RIVM wil nitraatuitspoeling voorspellen met AI

In een recente kennisnotitie verkent het Rijksinstituut voor Volksgezondheid en Milieu (RIVM) hoe machinelearning kan worden ingezet om beter inzicht te krijgen in de factoren die bijdragen aan nitraatuitspoeling op perceels- en bedrijfsniveau. De analyse is gebaseerd op reeds beschikbare data.

Machinelearning is een vorm van kunstmatige intelligentie waarbij computers patronen leren herkennen in grote hoeveelheden data. Op basis van die patronen kunnen modellen voorspellingen doen of verbanden blootleggen die met traditionele analysemethoden moeilijk zichtbaar zijn.

Effectiever sturen op waterkwaliteit

Dit kan interessant zijn, want het meten van nitraat in het grondwater is in de praktijk vaak duur en omslachtig, stelt het RIVM. Door het gebruik van machinelearning zou het in de toekomst mogelijk kunnen worden om effectiever te sturen op waterkwaliteit, zowel op bedrijfsniveau als op individuele percelen. Dit komt doordat modellering met behulp van machinelearning helpt om complexe bodemprocessen beter te begrijpen. Zo kunnen relevante indicatoren worden geïdentificeerd, zoals het stikstofresidu in de bodem. Dat kan een belangrijke rol spelen bij het inschatten van het risico op uitspoeling. 

In de kennisnotitie doet het RIVM ook aanbevelingen voor vervolgstappen, waaronder het verbeteren van datakwaliteit, het uitbreiden van datasets en het testen van modellen in de praktijk.