Project
N-sensing grasland
Stikstof is de belangrijkste groeiparameter voor grasgroei en bepalend voor het eiwitgehalte van gras. Maar wat is de actuele stikstofvoorraad in de bodem en het ruw eiwitgehalte van gras? Sensoren die inzicht geven in het N-gehalte van de bodem en gras zijn zeer gewenst om meer grip te kunnen krijgen op de grasgroei, het eiwitgehalte en het oogstmoment van gras.
Stikstofbemesting verhoogt de productie en het ruw eiwit van gras. De beschikbaarheid van stikstof in de bodem is echter moeilijk in te schatten vanwege het dynamische karakter van stikstof. Een bodem levert een bepaalde stikstofhoeveelheid uit organische stof (NLV) die gedurende het groeiseizoen vrijkomt. Wanneer de stikstoflevering in het voorjaar precies op gang komt en hoe dit verder in het jaar verloopt is ondoorzichtig en het is de wens om hier meer grip op te krijgen. Sensoren kunnen hier een belangrijke rol in spelen.
Sensoren
De techniek ontwikkelt zich snel en het inzetten van sensoren wordt steeds algemener om processen te monitoren. Het gaat hierbij echter niet alleen om het verzamelen van data, maar ook om het interpreteren hiervan en de vertaling in praktische adviezen. We zijn op zoek naar sensoren die inzicht geven in de actuele stikstofvoorraad in de bodem en het ruw eiwitgehalte in het gras. Dit kunnen sensoren zijn die in de bodem geplaatst worden of sensoren waarmee op afstand gemeten wordt zoals met een drone of satelliet.
Meten in gras
Gekeken wordt of met reflectiemetingen met een Yara sensor, dronebeelden of satellietbeelden een goede schatting verkregen kan worden van de opbrengst en het eiwitgehalte. Hiertoe moeten ijklijnen ontwikkeld worden. Dit gebeurt aan de hand van metingen met een gekalibreerd handheld apparaat (Cropscan) dat ontwikkeld is voor onderzoeksdoeleinden. De metingen worden uitgevoerd op een veldproef die is aangelegd vanuit de projecten Amazing Grazing en Precisielandbouw 2.0 en welke in 2018 binnen het project N-sensing worden voortgezet. De proef is aangelegd op klei-, zand-, en veengrond, respectievelijk op de melkveeproefbedrijven Dairy Campus, Vredepeel en KTC Zegveld.
Bodemsensoren
TNO verkent en ontwikkelt in het project twee nieuwe sensortechnieken, één op basis van laser techniek (LIBS) en één op basis van een optische sensor. Het voordeel van de LIBS-sensor is dat niet alleen stikstof maar ook een reeks van andere elementen wordt gemeten, waaronder de essentiële nutriënten fosfor, kali en zwavel. Wanneer het tot toepassing komt zou dit apparaat op landbouwmachines gemonteerd kunnen worden die een grondbewerking uitvoeren of die met een kouter door de graszode gaan, zoals een mestinjecteur.
De optische sensor is mogelijk geschikt voor het continu monitoren van de stikstofmineralisatie in de grond. Het voordeel is dat deze na een periode van droogte niet opnieuw geijkt of vervangen hoeft te worden. Gestart wordt met een methodologie ontwikkeling en vervolgens wordt gekeken of er perspectief is voor doorontwikkeling richting een prototype voor de markt.
Wat levert het project op?
Samengevat richten we ons in het deelproject N-sensing op het verkennen en ontwikkelen van near by en remote sensing sensorsystemen om het stikstofgehalte in de bodem en het gewas real time te kunnen meten en op modellen die het stikstofgehalte in de bodem en het gewas voorspellen. Sensormetingen en modelschattingen worden geïntegreerd om tot een goede voorspelling te komen van de groei en de nutritionele waarde van gras. Om metingen en voorspellingen om te zetten in praktische handelingsperspectieven voor melkveehouders wordt een stikstof-/ eiwitadviesmodule ontwikkeld en geïmplementeerd. Het project levert een bijdrage aan een betere mineralenbenutting en het verruimen van de voedervoorziening en het vergroten van het rendement van beweiding; ‘meer Grip op Gras’.
Projectorganisatie
Nieuws
Producten
- Retrieval of Crude Protein in Perennial Ryegrass Using Spectral Data at the Canopy Level. Hoving, I. e.a.
- Test grasgroeivoorspelling in de praktijk. Resultaten modelmatige schatting drogestofopbrengst en ruw eiwitgehalte. WLR-Rapport 1251
- Schatten van grasopbrengst op basis van spectrale reflectie, grashoogte en modellering; Onderzoeksresultaten van een maaiproef op zand- klei en veengrond 2016-2017. WLR-rapport 1200
- Perspectives of predicting grass growth by modelling and measuring grass yield (Presentatie sept. 2019)