Landbouwgronden zijn variabel in ruimte en tijd, maar ook in diepte. Deze variabiliteit vereist variabele managementbeslissingen met als uiteindelijk doel het maximaliseren van de groei en opbrengst van gewassen, en de fysische, chemische en biologische kenmerken van de bodem, terwijl de ecologische voetafdruk van de gewasproductie wordt geminimaliseerd. Dit kan worden bereikt door een geïntegreerd raamwerk van detectie, modellering en controle te implementeren om de inputbronnen van de landbouw te optimaliseren, als reactie op de spatio-temprale variabiliteiten die in de grootste meerderheid bestaan. van landbouwvelden.  Bij de Precision Scoring van het Dept. of Environment werken we aan de ontwikkeling en optimalisatie van geavanceerde oplossingen voor precisielandbouw in gewassen en aardappelen. Om dit doel te bereiken worden nieuwe bodem- en gewasdetectietechnologieën in combinatie met machine learning-algoritmen ontwikkeld en geoptimaliseerd, om zo de bodembeheer te optimaliseren.