1.
Voorspellen of meten?
Peter Speek | R&D manager Fertilab

2.
nationalegrasdag.nl
Inleiding

3.
nationalegrasdag.nl
Modellering
Bij het modelleren van data zijn een aantal zaken heel belangrijk:
▪ Hoe zuiver is de data?
▪ Kan de data worden geëxtrapoleerd?
▪ Hoe wordt de uitkomst geïnterpreteerd?
Waarom is dit belangrijk?
▪ Een model geeft altijd een resultaat (output), ook als de invoer (input) niet
correct is.

4.
nationalegrasdag.nl
Modellering (voorbeeld 1)

5.
nationalegrasdag.nl
Modellering (voorbeeld 1)
Leeftijd x 5.93 + 83.88 = Lengte
 Model 
Maar wat gebeurt er bij een leeftijd van 45?

6.
nationalegrasdag.nl
Modellering (voorbeeld 1)
Bij een leeftijd van 45 jaar voorspelt
het model een lengte van 3,5 meter
Deze data kan niet worden geëxtrapoleerd,
dit levert namelijk geen reeël antwoord op
En wat zou er gebeuren als deze dataset met West-Europese
kinderen wordt toegepast op een school in Azië
De achtergrond (kalibratieset) van een dataset is heel
belangrijk voor de praktische toepassing ervan
Vertaald naar de praktijksituatie: Een kalibratieset met metingen op basis van bijvoorbeeld
grasland (veehouderij) is dus niet zonder meer toepasbaar op een sportveld!
Conclusie:
Het gebruiken van het model buiten het gekalibreerde bereik geeft wel een
voorspelling, maar geen juist antwoord!

7.
nationalegrasdag.nl
Scannen
B
R
O
N
E
F
F
E
C
T

8.
nationalegrasdag.nl
Scannen
Onbekend
2
4
6
8
6
Deze meting valt binnen het bereik, maar
is toch een volledig onjuiste voorspelling!
Conclusie:
Als de onbekenden (monsters) en de kalibratie niet vergelijkbaar zijn,
dan is er wel een voorspelling, maar geen juist resultaat!

9.
nationalegrasdag.nl
Samenvatting
▪ Scantechnieken of satellietbeelden zijn afgeleide waardes (‘effecten’)
▪ De brondata bestaat analytische metingen, uitgevoerd in een laboratorium
▪ In een model wordt een ‘verband’ tussen effect en bron beschreven
▪ De uitkomsten zijn geen meetresultaten, maar voorspellingen!
Voor een goede voorspelling…
▪ moeten de metingen binnen het beoogde bereik worden gedaan (geen
extreme metingen)
▪ moet de samenstelling van het te meten object (veld) overeenkomen met de
samenstelling van de kalibratiedata

10.
nationalegrasdag.nl
Praktijk

11.
nationalegrasdag.nl
Praktijk

12.
nationalegrasdag.nl
Praktijk

13.
nationalegrasdag.nl
Praktijk

14.
nationalegrasdag.nl
Resultaten
Parameter Scan 1 Scan 2 Scan 3 Analyse
Zuurgraad, pH-KCl 4.6 5.0 4.9 4.4
Organisch stof (%) 3.1 2.5 3.6 3.0
Kalium Laag Laag Laag Voldoende (74 kg/ha)
Calcium Hoog Hoog Hoog Laag (207 kg/ha)
Magnesium Hoog Voldoende Hoog Laag (22.7 kg/ha)
CEC 96 73 104 24
De resultaten voor eenvoudige directe metingen komen redelijk overeen,
de voedingstoestand laat geen verband zien tussen scans en analyse
Parameters zoals zuurgraad en vocht zijn brondata en geen afgeleide waarden (effect)
De voedingstoestand is een afgeleide waarde (effect) en wordt bij
een scan bepaald vanuit vastgelegde kalibratiedata (bron)
Conclusie:
Wees voorzichtig met de interpretatie van data vanuit scans en
laat - ter controle - ook regelmatig een bodemanalyse uitvoeren
bij een laboratorium

15.
nationalegrasdag.nl
Conclusie
Resultaten en adviezen gebaseerd op modellen
zijn geen metingen, maar voorspellingen.
Resultaten en adviezen gebaseerd op modellen zijn niet per definitie fout,
maar zijn sterk afhankelijk van het gebruikte model en de onderliggende data.
Blijf daarom altijd kritisch!