Na enkele maanden van onderzoek en ontwikkeling in samenwerking met planten, wordt één conclusie steeds duidelijker: planten zijn nooit elektrisch stil. Hun signalen veranderen met licht, temperatuur, luchtvochtigheid, VPD en, het allerbelangrijkste, de waterstatus.
Het signaal van de plant is biologisch; de diagnose is statistisch. De waarde ervan hangt af van de vergelijking van elektrische patronen met klimaat, irrigatie en plantfysiologie.
Bessenkwekers monitoren routinematig straling, temperatuur, relatieve luchtvochtigheid, VPD, bodemvochtigheid, drainage, EC en pH. Deze metingen zijn essentieel, maar ze beschrijven voornamelijk de omgeving rondom de plant. Elektrische monitoring biedt een ander perspectief: het registreert veranderingen die zich binnen de installatie zelf voordoen. Gedurende de eerste maanden na de installatie van de sensoren bleven de meeste potentiaalverschillen binnen een relatief smal bereik, doorgaans overeenkomend met tientallen millivolt en vaak onder de 100 mV in beide richtingen. Toch was het signaal nooit statisch.
Er ontstonden duidelijke dag-nachtschommelingen, terwijl andere veranderingen samenvielen met VPD, temperatuur, luchtvochtigheid, irrigatie en de waterstatus van de planten.
Klimaatgegevens: absolute luchtvochtigheid, VPD (dampdruktekort), relatieve luchtvochtigheid en temperatuur.
Hoe worden elektrofysiologische signalen gemeten?
Bij plantelektrofysiologie wordt het elektrische potentiaalverschil tussen twee punten gemeten. Twee elektroden worden aan het plantweefsel bevestigd of erin ingebracht: de ene fungeert als meetelektrode en de andere als referentie-elektrode. De apparatuur wekt geen elektriciteit op; het registreert het spanningsverschil dat al in de plant aanwezig is.
De verschillen ontstaan voornamelijk door geladen ionen die zich door celmembranen bewegen. Omdat de signalen klein zijn, moeten ze worden versterkt, gefilterd en continu worden geregistreerd, meestal in millivolt in plaats van volt.
De elektroden registreren de gecombineerde extracellulaire activiteit van nabijgelegen cellen. De absolute waarde is daarom minder belangrijk dan veranderingen in richting, amplitude, duur, frequentie en dagritme, die samen met klimaat, irrigatie en fysiologie worden geïnterpreteerd.
Vita 1® Vivent Biosignals elektrofysiologische sensoren en monitoring van de ruwe signalen om metingen en de werkelijke activiteit van de sensoren te volgen.
Het herstel van de planten kan enkele dagen duren.
De meest intrigerende reacties hadden betrekking op water. Tijdens warme perioden of perioden met een hoge atmosferische vraag veranderde het elektrische patroon. Zelfs nadat de irrigatie was hervat en het substraat weer voldoende water bevatte, keerde het signaal niet altijd onmiddellijk terug naar het eerdere gedrag.
In sommige gevallen hebben planten twee of drie dagen nodig om hun oorspronkelijke vorm terug te krijgen. Ze kunnen er visueel acceptabel uitzien terwijl hun fysiologie nog aan het herstellen is.
Metingen van het substraat kunnen bevestigen dat er water beschikbaar is, zonder aan te tonen of de plant zijn interne waterbalans heeft hersteld. Het corrigeren van de irrigatie kan de oorzaak wegnemen zonder de gevolgen direct ongedaan te maken.
Planten reageerden ook op de bespuitingen.
Bespuitingen leverden snelle reacties op. Wanneer water of een andere behandeling op het bladerdak werd aangebracht, kon vaak een verandering in de elektrische activiteit worden waargenomen.
Het signaal kon geen onderscheid maken tussen bladbevochtiging, afkoeling, luchtvochtigheid, mechanische stimulatie of de samenstelling van de spray. Het liet echter wel zien hoe snel de plant veranderingen in de omgeving detecteerde.
Dit illustreert een belangrijke beperking: een elektrische respons bevestigt dat er iets veranderd is, maar verklaart niet automatisch de oorzaak. De agronomische context blijft essentieel.
Wat onderzoek al heeft aangetoond
Planten hebben geen zenuwen, maar elektrische signalen maken deel uit van hun interne communicatie. Ionbewegingen werken samen met huidmondjes, fotosynthese, hormonen, afweer en watertransport, terwijl de signalen ook variëren afhankelijk van het genotype, het groeistadium en de stressgeschiedenis.
Bij tomaten in kassen konden elektrische signalen onderscheid maken tussen voldoende geïrrigeerde planten en planten die aan watertekort waren blootgesteld, waarbij veranderingen werden geregistreerd vóórdat er duidelijke verwelking optrad (Tran et al., 2019). Onderzoek met sla toonde ook aan dat signalen konden worden geclassificeerd op basis van temperatuur en licht met behulp van machine learning (Yeom et al., 2025).
Deze resultaten leveren geen universele plantenvertaler op. Modellen die ontwikkeld zijn voor tomaten of sla kunnen niet automatisch worden overgedragen op commerciële bosbessen-, frambozen- of aardbeienteelt.
Vivent Biosignals is een commercieel platform dat deze aanpak toepast in kassen en op het veld. Het bedrijf beschrijft een systeem dat continu extracellulaire plantsignalen registreert en gespecialiseerde elektronica, cloudverwerking en machine learning-tools combineert om plantactiviteit te visualiseren en reacties op biotische en abiotische stimuli te onderzoeken (Vivent Biosignals, 2026). Deze mogelijkheden zijn veelbelovend, maar gewasspecifieke interpretatie vereist nog steeds onafhankelijke agronomische validatie.
Waarom bessengewassen zo relevant zijn
Bessenplanten zijn bijzonder interessant omdat ze snel kunnen reageren op water- en temperatuurstress. Een blauwe bessenplant in een pot van 25 of 35 liter kan binnen enkele uren van voldoende waterbeschikbaarheid naar aanzienlijke stress overgaan.
Een substraatsensor meet de hoeveelheid water in een bepaalde pot, terwijl drainage aangeeft hoe goed het irrigatieprogramma heeft gepresteerd. Elektrische monitoring kan uitwijzen of de plant zich fysiologisch goed voelt onder die omstandigheden.
Het kan helpen onderscheid te maken tussen een laag bodemvochtgehalte en beperkte wortelopname, osmotische stress door een hoge EC-waarde, onvoldoende irrigatiefrequentie en onvolledig herstel na hitte of mislukte irrigatie. Vergelijkbare toepassingen kunnen relevant zijn voor andere bessensoorten.
De waterstatus kan aangeven hoe lang het duurt voordat de plant het hydraulische watercomfort herstelt na een stressvolle gebeurtenis.
Een extra laag, geen vervanging.
Elektrofysiologie mag bestaande sensoren niet vervangen, maar moet een extra diagnostische laag toevoegen. Klimaatmetingen beschrijven de atmosferische vraag, substraatsensoren beschrijven de beschikbaarheid van water, porometers tonen het gedrag van huidmondjes en analyses van sap of weefsel geven informatie over de voedingsstatus.
Elektrische signalen kunnen deze metingen met elkaar verbinden door aan te geven wanneer de plant afwijkt van zijn normale patroon en hoe lang het herstel duurt. De cruciale vraag is niet of een grafiek beweegt, maar of die beweging een betere managementbeslissing ondersteunt.
Gewasspecifieke validatie is essentieel. Signalen moeten worden vergeleken met vochtgehalte, elektrische geleidbaarheid (EC), drainage, bladtemperatuur, stomatale geleidbaarheid, waterpotentiaal en veldwaarnemingen voor verschillende cultivars, groeistadia en seizoenen.
Figuur 5: Toepassing van machinaal leren voor de classificatie van omgevingsomstandigheden met behulp van elektrische signalen van planten (Yeom, MS., Lee, Y., Oh, H. et al. Toepassing van machinaal leren voor de classificatie van omgevingsomstandigheden met behulp van elektrische signalen van planten. Hortic. Environ. Biotechnol. 66, 1481–1490 (2025). https://doi.org/10.1007/s13580-025-00742-7)
Leren we luisteren??
Na enkele maanden van observatie is de conclusie niet dat we al alles kunnen vertalen wat een plant communiceert. De conclusie is dat planten een continu fysiologisch signaal afgeven dat we voorheen niet maten.
Bessenkwekers hebben geen behoefte aan wéér een dashboard met aantrekkelijke grafieken zonder praktische gevolgen. Ze hebben juist behoefte aan informatie die hen eerder laat weten wanneer het gewas overgaat van aanpassing naar schadelijke stress.
De elektrische signalen van planten kunnen deel uitmaken van die oplossing. We ontcijferen de volledige taal van planten nog niet. Maar voor het eerst leren we misschien wel hoe we ernaar moeten luisteren.
Referenties
Tran, D., Dutoit, F., Najdenovska, E., Wallbridge, N., Plummer, C., Mazza, M., Raileanu, LE, & Camps, C. (2019). Elektrofysiologische beoordeling van de plantstatus buiten een Faraday-kooi met behulp van supervised machine learning. Scientific Reports, 9, 17073. https://doi.org/10.1038/s41598-019-53675-4
Yeom, M.-S., Lee, Y., Oh, H., Lee, E., & Oh, M.-M. (2025). Toepassing van machinaal leren voor de classificatie van omgevingsomstandigheden met behulp van elektrische signalen van planten. Horticulture, Environment, and Biotechnology, 66, 1481-1490. https://doi.org/10.1007/s13580-025-00742-7
Vivent Biosignals. (2026). Plantenelektrofysiologie: hoe planten communiceren en reageren op omgevingsprikkels. Geraadpleegd op 29 juli 2026. https://vivent-biosignals.com/plant-electrophysiology/
