Bodemscanners presteren goed bij wisselende bodemomstandigheden
Volledig onderzoeksrapportBodemscanners presteren goed bij wisselende bodemomstandigheden
Over Crkls
In de afgelopen decennia is het landbouwkundig onderzoek in Nederland enorm versplinterd en uit elkaar gegroeid. En ja, boeren hebben vertrouwen in onderzoek, maar hun vertrouwen is niet onvoorwaardelijk. Ook sluit het onderzoek niet altijd goed aan op de urgente problemen waarmee boeren worstelen in de praktijk.
De initiatiefnemers van Crkls: Misset Uitgeverij, BO Akkerbouw, Wageningen University & Research, Aeres Hogeschool en Groen Kennisnet willen hier wat aan doen voor een toekomstbestendige landbouw in Nederland die nu voor grote uitdagingen staat.
Het kennisplatform Crkls wil het kaf van het koren scheiden en bewezen kennis gemakkelijk vindbaar maken voor boeren op een plek. De resultaten van alle onderzoeken en praktijkproeven in Nederland worden verzameld en door een onafhankelijke redactie beoordeelt en op een uniforme en compacte wijze gepubliceerd.
Ga naar de inhoud
Onderzoeksinstituut: Wageningen University & Research
Locatie: 4 locaties in Nederland (Fl., N.-H., Dr. en Ov.)
Periode: van 2018 tot 2020
Gefinancierd door: Ministerie van LNV
Status onderzoek: Afgerond
Bodemsoort: zand-, klei- en veengrond
Betrouwbaarheidsscore:
Van 2018-2020 zijn enkele methoden voor het in kaart brengen van bodemeigenschappen vergeleken op percelen met verschillende bodems. Systemen op basis van gammastraling en op basis van EC + NIRS toonden de beste correlatie. De precisie van bodemscanners was beter naarmate er meer variatie in het perceel zit.
Conclusies
- Correlatie van resultaten bodemscanners met grondmonsters is hoger wanneer er meer variatie in het perceel zit.
- Precisie van systemen op basis van gammastraling en EC + NIRS is het hoogst
- Precisie van systemen op basis van satellieten is iets minder maar wel bruikbaar
- Extra kalibratie levert betere resultaten op.
Samenvatting
Tussen 2018 en 2020 zijn verschillende sensorsystemen vergeleken, om te bepalen hoe goed ze kleigehalte en percentage organische stof kunnen bepalen. Systemen op basis van gammastraling (Loonstra & van der Weide) en systemen op basis van EC + NIRS (Veris) tonen de beste resultaten.
Lees meer
Tussen 2018 en 2020 zijn verschillende sensorsystemen vergeleken, om te bepalen hoe goed ze kleigehalte en percentage organische stof kunnen bepalen. Systemen op basis van gammastraling (Loonstra & van der Weide) en systemen op basis van EC + NIRS (Veris) tonen de beste resultaten.
Perceelsverschillen
Metingen vertoonden meer overeenkomst met de uitkomsten van grondmonsters wanneer er meer variatie in het perceel zat. In de percelen in Slootdorp in 2019 zat de meeste variatie en de uitkomsten van de verschillende scansystemen hadden een R2 waarde tot 0,7 – 0,8. De R2 waarde geeft aan in hoeverre de door de scanners gemeten waarde overeen komt met de gemeten waarde vanuit analyse van grondmonsters. R2 kan verschillen van 0 tot 1,0, waarbij een waarde van 1,0 betekent dat de waarden 100% overeenkomen. Het systeem op basis van satelietbeelden van Bioscope toonde een R2 waarde tot 0,6 en was hier ook zeer bruikbaar.
Op een veenachtig perceel werd in 2020 een goede correlatie gezien van rond de 0,6 voor alle systemen.
In het zandperceel van 2020 zat minder variatie en correlatie met de grondmonster-data was laag (ca 0,2).
Bruikbaarheid
De geteste bodemscansystemen kunnen goede resultaten leveren om de variatie in een perceel in kaart te brengen. Deze kunnen gebruikt worden voor variabele toediening van zaden, gewasbeschermingsmiddelen en meststoffen. De toegevoegde waarde van de kaarten neemt toe wanneer er meer variatie in het perceel zit.
Impactscore
Met de Impactscore laten we zien op welke bedrijfsactiviteiten de onderzoekresultaten direct effect hebben. Een onderzoeksresultaat kan bijvoorbeeld leiden tot het gebruik van minder gewasbeschermingsmiddelen of minder meststoffen. Dat vermelden we met een korte toelichting.
Gebruik chemische middelen
Op basis van data vanuit bodemscanners kun je variabel bodemherbiciden toepassen en hiermee middelengebruik reduceren
Gebruik kunstmest
Op basis van data vanuit bodemscanners kun je variabel bemesten op grond van % organische stof. Meeste voordeel is te behalen op bonte percelen.
Uitspoeling meststoffen
Op basis van data vanuit bodemscanners kun je variabel bemesten. Hierbij krijgt het gewas de meststoffen die nodig zijn, en niet meer dan dat
Kosten
Een goede bodemkaart kan kosten van gewasbeschermingsmiddelen en meststoffen terugbrengen door meer maatwerk toe te passen.
Betrouwbaarheidsscore:
Het onderzoek is meerjarig uitgevoerd, maar niet meerjarig op hetzelfde perceel. Het onderzoek is per locatie statistisch onderbouwd. Het is daarmee betrouwbaar.
