Doorgaan naar artikel

Meer gegevens, meer vragen

Een drone kan in korte tijd een gewas scannen. De dronewerker kan binnen 2 uur een kaartje met gegevens leveren. Om in te spelen op gewasgroei is snel kunnen handelen een voorwaarde.

Een drone kan in korte tijd een gewas scannen. De dronewerker kan binnen 2 uur een kaartje met gegevens leveren. Om in te spelen op gewasgroei is snel kunnen handelen een voorwaarde.

Dezelfde opbrengst van het land halen met minder meststoffen, niet meer maar betere kwaliteit gras. Een eerste stap naar het verbeteren van het management is inzicht krijgen in de verschillen in opbrengsten binnen een perceel. Veel data zijn echter nog moeilijk te vertalen naar maatregelen

In kaart brengen van bodemgegevens is met sensortechniek steeds makkelijker uit te voeren. Onder andere met de Veris-bodemsensor kan betrekkelijk eenvoudig, rijdend over het land een kaart van bijvoorbeeld organische stof, zwaarte van de grond, de pH, geleidbaarheid en CEC worden gemaakt. Dat vervangt intensief bemonsteren en laboratoriumanalyses. Bemonsteren blijft dan nodig voor het ijken van de waardes.

In de akkerbouw gebeurt dit alles al op behoorlijke schaal. Veehouders kunnen de manier waarop de akkerbouwer probeert zijn teelt efficiënter te maken, toepassen voor gras en mais. De loonwerker krijgt daarin een belangrijke taak. Allereerst door met aangepaste mechanisatie de opbrengst nauwkeurig vast te leggen, maar ook door het uitvoeringen van metingen zoals bodemscans. Naast loonwerkers kennen we inmiddels ook de zogenoemde dronewerkers. Bedrijven die zich hebben toegelegd op het vliegen met drones om de groei en bemestingstoestand van het gewas in beeld te brengen.

Het verzamelen van gegevens is technisch gezien al behoorlijk goed mogelijk. Vertalen van alle informatie naar concrete maatregelen is nog niet zo eenvoudig. In ieder geval is het geen klus met eenduidige rekenregels die je blindelings aan een computerprogramma kunt overlaten. Behalve wetmatigheden uit bodem- en bemestingsleer komt er ook een dosis boerenverstand aan te pas. “Wij leveren de gegevens en kennis samen met bedrijfsadviseurs en collega-loonbedrijven. De boer moet die samen met een adviseur of loonbedrijf vertalen naar een bemestingsplan”, stelt dronewerker van het eerste uur Christel Thijssen uit het Friese Nieuwehorne. De boer kent zelf zijn perceel het beste en weet bijvoorbeeld waar een gedempte sloot ligt of waar de drainage mogelijk niet optimaal is. Samen met een adviseur komt de boer tot conclusies wat te doen met de gegevens.

Thijssen voorziet dat in de nabije toekomst de loonwerker daar als adviseur een belangrijke taak in kan krijgen. Vooral maisteelt is vaak al grotendeels uitbesteed aan de loonwerker en met het verzamelen van steeds meer gegevens over de bodem en de opbrengst valt te voorspellen dat het met gras ook die kant op gaat.

Meten is weten

Meten van totale opbrengsten van percelen, zowel in gras als mais, gebeurt al steeds meer. In mais is het technisch al vrij eenvoudig mogelijk opbrengstkaartjes te maken. In gras kan het ook, maar is het maken van een nauwkeurig opbrengstkaartje toch nog steeds een hele toer. Het vaststellen van de totale opbrengst van een perceel is niet zo’n punt, maar plaatsspecifiek behoorlijk lastig. Wiersen zijn niet altijd van exact dezelfde werkbreedte en gras verplaatst zich door schudden en wiersen ook een tiental meters. Op de hakselaar is vervuiling van de sensor vooral in gras nog een storende factor.

Bij de opbrengstbepaling speelt de NIR-sensor een belangrijk instrument. NIR staat voor nabij infrarood meting. Feitelijk meet de sensor de kleur van het gras of de mais die de sensor passeert. Via ijklijnen kan de sensor daar zaken als droge stof, zetmeel of eiwit uit herleiden. In de mest wordt de NIR-sensor gebruikt om stikstof-, fosfaat- en kaligehalten vast te stellen. IJklijnen is trouwens het sleutelwoord in de NIR-technologie. Daar staat en valt alle nauwkeurigheid mee en leveranciers zijn nog druk in de weer om dat goed onder de knie te krijgen.

John Deere is een bekende leverancier van een NIR-sensor en werkt daar al mee sinds 2012. Vervaet heeft in twee jaar tijd een tiental trikes met een NIR-sensor geleverd en dit jaar komen er nog 20 stuks bij. Al rijdend wordt dan continu de samenstelling van de mest gemeten en kun je er bijvoorbeeld voor kiezen om de dosering in te stellen op de hoeveelheid stikstof of fosfaat in plaats van op de kuubs per hectare die je uit wilt brengen. “Tot 2% nauwkeurig kunnen we inmiddels de opbrengst in droge stof per hectare op de maishakselaar meten”, stelt Willem van der Zwaan namens John Deere. Hij voegt daaraan toe dat er inmiddels zo’n 25 machines mee zijn uitgerust. Ook andere fabrikanten lopen zich warm om deze techniek aan te kunnen bieden. Er zijn immers meer leveranciers van NIR-sensoren.

Duport werkt met een NIR-sensor op de Pöttinger opraapwagens om het drogestofgehalte te meten en combineert dat met een weeginrichting op de wagen.

Gras4Farming en amazing grazing

Handgedragen grashoogtemeters zijn er al wat langer, maar inmiddels is een plaatsspecifieke meting van opbrengsten ook mogelijk door spectraalbeelden die met een drone worden vastgelegd. Beetje experimenteel is het allemaal nog wel, maar meten van opbrengst en vooral het in kaart brengen van verschillen in opbrengst in een perceel is technisch steeds beter mogelijk, stelt Kees Lokhorst, senior onderzoeker bij WUR en nauw betrokken bij het Grass4farming-project. In dat project is vorig jaar op enkele percelen de grasopbrengst gemeten, onder andere met de Australische Pasture-reader, die de meting elektronisch uitvoert tijdens het maaien. De eBee is een drone waarmee spectraalbeelden worden gemaakt om een stabiele en goede indicatie te geven van de biomassa van gras. Ontstaat er inzicht in de verschillen in een perceel, dan begint de zoektocht naar de verklaring van die verschillen en de vraag hoe je die gegevens kunt gebruiken om de bedrijfsvoering te verbeteren. Plaatsspecifiek de bemesting aanpassen kan een oplossing zijn, maar het kunnen heel goed ook andere maatregelen zijn die verbetering kunnen geven zoals verbeteren van drainage, bekalking om de pH te verhogen, werken aan meer organische stof en verhelpen van bodemverdichting.

Bodemkennis

Beoordelen van de opbrengst en aandragen van verbeteringen is gekoppeld aan kennis van de bodem. De eerste indruk is ontstaan dat er met extra kennis van bodem en gewas te sparen valt op de kunst- en drijfmestgift en er meer, of toch minstens een betere kwaliteit ruwvoer van het land gehaald kan worden.

Grass4Farming is een project waarin op de Dairy Campus in Leeuwarden en bij veehouder Michiel Kroes in Katlijk (Fr.) in 2016 en 2017 op percelen bepaald is welke hoeveelheid gras er groeit en waarin de groei voor de komende dagen is te voorspellen als hulpmiddel bij het plannen van maaien en beweiden. Niet de bruto hoeveelheid is daarbij leidend, het gaat ook om de hoeveelheid droge stof en het eiwitgehalte van het gras. Gegevens verzamelen lukt steeds beter en we kunnen inmiddels grasgroei redelijk voorspellen, stelt WUR-onderzoeker Idse Hoving. Hij verwacht dat er nog 2 tot 3 jaar nodig is om beter te leren analyseren en voor het combineren van gegevens. Vergelijk het met de stappenteller, stelt de Wageningse onderzoeker, dat heeft ook 20 jaar geduurd om te komen tot waar we nu zijn.

Houd het simpel

Veel veehouders kunnen nog wel tot 10% op hun mestgift besparen door nauwkeuriger te bemesten, stelt Herman Krebbers, expert mechanisatie en precisielandbouw bij Delphy. Analyseren wat er in de bodem aan de hand is, helpt de efficiëntie te verbeteren. Maar het begint in de basis met relatief simpele zaken als nauwkeurig zaaien en bemesten en opheffen of voorkomen van verdichtingen. Een opbrengstkaartje geeft daar handvaten voor en in veel gevallen is daar nog best wat te halen. “Laat je niet overdonderen door een brij van gegevens uit kaartjes”, stelt dronewerker Thijssen, “maar doe wat je altijd al deed en gebruik de gegevens om gaandeweg tot verbeteringen te komen.”

Gras wordt meerdere keren per jaar gemaaid en veel meer dan in mais kun je daar dus gedurende het seizoen in bijsturen. Hoewel het allemaal nog wat in de kinderschoenen staat, lijkt dan een besparing op bemesting in veel gevallen mogelijk te zijn.

Dan komt de vraag, wanneer we in de basis alles optimaal doen, hoeveel er in geld uitgedrukt valt te halen met aanvullende sensortechniek. Een veronderstelde besparing op kunstmest of krachtvoer zou je kunnen waarderen, maar daar durven ook de eerste pioniers van dit moment zich nog niet aan te branden. Voor de loonwerker betekent de aanschaf van een NIR-sensor voor een Pöttinger-opraapwagen, inclusief weging een investering van € 27.500. John Deere levert inmiddels iedere hakselaar ‘harvestlab’ voorbereid. De sensor zelf kost dan nog € 15.000, maar voor het maken van kaartjes is ook gps noodzakelijk en komt de totale investering op zo’n € 25.000. Tussen € 20.000 en € 30.000 extra voor een trike met NIR-meting geeft Vervaet in Biervliet aan.

Loonwerkers kunnen de extra kosten meestal moeilijk of niet doorberekenen aan de klant, maar gebruiken het als extra service en ook om ervaring op te doen en er op tijd bij te zijn als het echt los gaat met de toepassingen. De NIR-sensor zou voor bemesting een veel beter op maat en met de werkelijkheid overeenkomende meting van mestgehaltes en dus de toegepaste hoeveelheden kunnen geven, dan het huidige bemonsteren en rekenen volgens normen, menen betrokkenen. De techniek is er klaar voor om de gegevens online door te sturen naar RVO.nl. Voordat dat ook een geaccepteerde werkwijze wordt, gaat waarschijnlijk nog wel even duren. Zolang de overheid nog papier en potlood uitdeelt bij de stembus omdat ze de digitale wereld voor deze simpele toepassing niet veilig genoeg acht, hoeven we niet te verwachten dat ze vertrouwen heeft in online aangemaakte digitale kaartjes van aanvoer en onttrekking van nutriënten op een maisperceel.

Share this

Gerelateerde artikelen

Beheer
WP Admin