas van binnenuit
Bladsapanalyse geeft een actueel beeld van de nutriëntenopname en de gewasstatus. Door herhaalde metingen volgt u de gewasontwikkeling gedurende het seizoen, in plaats van te vertrouwen op één momentopname.
02
Kijk verder dan één enkele meting
Bodemmetingen, plantsapanalyses, biologische indicatoren en veldwarnemingen komen samen in SoilBeat, zodat verbanden en trends in samenhang kunnen worden bekeken.
03
Bespreek de resultaten met agronomen
Metingen zijn het meest waardevol als ze leiden tot betere vragen. Deelnemende telers krijgen ondersteuning bij het interpreteren van de resultaten en het identificeren van knelpunten vóórdat zij aanpassingen in het veld doorvoeren.
04
Leer over meerdere seizoenen
Herhaalde metingen maken het vergelijken van gewassen, seizoenen en beheerbeslissingen mogelijk. Elke nieuwe meting voegt context toe aan de volgende.
Wat vragen wij van u?
Deelname past binnen het normale bedrijfsvoering van uw boerderij. U hoeft geen dataspecialist te worden — het doel van dit project is om complexe agronomische data praktisch toepasbaar te maken.
- Neem of lever bodem- en plantmonsters op de afgesproken momenten.
- Registreer relevante teelt-, bemestings- en perceelactiviteiten.
- Bespreek resultaten met deelnemende agronomen.
- Gebruik SoilBeat om metingen en uw bedrijfscontext gekoppeld te houden.
- Deel praktische feedback over wat wel en niet bruikbaar is op het bedrijf.
Het belang van uw deelname
Onderzoek toont wat wetenschappelijk mogelijk is. Telers bepalen wat praktisch bruikbaar is. Door uw deelname test u of nieuwe metingen, agronomische interpretaties en digitale tools beslissingen op het boerenbedrijf daadwerkelijk verbeteren.
Welke metingen geven bruikbare vroege signalen?
Welke patronen herhalen zich over de seizoenen?
Welke informatie is nodig vóór een beslissing over bedrijfsmiddelen?
Hoe kunnen complexe laboratoriumuitslagen praktisch en bruikbaar worden gepresenteerd?
Niet meer open voor aanmeldingen
De inschrijving voor dit project is gesloten.
VAN METING NAAR AGRONOMISCHE INTERPRETATIE
Een plantsapmeting toont de waarde. SoilBeat verklaart de betekenis.
Een plantsapanalyse biedt waardevolle inzichten, maar een op zichzelf staande waarde vertelt zelden het hele agronomische verhaal. Een lage waarde in jong blad kan iets anders betekenen dan dezelfde waarde in oud blad. Trends in de tijd zijn alleen relevant als de monsters onderling echt vergelijkbaar zijn. Bovendien kan een afwijkende nutriëntenwaarde duiden op problemen met opname, wortelactiviteit, gewasontwikkeling, waterbeschikbaarheid, zoutgehalte of interacties met andere nutriënten.
Daarom interpreteert SoilBeat een plantsapanalyse als een agronomisch patroon — niet als een verzameling losse getallen.
DE INTERPRETATIELOGICA
Van laboratoriumresultaat naar agronomische interpretatie.
SoilBeat bouwt de interpretatie in lagen op. Elke stap voegt context toe voordat er een conclusie wordt getrokken.
SoilBeat begint niet bij de verhouding tussen de bladeren. Elke meetwaarde wordt eerst onafhankelijk getoetst aan de relevante laboratorium- of gewasreferentiewaarden. Hierdoor blijven de status van het jonge blad, de status van het oude blad en de richting van beide signalen duidelijk zichtbaar voordat hun onderlinge verhouding wordt geïnterpreteerd.
Een evenwichtige verhouding tussen jong en oud blad betekent niet automatisch dat de toestand van de voedingsstoffen voldoende is. Beide waarden kunnen nog steeds laag zijn.
Niet elke nutriënt verplaatst zich op dezelfde wijze door de plant.
De mobiliteit van een element bepaalt hoe zwaar jonge bladeren, oude bladeren en hun verdeling meewegen in de interpretatie. SoilBeat maakt daarom gebruik van verschillende interpretatiegroepen.
Mobile
N · NO₃-N · NH₄-N · P · K · Mg
Zowel jonge als oude bladeren leveren nuttige informatie. De verdeling ervan geeft inzicht in herverdeling, uitputting van reserves of relatieve ophoping in ouder weefsel.
Beperkte mobiliteit
S · Fe · Mn · Zn · Cu · Mo
Jong blad weegt zwaarder bij de actuele statusbepaling, terwijl oud blad belangrijk blijft voor de fysiologische context.
Jong blad primair
Ca · B
De huidige status in jong weefsel is doorslaggevend. Een hoge waarde in oud blad compenseert niet automatisch een lage waarde in jong blad.
Specifieke interpretatie
Cl · Na · Si · Al
Deze elementen vereisen een specifieke interpretatie per element, gewas, laboratorium of context, in plaats van een algemene mobiliteitsregel.
De locatie van een nutriënt kan net zo informatief zijn als de aanwezige hoeveelheid.
De verdeling tussen jonge en oude bladeren geeft inzicht in herverdeling, uitputting van reserves, relatieve accumulatie of afwijkende patronen. SoilBeat combineert dit signaal altijd met de absolute waarden, het gewas, het groeistadium en de overige beschikbare context.
Nutriënten werken als een systeem, niet als onafhankelijke schuifregelaars.
Wanneer combinaties van metingen wijzen op een mogelijke interactie, kan SoilBeat dit patroon signaleren voor nader onderzoek. Dit signaal dient als een hypothese en verificatiepunt — niet als bewijs van causaliteit.
K ↔ Ca / Mg
Hoog K-gehalte samen met laag Ca of Mg kan aanleiding zijn voor onderzoek naar mogelijke kationconcurrentie en de bredere wortelzone.
P ↔ Zn
Hoog P-gehalte samen met laag Zn-gehalte kan duiden op een mogelijke P-Zn-interactie die nader onderzoek vereist.
NH₄-N ↔ K / Ca / Mg
Hoog ammonium in combinatie with lage kationenwaarden kan reden zijn om te controleren op opnameconcurrentie of andere beperkingen.
Cl ↔ NO₃-N
Hoge chloridegehalten in combinatie met lage nitraatcijfers kunnen duiden op zoutschade, matige kwaliteit van het gietwater of mogelijke opnameconcurrentie.
NO₃-N ↔ S / Fe / Mo
Bij een hoog nitraatgehalte kunnen andere elementen die betrokken zijn bij het stikstofmetabolisme nuttige aanvullende context bieden.
Na ↔ K / Ca
Hoog natrium in combinatie met laag K of Ca kan duiden op een breder zoutgehalte- of ionenbalansprobleem.
Van signaal naar verificatiepunt — niet rechtstreeks naar de oorzaak.
SoilBeat concludeert niet automatisch dat een hoog kaliumgehalte een calciumprobleem veroorzaakt. In plaats daarvan kan de interpretatie erop wijzen dat het patroon consistent is met mogelijke concurrentie tussen K, Ca en Mg, met het advies om de wortelzonecondities, irrigatie, EC, recente toedieningen en ander beschikbaar bewijs te controleren.
AGRONOMISCHE KADERS
Interpretatie beperkt zich niet tot 'laag' of 'hoog'.
Het is voor software eenvoudig om een waarde te signaleren die buiten een referentiebereik valt. Agronomische interpretatie vereist meer. SoilBeat gebruikt daarom drempelwaarden die voorkomen dat een enkel datapunt te snel wordt vertaald naar een ingreep.
Een afwijkende waarde leidt niet automatisch tot een productadvies.
Een lage nutriëntenstatus betekent niet automatisch dat er direct meer bemest moet worden. Controleer eerst de wortelactiviteit, vochtvoorziening, zuurstof, EC, pH, antagonisme, groeisnelheid en recente giftgeschiedenis.
Een verhouding is nooit leidend over de onderliggende metingen.
Een gunstige verhouding tussen jong en oud blad kan ook optreden wanneer beide waarden te laag zijn. De afzonderlijke bladstatussen blijven daarom onderdeel van de interpretatie.
Jong weefsel blijft bepalend waar de fysiologie dit vereist.
Voor nutriënten zoals calcium en boor geldt dat opgeslagen reserves in ouder weefsel niet automatisch beschikbaar zijn voor de ontwikkeling van nieuw weefsel.
Een interactie is een hypothese, geen bewezen causaliteit.
SoilBeat gebruikt formuleringen zoals 'kan duiden op', 'mogelijk wijst op' en 'controleer' wanneer de beschikbare data geen uitsluitsel geeft over een specifieke oorzaak.
Trends vereisen vergelijkbare metingen.
Een ander laboratorium, bemonsteringsmethode, gewasstadium of bladpositie kan een schijnbare trend veroorzaken die geen werkelijke fysiologische verandering weerspiegelt.
Context gaat vooraf aan correctie.
De aanbevolen volgorde is: detecteren, onderzoeken, verifiëren, handelen wanneer landbouwkundig verantwoord, en vervolgens het resultaat monitoren met nieuwe gegevens.
Niet elke interpretatie heeft dezelfde bewijskracht.
SoilBeat geeft aan in hoeverre de beschikbare data en context een interpretatie ondersteunen. Betrouwbaarheid heeft betrekking op de kwaliteit van de interpretatie — niet op de absolute zekerheid dat één specifieke oorzaak is bewezen.
Hogere betrouwbaarheid
Het monster is bruikbaar, het patroon is duidelijk, relevante signalen ondersteunen elkaar en er zijn weinig belangrijke tegenstrijdigheden.
Matig betrouwbaar
De interpretatie is aannemelijk, maar relevante context ontbreekt of er zijn nog geloofwaardige alternatieve verklaringen.
Lagere betrouwbaarheid
Er bestaat grote onzekerheid rond bemonstering, vergelijkbaarheid, ontbrekende context of sterk tegenstrijdige fysiologische signalen.
Ontbrekende of tegenstrijdige context kan daarom leiden tot een voorzichtigere conclusie, zelfs wanneer de laboratoriummeting op zich correct is.
Van laboratoriumanalyse naar agronomisch advies.
SoilBeat helpt telers en agronomen consistent dezelfde essentiële vragen te stellen voordat ze vervolgstappen bepalen.
Wat zien we? Wat vertellen de jonge en oude bladeren? Hoe gedraagt deze nutriënt zich in de plant? Klopt het patroon voor dit gewas en deze groeifase? Is er sprake van een reële trend? Welke interacties of alternatieve verklaringen zijn relevant? Wat moet worden geverifieerd in het gewas, de wortelzone, de bodem, het substraat of het water? Hoe sterk onderbouwt het beschikbare bewijs de conclusie?
Het Project in Detail
Niet meer open voor aanmeldingen