Praktijktoets: Grasgroeivoorspelling

Nieuws

Praktijktoets: Grasgroeivoorspelling

Gepubliceerd op
25 maart 2019

Binnen de projecten Amazing Grazing en Disac / N-sensing is een methode ontwikkeld om de dagelijkse en wekelijkse grasgroei te voorspellen. Dit is een volledig nieuwe techniek, die alleen nog maar toepast is op de proefbedrijven Dairy Campus en KTC Zegveld. In het komende groeiseizoen gaan we deze techniek toetsen in de praktijk op vijf bedrijven, die beweiding toepassen.

Het doel van de praktijktoets is het doorontwikkelen van het prototype 'Grasgroeivoorspelling' naar een markttoepassing. In deze praktijktoets werken onderzoekers samen met melkveehouders, toeleveranciers, partners en bedrijfsadviseurs om te kijken in hoeverre deze methode voor grasgroeivoorspelling ook bij bedrijven in de praktijk is te gebruiken. Deze informatie zal gebruikt worden voor een verdere onderbouwing van dit onderzoek.

Methode voor grasgroeivoorspelling

De dagelijkse grasgroeivoorspelling geeft inzicht in het grasaanbod. In voorgaande jaren is gebleken dat grasgroei modelmatig te voorspellen is door een aantal gegevens aan elkaar te koppelen. Met deze gegevens kan een grasgroeimodel elke dag een verwachte groei en opbrengst voor alle percelen voor de komende 5 tot 7 dagen berekenen. De benodigde gegevens zijn:

  • Locatie, grondsoort inclusief het stikstof leverend vermogen (NLV) en de ontwatering per perceel. Dit wordt toegankelijk gemaakt via Akkerweb;
  • Het graslandgebruik (maaien/weiden) en de stikstofbemesting uit kunstmest en dierlijke mest per gebruiksperceel;
  • De weersverwachting voor de komende week;
  • De actuele vochttoestand van de wortelzone wordt berekend met BeregeningsSignaal.

Pilot voor grasopnameschatting

De vijf pilotbedrijven, verdeeld over heel Nederland, zullen als eerste deze techniek voor het voorspellen van de grasgroei toepassen in 2019. Zij zijn daarmee de pioniers bij deze techniekontwikkeling. Naast deze groep pilotbedrijven start er ook een praktijktoets op vier pilotbedrijven die gaan de grasopname inschatten door het graasgedrag van de koe vast te leggen via sensoren om de nek van de koe.

Meer informatie

Het project Data Intensive Smart Agrifood Chains (DISAC) ontwikkelt sensoren, data-infrastructuren, -analysemethoden en kennis om teelten (o.a. aardappel en gras) en ketens te optimaliseren. De focus ligt op aardappel- en grasproductie.