Ruimtelijke data-engineering voor digitale landbouw

Samenvatting

Dit proefschrift laat zien dat ruimtelijke data-engineering — de zorgvuldige manier waarop we locatiegebonden data verzamelen, opschonen, koppelen en verplaatsen — de basis vormt van goede datawetenschap en onmisbaar is voor digitale landbouw. Het richt zich op vier verbindingen: het koppelen van uiteenlopende data (sensoren, satellieten, registraties), het koppelen van modellen (weer, bodem, gewasgroei), het koppelen van systemen (zodat resultaten op tijd beschikbaar zijn), en het koppelen van mensen (via gedeelde standaarden en platforms). Samen maken deze van ruwe cijfers bruikbaar en betrouwbaar advies.

Het werk legt uit hoe deze basis kunstmatige intelligentie ondersteunt: machine learning is krachtig maar soms lastig te verklaren of kwetsbaar. Het combineren van AI met wetenschappelijke modellen, en het betrekken van mensen bij het proces, maakt resultaten zowel nauwkeurig als begrijpelijk.

Drie overkoepelende thema’s geven richting: praktische FAIR data-uitwisseling, het combineren van modellen met AI, en mensgericht ontwerp. Het proefschrift benadrukt ook sociale en ethische keuzes die bepalen wie profiteert. Sterke fundamenten in ruimtelijke data zijn essentieel om digitale landbouw sneller, eerlijker en betrouwbaarder te maken.