Vertical farming wint aan belang als duurzame oplossing voor stedelijke tuinbouw, maar een van de grootste uitdagingen voor telers is bepalen welke rassen het beste presteren in gecontroleerde teeltomgevingen. Traditionele methoden voor plantenveredeling vereisen uitgebreide proeven, tijd en financiële middelen, maar computermodellen bieden een creatieve manier om optimale plantarchitecturen te voorspellen voordat er ook maar één zaadje is geplant.
Michele Butturini, onderzoeker bij de leerstoelgroep Tuinbouw en Productfysiologie van Wageningen University & Research (WUR), verricht baanbrekend werk door gebruik te maken van Functional-Structural Plant Modeling (FSPM) om de best presterende eigenschappen van dwergtomaten te identificeren om veredelaars te helpen gewassen te optimaliseren voor vertical farming. Zijn werk is erop gericht om veredelaars en professionals uit de sector te voorzien van gegevensgestuurde inzichten in de meest productieve plantarchitecturen voor gecontroleerde omgevingen.
"Het kan moeilijk zijn om te bepalen wat een plant beter of slechter maakt voor vertical farming", legt Butturini uit. "Proeven kosten tijd en geld, maar modellering biedt een benadering waarmee we de meest veelbelovende eigenschappen kunnen afbakenen voordat we ons vastleggen op grootschalige experimenten."
© Yongran Ji
Michele Butturini
Hoe functioneel-structurele plantmodellering (FSPM) werkt
De kern van Butturini's onderzoek is 3D-plantmodellering, waarmee hij plantengroei kan simuleren in een virtuele omgeving. Door gebruik te maken van de open-source software GroIMP, simuleert zijn model:
- Lichtonderschepping - Volgen hoe fotonen interageren met plantstructuren.
- Fotosynthese - Inschatting van de energieomzettingsefficiëntie.
- Biomassatoewijzing - Voorspellen hoe hulpbronnen binnen de plant worden verdeeld.
- Opbrengstpotentieel - Het identificeren van de meest efficiënte eigenschappen van de plant voor maximale productie.
"Met dit model kan ik verschillende plantmorfologieën testen en zien welke leiden tot de hoogste opbrengst," zegt Butturini. "In plaats van alleen te vertrouwen op dure en tijdrovende fysieke proeven, krijgen we een gegevensgestuurde manier om de doelen van de veredeling veel sneller te verfijnen."
Waarom vertical farms op maat gemaakte rassen nodig hebben
In tegenstelling tot tuinbouw in de volle grond of kassen, werken vertical farms in zeer gecontroleerde omgevingen. Toch zijn veel van de gewassen die momenteel in deze systemen worden geteeld, oorspronkelijk veredeld voor buitenomgevingen. Volgens Butturini leidt deze aanpak tot suboptimale plantprestaties en kunnen vertical farms niet hun volledige potentieel bereiken.
"We kunnen geen variëteiten uit volle grond of kas blijven gebruiken in vertical farms," zegt Butturini. "Deze omgevingen zijn compleet anders. Als we niet beginnen met de veredeling van gewassen specifiek voor vertical farms, lopen we het risico dat we te lang suboptimaal blijven en dat kan het succes van de sector op de lange termijn beperken."
Zijn onderzoek sluit aan bij het groeiende besef dat vertical farming zijn eigen aangepaste gewassen nodig heeft, speciaal veredelde variëteiten die prioriteit geven aan architectonische efficiëntie, lichtabsorptie en geoptimaliseerd energiegebruik boven eigenschappen die onnodig zijn in een gecontroleerde omgeving, zoals droogteresistentie.
De rol van 3D-modellering in de toekomstige veredeling van planten
Een van de belangrijkste inzichten van Butturini's onderzoek is dat de best presterende individuele plant niet noodzakelijkerwijs de beste is voor een heel gewassysteem. Zijn modelbenadering houdt rekening met bovengrondse concurrentie tussen planten en helpt veredelaars om variëteiten te identificeren die de opbrengst per vierkante meter maximaliseren, in plaats van alleen de groei van individuele planten.
"Planten in vertical farms concurreren om licht", legt Butturini uit. "Een plant die te groot wordt kan anderen overschaduwen, wat leidt tot een lagere totale opbrengst. Door 3D-modellering te gebruiken, kunnen we deze interacties simuleren en gewassen ontwerpen die als collectief het beste presteren."
Hoewel zijn model waardevolle inzichten biedt, richt het zich momenteel alleen op de architectuur van de plant. Factoren zoals het toedienen van voedingsstoffen, CO₂-niveaus en dynamische belichting zijn er nog niet in opgenomen, maar Butturini ziet wel mogelijkheden om zijn werk op deze gebieden uit te breiden.
Butturini's 3D-model
De rol van AI in de tuinbouw
Hoewel Butturini's huidige werk geen gebruik maakt van AI om modellen te genereren, erkent hij het potentieel van machine learning om de analyse van plantarchitectuur te verbeteren. "Mijn model is niet gebaseerd op machinaal leren", legt Butturini uit. "Ik gebruik echter wel een machine learning-techniek om het 3D-model te onderzoeken en de optimale plantarchitectuur voor vertical farming te identificeren." Deze aanpak is een voorbeeld van een hybride modelleerstrategie, waarbij een procesgebaseerd 3D-model (een 'white box'-model) wordt gebruikt in synergie met een algoritme voor machine learning (een 'black box'-model) om voorspellingen en besluitvorming te verbeteren.
De machine learning-component is ontwikkeld als onderdeel van de masterscriptie van Marloes Rodewijk, onder supervisie van Butturini en dr. Katarina Smolenova, een onderzoeker gespecialiseerd in 3D-modellering in de Horticulture and Product Physiology-groep aan de WUR. Het uitmuntende werk van Rodewijk leverde haar een 9 op voor haar scriptie, waarin de effectiviteit wordt benadrukt van het combineren van machine learning en traditionele gewasmodellering om de veredeling van planten voor gecontroleerde omgevingen te verfijnen.
Butturini is een groot voorstander van het combineren van procesgebaseerde gewasmodellen met AI en machine learning. Hoewel kunstmatige intelligentie vaak wordt overschat, is hij van mening dat hybride benaderingen die AI integreren met traditionele gewasmodellen het meest veelbelovend zijn. "AI is krachtig, maar in de tuinbouw hebben we te maken met schaarse, inconsistente gegevens", zegt hij. "Dat maakt het moeilijk om AI toe te passen op de manier die voor andere sectoren werkt. In plaats van gewasmodellen te vervangen, zie ik AI als een hulpmiddel om ze te verbeteren."
Hij noemt professor Ioannis Athanasiadis, leerstoel Kunstmatige Intelligentie aan de WUR, een inspiratiebron op dit gebied. "Zijn werk benadrukt het belang van een hybride aanpak, waarbij AI wordt gebruikt in combinatie met gestructureerde gewasmodellen in plaats van als een op zichzelf staande oplossing."
De weg vrijmaken voor geoptimaliseerde vertical farming
Naarmate de vertical farming sector zich verder ontwikkelt, zal de behoefte aan gespecialiseerde plantenvariëteiten toenemen. Butturini's werk biedt een praktische, datagestuurde aanpak om veredelaars te helpen gewassen te ontwikkelen die specifiek zijn afgestemd op indoor farming-omgevingen.
"De sector richt zich op de korte termijn op het bewijzen van winstgevendheid, maar succes op de lange termijn zal afhangen van de veredeling van gewassen die geoptimaliseerd zijn voor vertical farming," zegt hij. "Het gaat niet alleen om technologie en ontwerp, we moeten ons ook richten op de biologie van de planten zelf."
Zijn onderzoek bewijst dat computermodellen een sleutelrol kunnen spelen in de toekomst van de tuinbouw. Hoewel het nog in een vroeg stadium verkeert, zou 3D-modellering de manier kunnen veranderen waarop vertical farms hun gewassen selecteren en optimaliseren, wat zorgt voor meer efficiëntie, duurzaamheid en levensvatbaarheid op de lange termijn.
De FSPM-gemeenschap
Voor degenen die meer willen weten over Functional-Structural Plant Modeling, hebben Butturini en zijn collega-onderzoekers een gratis, open gemeenschap opgericht waar wetenschappers en professionals uit de sector kennis en informatie kunnen uitwisselen.
Ontdek de FSPM-gemeenschap hier: https://fspm.discourse.group/
Voor meer informatie:
Michele Butturini, Onderzoeker 
Wageningen University & Research
[email protected]
www.wur.nl
