Kunstmestgebruik en gewasproductie als activiteiten van de nutriëntenemissie

Kunstmestgebruik en gewasproductie als activiteiten van de nutriëntenemissie

Veerle Campens Ludwig Lauwers Centrum voor Landbouweconomie (CLE)

Studie uitgevoerd in opdracht van de Vlaamse Milieumaatschappij, MIRA MIRA/2002/03 september 2002

Dit rapport verschijnt in de reeks MIRA Ondersteunend Onderzoek van de Vlaamse Milieumaatschappij. Deze reeks bevat resultaten van onderzoek gericht op de wetenschappelijke onderbouwing van het Milieu- en natuurrapport Vlaanderen.

Dit rapport is ook beschikbaar via www.milieurapport.be

Contactadres: Vlaamse Milieumaatschappij – MIRA Van Benedenlaan 34 2800 Mechelen tel. 015/451 466 [email protected]

Wijze van citeren: Campens V., Lauwers L. (2002), Kunstmest en gewasproductie als activiteiten van de nutriëntenemissie, studie uitgevoerd in opdracht van de Vlaamse Milieumaatschappij, MIRA, MIRA/2002/03, Centrum voor Landbouweconomie.


INHOUDSTAFEL INLEIDING

5

1. CONCEPTUEEL KADER VAN DE BALANSBEREKENING

6

1.1. Systeemanalyse

6

1.2. Methoden van balansberekening

7

1.3. Gebruik van de indicatoren

10

2. KUNSTMESTGEBRUIK

12

2.1. Inleiding, doel en werkwijze

12

2.2. Analyse van de Mestbankgegevens

13

2.3. Vergelijking met de CLE-boekhoudgegevens

15

2.4. Econometrische analyse van de factoren van kunstmestgebruik

19

2.4.1. Onderzoeksstrategie

19

2.4.2. Modelkeuze

19

2.4.3. De bedrijfsmatige en locale mestafzetdruk als verklarende variabelen

21

2.4.4. Exploratorisch onderzoek naar andere mogelijke verklarende variabelen

23

2.5. Stapsgewijze meervoudige regressie, validatie van de modellen en berekening van de onderschattingsfactor MB-registraties

31

2.6. Conclusies en aanbevelingen voor verdere verfijningen

33

2.7. Cijferreeks van de indicator kunstmestgebruik

34

3


3. NUTRIENTENAFVOER DOOR MARKTBARE GEWASSEN

36

3.1. Onderlinge toetsing van gegevensbronnen en evaluatie te gebruiken bron 36 3.2. Analyse van de productiviteit aan de hand van de CLE-boekhoudingen

38

3.3. Conclusie en resultaten

48

3.4. Rekenalgoritme

49

4. NUTRIENTENAFVOER DOOR GRAS EN GROENVOEDERS

50

4.1. Inleiding

50

4.2. De N-bodembalans op het modaal melkveebedrijf

51

4.2.1. Het modaal melkveebedrijf

51

4.2.2. De incoherentie op de bodembalans

53

4.3. De graslandopbrengst, indirecte analyse van het veeteeltsysteem

56

4.4. Het overschot

57

4.5. De dierlijke excretie

58

4.6. Besluit

60

4.7. Consolidatie van de cijferreeks

64

5. AFSTEMMEN MET TOEKOMSTIGE MODELONTWIKKELINGEN

65

5.1. Substitutie tussen dierlijke mest en kunstmest

65

5.2. Rekentechnische afstemming met andere emissie-indicatoren

70

5.3. Koppeling met andere immissiemodellen

70

6. ALGEMENE SAMENVATTENDE BESLUITEN

71

REFERENTIES

72

BIJLAGEN

74

4


INLEIDING Nutriëntenbalansen zijn bij uitstek geschikt als indicator van de emissiedruk op het milieu in de landbouw. In MIRA-T kunnen de resulterende drukindicatoren gebruikt worden in de thema’s vermesting, verzuring, broeikasgassen, fotochemische luchtverontreiniging, kwaliteit van de bodem en het oppervlaktewater. Spijts het belang van nutriëntenbalansen in de DPSIR-keten van milieuproblemen ten gevolge van landbouwactivteiten, rijzen er toch een aantal problemen op rond het operationeel gebruik: -

vaak een nog onduidelijke systeemanalyse;

-

onzekerheden in de berekeningswijze van bepaalde balanscomponenten, zoals kunstmestgebruik en gewasonttrekking;

-

noodzaak voor verdere differentiatie van balansen naargelang doelstelling en thema.

Daarnaast bestaat er de wens om tot een meer modelmatige benadering over te gaan. Dit onder meer om de consistentie met andere modellen te bewaken en om een basis te leggen voor verdere scenario-modellering in het kader van MIRA-S. De doelstellingen van het onderzoek zijn als volgt te omschrijven: ten eerste wordt een kader geschetst voor een coherente systeemanalyse, welke als kapstok moet dienen om het huidige onderzoek in een ruimer geheel te plaatsen. De specifieke doelstelling bestaat erin om de balanscomponenten “gewasonttrekking” en “kunstmestgebruik” accurater te kwantificeren. Tevens worden een aantal aspecten van mogelijke integratie met diverse bestaande modellen aangeraakt. Het rapport is in 5 delen uitgewerkt. In het eerste hoofdstuk zal dieper worden ingegaan op de coherentie van de systeemanalyse. De verschillende methoden van balansberekening worden belicht, het denkkader van het CLE wordt uitvoerig uiteengezet en het hoe en waarom worden verklaard. Vervolgens wordt de specifieke doelstelling uitgewerkt in de drie daaropvolgende hoofdstukken. Hierbij wordt het aandachtspunt “gewasonttrekking” verdeeld over een hoofdstuk marktbare gewassen en een hoofdstuk groenvoedergewassen gelet op het verschil in methodologische uitwerking. Tenslotte worden een aantal aanzetten van integratie in modellen gegeven in hoofstuk 5.

5


1. CONCEPTUEEL KADER VAN DE BALANSBEREKENING 1.1. Systeemanalyse Een methode om de emissie van schadelijke stoffen in de landbouwsector naar het milieu te kwantificeren, bestaat erin de balans te maken van de uit- en inkomende nutriënten. Het verschil is de hoeveelheid dat in de lucht, de bodem en het water terechtkomt. De nutriënten zijn noodzakelijk voor de groei van de gewassen, maar, wanneer zij in overmaat aanwezig zijn, kunnen zij milieuschade, zoals verzuring en vermesting, veroorzaken. Dit is het geval in Vlaanderen. Wanneer daarentegen er op de landbouwbodem geoogst wordt en de nutriënten niet voldoende aangevuld worden, zal de bodem uitputtingsverschijnselen vertonen. De belangrijkste nutriënten in de landbouw zijn fosfor (P), stikstof (N) en kalium (K). Wat de milieuschade betreft, zijn enkel fosfor en stikstof van wezenlijk belang. Fosfor heeft een vermestend potentieel dat 10 keer zo groot is als dat van stikstof. Naast vermesting ligt stikstof eveneens aan de basis van verschillende verzurende stoffen, zoals NH3 en NOx en het broeikasgas N2O. In figuur 1.1 worden de stromen van, naar en binnen het landbouwsysteem schematisch voorgesteld, waarbij het landbouwsysteem wordt opgesplitst in een dierlijk en een plantaardig subsysteem. Zowel de landbouwsector in zijn totaliteit als het individuele landbouwbedrijf kunnen als operationele invulling van het concept dienen. Indien de balans op een nationaal sectorniveau (of subnationaal niveau zoals voor Vlaanderen) wordt berekend, houdt men enkel rekening met de stromen van en naar het agrobusinesscomplex (toelevering en afzet van andere economische sectoren) en de invoer en uitvoer van intermediaire producten van en naar het buitenland. De bewegingen tussen landbouwbedrijven onderling zijn dan als interne stromen te beschouwen. Op bedrijfsniveau kunnen de inputs en outputs zowel aankopen en verkopen buiten de sector als tussen de landbouwbedrijven onderling bevatten. De stromen die uiteindelijk zorgen voor de milieuschade, zijn diegenen die uit het landbouwsysteem naar het milieu gaan. Enkel de emissie van stikstofgas (N2 ) uit het denitrificatieproces heeft een neutraal effect (MIRA, 2001).

6


| | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

INPUT

LANDBOUWSYSTEEM

economische actoren

op bedrijfsniveau

sectoren of buitenland

op sectorieel niveau

krachtvoeder fokdieren en jongvee

DIERLIJKE PRODUCTIE

gras en voedergewassen dierlijke mest

kunstmest andere meststoffen

gras en voedergewassen

poot- en plantgoed dierlijke mest

PLANTAARDIGE PRODUCTIE

biologische N-fixatie (*) atmosferische depositie (*) (*) enkel bij N-stroom

OUTPUT | | | sectoren of buitenland | | dierlijke producten | | | fokdieren en jongvee | dierlijke mest | | mestverwerking | | verlies opslag voedergewassen | | NH3- verlies stal/mestopslag | | verteringsverliezen | | | | plantaardige producten | | | gras en voedergewassen | poot- en plantgoed | | NH3- verlies bij mest (*) | | | denitrificatie (*) | restpost bodem en water | | | | economische actoren

milieu

milieu

Figuur 1.1. Schematische voorstelling van de nutriëntenstromen van, naar en binnen het landbouwsysteem

1.2. Methoden van balansberekening De emissie van stikstof en fosfor wordt berekend met volgende balansvergelijking: ∑ uitstoot naar het milieu = ∑ alle inputs - ∑ marktbare outputs Naargelang de beschikbaarheid van informatie over de afzonderlijke nutriëntenstromen, worden aangepaste methoden gehanteerd. De methode waarbij alle inputs en outputs expliciet behandeld worden, zoals in het generieke schema van figuur 1.1. wordt de “farm gate balance” methode (bedrijfsbalans) genoemd. In de praktijk (Mestwetgeving, OECD-indicatoren , MIRA-monitoring) is er echter een methode ontstaan, waarbij het landbouwsysteem vereenvoudigd voorgesteld wordt door het subsysteem van de plantaardige productie. Het subsysteem van de dierlijke productie wordt dan als het ware extern aan het landbouwsysteem beschouwd. De 7


externe stromen van en naar de dierlijke productie worden samengebracht tot de interne stromen tussen dierlijke en plantaardige productie. Het bodemoppervlak fungeert dan als nieuwe systeemgrens en de balansmethode op basis van dit principe wordt de “soil surface balance” methode genoemd (bodembalans). Deze laatste methode is populairder, aangezien de meeste gegevens voor in- en output eenvoudig uit nationale tellingsgegevens en boekhoudingen af te leiden zijn, al dan niet te vermenigvuldigen met een coëfficiënt (bvb. dieraantallen x excretiecoëfficiënt voor dierlijke productie en areaal x nutriënteninhoud x opbrengst voor gewasafvoer). Een probleem dat zich echter voordoet, is dat deze coëfficiënten vaak onafhankelijk van elkaar worden bepaald, zodat er geen coherentie bestaat tussen de stromen. Zo stemmen de in- en uitgaande stromen van de nutriëntenbalans in de rundveehouderij niet overeen, wat waarschijnlijk te wijten is aan de runderexcretiecoëfficiënten en/of aan de graslandopbrengstgegevens. Dit probleem wordt verder behandeld in hoofdstuk 4. Voor individuele bedrijven wordt veelal de bedrijfsbalans gebruikt, omdat op dit niveau de nodige gegevens wel beschikbaar zijn. Bij beide balansmethoden dient het overschot identiek te zijn (OECD, 2001). De balansen van het landbouwsysteem, zoals jaarlijks gepubliceerd in de MIRArapporten, worden volgens de bodembalans opgesteld voor de nutriënten N en P. Posten zijn “minerale meststoffen”, “dierlijke mest”, “reststoffen”, “atmosferische depositie” en “biologische stikstoffixatie” aan de inputzijde en “gewasafvoer” aan de outputzijde. De “gewasafvoer” wordt opgesplitst naar “marktbare gewassen” en “voedergewassen”. De “biologische stikstoffixatie” wordt enkel ingevuld in de stikstofbalans, zij komt niet voor in de fosforbalans (figuur 1.2). De termen “farm gate” en “soil surface” kunnen voor verwarring zorgen bij de systeemafbakening. In het eerste geval kan men geneigd zijn om bepaalde stromen niet in rekening te brengen daar ze niet controleerbaar zijn door de boer, zoals bvb. de atmosferische depositie. Sensu stricto passeren ze niet door de hoevepoort en zijn ze geen gevolg van bedrijfsbeslissingen. Omgekeerd leidt de bodembalansmethode tot het probleem dat andere stromen uit de dierlijke productie, andere dan de dierlijke mest die daadwerkelijk op de bodem gebracht worden, over het hoofd gezien worden. Dit als gevolg van een te letterlijke interpretatie van “soil surface” als systeemgrens. Zo hielden de eerste studies op Europees niveau geen rekening met mesttransport tussen bedrijven en regio’s en was de OECD-indicator “nutrient surplus” exclusief ammoniak-emissie. Ook nu nog moet worden vastgesteld dat onderzoekers zeer sterk vasthouden aan een striktere definitie van het bodemoppervlak als systeemgrens en daardoor, ondermeer met de argumentatie om dubbeltellingen te vermijden, steevast een deel van de ammoniakemissie vergeten in kaart te brengen! Een recente samenwerking tussen de OECD en EUROSTAT bracht het “Draft handbook on soil surface nitrogen balances‘ uit, waarin voor het eerst inclusief de ammoniakuitstoot wordt gerekend. In de MIRA-monitoring en in onderhavige studie, worden deze potentieel te vergeten stromen wel beschouwd, vermits enkel alle mogelijke in- en outputs een totaal beeld geven van het werkelijke nutriëntenoverschot. Enkel op die wijze kunnen de drukindicatoren naar het milieu berekend worden.

8


Figuur 1.2. Nutriëntenbalans van de Vlaamse landbouwsector in 2000, in miljoen kg minerale meststoffen 89,2

6,7

dierlijke mest 191

35,1

reststoffen

atmosferische depositie

biologische N-fixatie

4,4

23,9

2,7

1,5

40,2

7,2

-

nutriëntenbalans

LANDBOUWBODEM

gewasproductie

0,6

159,2

19,8

N

P

voederproductie 111,7

16,9

Bron: eigen berekeningen met de bodembalans van het agrosysteem op basis van de NIS-landbouwtellingen, CLEboekhoudingen en Mestbankregistratie.

In tabel 1.1 worden de in- en uitgaande stromen van de MIRA-bodembalans weergegeven. Voor elke nutriëntenstroom worden de berekeningswijze, de bronnen en de af te leiden indicatoren aangegeven. Tevens worden enkele problemen bij de berekening vermeld, waarvan er in dit onderzoek 3 zullen aangepakt worden, namelijk de discrepantie tussen gegevensbronnen bij kunstmestgebruik en gewasproductie en de incoherentie met balansen van de voerderproductie. De overige nutriëntenstromen, die een veel kleinere hoeveelheid vertegenwoordigen, zullen in de toekomstige monitoringen moeten verfijnd worden aan de hand van uitgebreide gegevensmateriaal.

9


Tabel 1.1. Overzicht nutriëntenstromen en gegevens (nog aan te vullen) naam nutriënteninput

definiëring

kunstmeststoffen activiteitsindicator reststoffen

activiteitsindicator

dierlijke meststoffen


bron cijfermateriaal CLEboekhouding, MB-registraties MB, VLAREA, VLAREBO, Viaene et al., 1999, Aquafin MB, NIS

op te lossen problemen discrepantie bonnen

berekeningswijze zie deel 2

accuratere gegevens

efficiëntieverbeteringen in rekening brengen, onderschatting excretiecijfers interpretatie meteorolo-gische geg, streekdifferentiatie

evolutie gebruik

forfaitair excretiecijfers (MAP2bis) * aantal dieren (NIS) geografisch (OPS) model met meteo en emissie input

atmosferische depositie

VMM, Vito

biologische Nfixatie

BLIVO, MEFEP, VMM

aangenomen cijfers, cijfers voor biologische klaver, luzerne...

NIS, CLE, BDB of IKC-L

discrepantie bronnen

zie deel 3

IKC-L, CVB, NIS

incoherentie met balansen

zie deel 4

naam nutriëntenoutput gewasproductie activiteitsindicator voederproductie


af te leiden activiteitsindicatoren evolutie gebruik

evolutie veestapel, dierlijke nutriëntenproductie, grondgebondenheid evolutie depositie

evolutie fixatie

grondgebruik vlgs gewastype, bemestingsmogelijkheden

1.3. Gebruik van de indicatoren De nutriëntenbalans van het landbouwsysteem (agrosysteem) wordt beschouwd als de algemene nutriënten-emissieindicator van de landbouw (zie figuur 1.2), waarbij de input- en marktbare outputstromen activiteitsindicatoren zijn en het verschil tussen beide stromen, de uitstoot naar de bodem, het water en de lucht vertegenwoordigt. Dit verschil kan negatief zijn en dan zal de bodem uitgeput raken. Indien het verschil positief is, zal het overschot mogelijks een milieuvervuilend effect hebben. In Vlaanderen zijn overschotten dermate hoog, dat milieuvervuiling manifest is. Uit de uitstoot kunnen verscheidene drukindicatoren gedistilleerd worden, die nauw verbonden zijn met de activiteitsindicatoren gedefinieerd in de balans. Deze drukindicatoren zijn: -

Ammoniak (NH3)-emissie: hoofdzakelijk afkomstig van de dierlijke excretie en ook van de kunstmesttoediening. Dit gas draagt bij tot de vermesting en verzuring van de atmosfeer;

-

Stikstofmono-oxide (NO): een gas dat zowel leidt tot vermesting als fotochemische luchtverontreiniging en verzuring van het milieu;

-

Lachgas (N2O): afkomstig van onvolledige nitrificatie/denitrificatie in de bodem, en te rekenen tot de broeikasgassen;

De stikstof- en fosfaatresidu’s in de bodem en het water en de stikstofgassen exclusief N2 O en N2, die resulteren uit de nutriëntenbalans, leveren een vermestende bijdrage (nutriëntenbalans van het agrosysteem – depositie – (N2O en N2 bij

10


stikstof)), waarbij het vermestend potentieel van P tien keer zo groot is als dat van N. Ter vervollediging dienen ook de NOx -gassen, ontstaan na verbranding van fossiele brandstoffen in de landbouw (vnl. serreteelt), meegeteld te worden bij het berekenen van het vermestend potentieel van de landbouw. Tabel 1.2. Stikstofgas-emissies uit de nutriëntenbalans naam herkomst emissiestof NH3 dierlijke mest, kunstmest NO nitrif/denitrif mest

N2O N2

nitrif/denitrif nitrif/denitrif.

emissiethema vermesting, verzuring vermesting, verzuring, fotochemische luchtverontreiniging broeikasgassen niet van toepassing

bron cijfermateriaal Boeckx, IPCC, VMM IPCC, VMM

Boeckx, IPCC, VMM IPCC, VMM

Naar het beleid in de landbouwsector, maar ook naar het management op het landbouwbedrijf zelf toe, is de nutriëntenbalans een zeer interessant raamwerk om maatregelen i.v.m. de bescherming van het milieu te treffen en te evalueren. In vele landen en ook in België zijn dergelijke maatregelen van kracht. De bemestingslimieten van het MAP2bis en de maatregelen om de NH3-emissie te reduceren (emissie-arme stalllen, onderwerken van de mest bij uitrijding, opkoopregeling voor varkens) zijn voorbeelden van maatregelen om de nutriëntenuitstoot te verminderen. Van sommige maatregelen zijn de effecten hiervan reeds te zien in de nutriëntenbalans. Wanneer deze maatregelen gekoppeld worden aan doelstellingen, is het nog interessanter om indicatoren te gebruiken, aangezien de te overbruggen afstand tot de doelstelling kan berekend worden (zie MIRA-T 2001). Op internationaal niveau heeft België enkele conventies geratificeerd die betrekking hebben op de nutriëntenuitstoot. De conventie “for the protection of the Marine Environment of the North-East Atlantic” of OSPAR -(Oslo-Parijs) conventie beoogt de uitstoot naar de Noordzee en de Baltische Zee te verlagen. De Nitraatrichtlijn van de EC (EU council directive 679/91) werd ingevoerd om de kwaliteit van het drinkwater te vrijwaren. Weerom kan de nutriëntenbalans hierbij functioneren als kader om beleidsbeslissingen te nemen teneinde de verdragen na te leven. Zoals hierboven vermeld, is het nuttig zowel op het niveau van het landbouwbedrijf als op nationaal niveau, een bedrijfsbalans te kunnen toepassen. Op het niveau van het landbouwbedrijf kunnen de balansstromen bepaald worden a.d.h.v. de bedrijfsboekhouding en forfaitaire kengetallen. Van bedrijf tot bedrijf kan de balans enorm verschillen al naargelang het beheer en de doelstellingen. In dit project wordt de balans enkel op macro-schaal berekend. Dit houdt in dat er voor bepaalde in- en outputstromen gemiddelde waarden geschat zullen moeten worden, indien zij niet in de literatuur beschikbaar zijn of niet berekend kunnen worden. Vermits een nutriëntenbalans sterk van streek tot streek kan verschillen, al naargelang de aard en de concentratie van de landbouwactiviteit, het bodemtype en de ondergrond, zal er bij het berekenen van de componenten, naast een regionaal model voor Vlaanderen ook een zekere geografische afbakening nagestreefd worden.

11


2. KUNSTMESTGEBRUIK 2.1. Inleiding, doel en werkwijze Het kunstmestgebruik kan afgeleid worden van uiteenlopende cijfers. In de MIRA-T-rapportering worden cijfers gebruikt afkomstig van de CLE-boekhoudingen. Dit zijn gebruiksintensiteiten afgeleid uit een gestratifieerde steekproef (3 strata: EUtypologie, landbouwstreek, exploitatieklasse) en welke geëxtrapoleerd worden naar de landbouwstreken, de gewesten en het Rijk volgens het gangbare extrapolatiemechanisme voor het afleiden van de rendabiliteitskengetallen (Goffinet, 1986). De Mestbank (MB), daarentegen, heeft kennis over het kunstmestgebruik via rechtstreekse aangiftes van hoeveelheden. Een toetsing van beide cijferreeksen toont evenwel een enorme discrepantie (tabel 2.1). Tabel 2.1. Totaal kunstmestgebruik van N en P2O5 in Vlaanderen (miljoen kg) gebaseerd op CLE- en Mestbankwaarnemingen (1997-2000) jaar kunstmest 6 (10 kg)

1997 N

1998

P2O5

N

1999

P2O5

N

2000

P2O5

N

P2O5

bron CLE

95,86

17,66

91,56

15,90

89,11

15,28

82,41

13,53

Mestbank

49,10

9,34

50,18

8,19

46,19

8,65

44,21

6,36

Bron: Jaarverslagen VLM en CLE (cijfers berekend volgens methode Goffinet).

De discrepantie blijft over de jaren heen van dezelfde grootteorde, waarbij de cijfers van de MB ongeveer 50 % lager liggen dan de CLE-gegevens. Lauwers en Lenders (2000) vermelden verschillende oorzaken welke aan de basis kunnen liggen van de afwijking. Een voor de hand liggende reden kan zijn dat een aantal kunstmestgiftes “vergeten” zijn bij de Mestbankregistraties. De aangevers betalen immers een heffing op de kunstmest en zullen daarom trachten geen maximale aangifte van hun gebruik te doen. Nochtans verklaart een kritische analyse van de extrapolatie van de boekhoudregistraties eveneens substantiële afwijkingen. Het is immers zo dat het kunstmestgebruik sterk afhankelijk is van de overschotssituatie op zowel het bedrijf als in de regio. Dit zijn twee criteria die onvoldoende via het extrapolatiesysteem van het CLE doorwegen. Daarenboven zijn de rundveebedrijven in het CLE-boekhoudnet sterker vertegenwoordigd dan de bedrijven met intensieve veehouderij die sowieso minder kunstmest gebruiken. Tenslotte kan ook de gerichtheid van het CLE-net naar de professionele landbouwbedrijven een factor zijn. De vraag stelt zich dan wel of kleine bedrijven en gelegenheidsbedrijven inderdaad minder kunstmest gebruiken. Een nieuw extrapolatiemechanisme, waardoor de beschikbare CLEboekhoudgegevens accurater naar de totale landbouwoppervlakte kunnen geëxtrapoleerd worden, wordt in volgende paragrafen voorgesteld. De werkwijze is als volgt: eerst wordt een econometrische analyse van de beschikbare mestbankregistraties uitgevoerd teneinde een beeld te bekomen van de structurele bedrijfskenmerken die determinerend zijn voor het kunstmestgebruik. Factoren zoals de locale mestafzetdruk, de mestafzetsituatie op het bedrijf, de gewaskeuze en de aard van de veestapel worden geanalyseerd. Vervolgens wordt

12


het bekomen model op de boekhoudgegevens toegepast en de afwijking tussen waargenomen en berekende modelwaarden bestudeerd. Deze afwijking moet dan als ijkingsfactor dienen om het model van kunstmestgebruik te calibreren. Tenslotte zal met het gecalibreerde extrapolatiemodel de tijdsreeks 1990-2000 van de activiteitsindicator “kunstmestgebruik” opnieuw samengesteld worden.

2.2. Analyse van de Mestbankgegevens De basisinformatie over het kunstmestgebruik en de mestafzetsituatie op het bedrijf volgens de Mestbank (MB)-registraties is in een geaggregeerde vorm voor het onderzoek ter beschikking gesteld. Het betreft de productiejaren 1998, 1999 en 2000. Er werd “a priori” uitgegaan van de veronderstelling dat het kunstmestgebruik in sterke mate afhankelijk is van de locale mestafzetdruk en van de mestoverschotssituatie op het bedrijf. Vandaar dat de Mestbankgegevens geaggregeerd werden opgevraagd volgens gemeente en de volgende bedrijfstypologie: type 1:

bedrijven zonder dieren (P 2O5-productie < 300 kg P 2O5 /ha);

type 2:

bedrijven met dieren zonder bedrijfsmatig overschot totale mest (dierlijke en kunstmest);

type 3:

bedrijven met dieren zonder bedrijfsmatig overschot dierlijke mest, maar met bedrijfsmatig overschot totale mest (dierlijke en kunstmest);

type 4:

bedrijven met dieren met bedrijfsmatig overschot dierlijke mest.

In tabel 2.2. is de evolutie van het kunstmestgebruik weergegeven volgens de 4 types. Over de drie jaren gezien, daalt het kunstmestgebruik met 22 % fosfor (P 2O5) van 12,4 kg P2O5 /ha in 1998 tot 9,7 kg P2O5 /ha in 2000 en met 8 % stikkstof van 72,7 kg N/ha in 1998 tot 67,1 kg N/ha in 2000. De verschillen volgens bedrijfscategorieën zijn beduidend groot. Gemiddeld over de drie jaar beschouwd ligt het kunstmestgebruik op het derde bedrijfstype meer dan 3 keer (voor N) en 5 keer (voor P2O5) zo hoog als op het vierde bedrijfstype. Dat het kunstmestgebruik zeer laag ligt op de bedrijven met mestoverschotten (bedrijfstype 4) is aanneembaar. Door de noodzaak om (dierlijke) mestoverschotten op een niet goedkope manier buiten het bedrijf af te zetten, zullen deze bedrijven er naar streven om hun eigen bemestingsruimte zo ruim mogelijk in te vullen met dierlijke mest en aldus het kunstmestgebruik zo veel mogelijk beperken. Merkwaardiger is de hoge kunstmestgift op bedrijven (bedrijfstype 3) die louter op basis van hun dierlijke mestproductie niet tot de overschotsbedrijven behoren, maar precies door de kunstmestgifte aangewezen worden op afzet buiten het bedrijf.

13


Tabel 2.2. Evolutie van het kunstmestgebruik in Vlaanderen (in kg/ha) volgens de 4 bedrijfstypes over de jaren 1998, 1999, 2000 bedrijfstype 1 bedrijfstype 2 bedrijfstype 3 bedrijfstype 4 gemiddelde N P2O5 N P2O5 N P2O5 N P2O5 N P2O5 (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) 70,5 18,0 77,9 12,3 122,0 19,2 39,8 3,8 72,7 12,4

jaar 1998 1999

66,1

17,7

76,2

11,7

125,2

19,4

35,7

3,2

70,1

11,9

2000

63,5

14,5

72,4

9,6

123,2

16,1

39,6

2,9

67,1

9,7

1998-2000

66,7

16,7

75,5

11,3

123,5

18,1

38,5

3,2

Bron: Mestbankregistraties.

De dierlijke mestproductie, berekend a.d.h.v. de forfaitaire excretiecoëfficiënten, wordt weergegeven in tabel 2.3. De fosfaatproductie daalde in alle bedrijfstypes, maar hoofdzakelijk in de overschotsbedrijven. In totaal daalde de fosfaatproductie met 3 % van 114,2 kg P2O5/ha in 1998 tot 110,7 kg P2 O5/ha in 2000. De productie van stikstof daarentegen, daalde enkel in de overschotsbedrijven met 6 % in bedrijfstype 3 (van 282,4 in 1998 naar 266,1 kg N/ha in 2000) en met 1 % in de bedrijfstype 4 (van 846,1 in 1998 naar 835,5 kg N/ha in 2000). In de twee overige bedrijfstypes steeg de stikstofproductie lichtjes met respectievelijk 1 % en 3 % voor de bedrijfstypes 1 en 2, waardoor de totale N-productie steeg met 10 % van 257,4 kg/ha naar 283,5 kg N/ha. Tabel 2.3. Evolutie van de dierlijke nutriëntenproductie in Vlaanderen (in kg/ha) volgens de 4 bedrijfstypes over de jaren 1998, 1999, 2000 jaar 1998 1999 2000 1998-2000

bedrijfstype 1 bedrijfstype 2 bedrijfstype 3 bedrijfstype 4 gemiddelde N P2O5 N P2O5 N P2O5 N P2O5 N P2O5 (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) 19,2 7,0 179,3 68,1 282,4 109,8 846,1 425,8 257,4 114,2 18,2

6,6

177,7

67,3

268,7

105,0

803,5

399,5

251,6

110,6

19,3

7,0

184,7

63,0

266,1

94,3

835,5

355,4

283,5

110,7

18,9

6,9

180,4

66,2

272,1

102,6

828,7

390,5


Om het gedrag achter het kunstmestgebruik beter te begrijpen, werden 2 oriënterende variabelen beschouwd (tabel 2.4.): •

Oriëntatie runderen = aandeel van de N-productie door runderen in de totale N-productie. Deze variabele daalde over de 3 jaar van 52,4 naar 46,6 % in het jaar 2000. Een daling is waarneembaar bij alle bedrijfstypes, behalve bij het type 2, waar het aandeel steeg van 85,2 naar 86,2 % over de 3 jaren. Het aandeel runderen varieert enorm tussen de bedrijfstypes. Bedrijfstype 1, met slechts een heel beperkt aantal dieren, zal toch voornamelijk runderen houden (72,8 % van de N-excretie is afkomstig van runderen). In het bedrijfstype 4 bedraagt dit aandeel slechts 21,5 %. Dit komt omdat deze groep bedrijven voornamelijk vertegenwoordigd wordt door de intensieve veetakken (o.a. varkens en pluimvee).

14


•

Oriëntatie grasland = aandeel grasland tegenover het totale areaal. Deze bedraagt 41,3 % in 2000 en is met 1 procentpunt gedaald tegenover 1998. De grootste daling was waar te nemen bij bedrijfstype 3 (van 47,7 % in 1998 naar 43,7 % in 2000). Bedrijfstype 1 heeft slechts 23,3 % grasland. Dit is evenwel met 3 procentpunten gestegen tegenover 1998. Het percentage grasland in bedrijfstypes 2 en 4 bedraagt in 2000 respectievelijk 47,7 en 41,2 %. Bedrijfstype 2, dat het meest georiënteerd is naar runderen heeft ook het hoogste aandeel grasland. Bedrijfstype 1 met een laag aandeel grasland (22,6 %), heeft toch nog een groot aandeel rundermest (72,8 %). Het kan hier gaan om vleesrunderen, zij worden immers gewoonlijk niet op de wei gelaten. Bij het vierde bedrijfstype is de omgekeerde situatie waarneembaar, namelijk 41,6 % gras en slechts 21,5 % rundermest.

Tabel 2.4: Oriëntatie runderen en grasland voor de 4 bedrijfstypes en het geaggregeerde type 23. %

jaar

type 1

type 2

type 3

type 4

type 23

gemiddelde

oriëntatie gras

1998

22,6

47,3

47,8

42,1

47,3

41,7

(% gras/ bedrijfsareaal)

1999

22,0

47,2

44,7

41,5

47,0

41,3

2000

23,3

47,7

43,7

41,2

47,3

41,3

1998-2000

22,6

47,4

45,6

41,6

47,2

oriëntatie runderen

1998

73,6

85,2

76,1

22,7

84,2

52,4

(% rundermest/ totale mestproductie bedrijf)

1999

72,8

85,4

75,4

22,2

84,3

52,4

2000

71,9

86,2

74,6

20,1

84,7

46,6

1998-2000

72,8

85,6

75,3

21,5

84,4

Bron: Mestbankregistratie

2.3. Vergelijking met de CLE-boekhoudgegevens Wanneer in de CLE-boekhoudingen de populatie van de om en bij 500 bedrijven opgesplitst wordt in de 4 types, bevat het derde bedrijfstype slechts 2 % van de populatie. Daardoor kunnen er foute interpretaties ontstaan. Een aantal van deze bedrijven dient meer fosfaat toe dan stikstof en dit kan een vertekend beeld creëren bij zo een kleine populatie voor de gemiddelde gift van het gebied. De reden van een hogere fosfaatgift is het hoge aandeel maïs in het teeltplan, wat meer fosfaatmeststof nodig heeft. Ook kan het zijn dat slechts een klein aandeel van het bedrijfsareaal bemest wordt, waardoor er bvb. 11 kg P2O5 /ha en 4 kg N/ha op het totale areaal wordt gestrooid. Andere bedrijven strooien op maïs een mengsel kunstmest met een samenstelling van 13/13/21 NPK en op gras een mengsel van 12/12/12 NPK, zodat de stikstof- en de fosfaatgift gelijk zijn. Het samenbrengen van type 2 en 3 naar type 23 is tevens ingegeven door moeilijkheden bij de extrapolatie (zie verder 2.4.3.). De typologie werd voor het verdere verloop van de studie opnieuw gedefinieerd als volgt: type 1. bedrijven zonder dieren (P 2O5-productie < 300 kg P 2O5 /ha); type 23. bedrijven met dieren zonder bedrijfsmatig overschot van dierlijke mest; type 4. bedrijven met dieren en met bedrijfsmatig overschot van dierlijke mest.

15


Het type 1 wordt behouden en het type 2 en 3 worden samengenomen in het nieuwe type 23, type 4 komt overeen met het oude type 4. Met deze nieuwe definiëring valt het criterium van het kunstmestgebruik uit de afbakening van de bedrijfstypologie. De weergegeven cijfers van het CLE zijn van nu af aan afkomstig van de populatie bedrijven en niet van de geëxtrapoleerde gegevens, zoals die volgens de methode Goffinet (∗ ) berekend zijn en waarvan het totale kunstmestgebruik in Vlaanderen is weergegeven in tabel 2.1. Bij de vergelijking tussen de CLE- en de MB-cijfers dient men in het achterhoofd te houden dat de CLE-boekhouding gebaseerd is op landbouwbedrijven met een voldoende grootte om een profesionele landbouwactiviteit uit te oefenen en de Mestbank het kunstmestgebruik van alle landbouwers registreert. Hoewel de MBgegevens rond kunstmestgebruik naar alle waarschijnlijkheid onderschat zijn, zijn zij exhaustief en worden zij verwacht om alle factoren die het mestgedrag beïnvloeden te incorporeren. In het verdere onderzoek zullen deze gegevens als basis dienen voor het afleiden van een model dat het kunstmestgebruik bepaalt o.i.v. de mestafzetdruk. De ratio van het kunstmestgebruik tussen de Mestbank- en de CLE-gegevens per jaar en per bedrijfstype worden weergegeven in tabel 2.5. Per bedrijfstype en per nutriënt variëren de verhoudingen sterk. Bij de Mestbank wordt voor bedrijfstype 4, de overschotsbedrijven, slechts iets meer dan een derde van de toegediende stikstof en iets minder dan een derde van de toegediende fosfaat geregistreerd. Bedrijfstype 1 en 23 doen het beter met een ratio van respectievelijk 49,0 en 53,0 voor stikstof en 73,2 en 53,4 voor fosfaat. Voor fosfaat liggen de twee verschillende cijferreeksen iets dichter bij elkaar dan voor stikstof en in elk geval al heel wat dichter bij elkaar dan de vergelijking op basis van tabel 2.1. laat vermoeden. Het gebruik van een extrapolatiemethode met andere, meer verklarende variabelen, zal het totale kunstmestgebruik in Vlaanderen volgens de boekhoudingen waarschijnlijk verlagen. Tabel 2.5. Ratio van het kunstmestgebruik bij de Mestbankregistraties tegenover de CLE-boekhoudingen en het aantal bedrijven uit de CLE-boekhoudingen volgens bedrijfstypologie en voor Vlaanderen. ratio jaar 1998 1999 2000 1998-2000

N 50,0 48,1 48,7 49,0

type 1 P2O5 79,6 77,0 63,6 73,2

aantal 34 40 37

N 52,0 52,8 54,6 53,0

type 23 P2O5 54,2 52,6 53,1 53,4

aantal 327 330 297

N 36,1 34,7 40,9 37,3

type 4 P2O5 35,2 30,2 29,0 30,5

aantal 148 147 156

In de tabellen 2.4 en 2.6, 2.7 en 2.8 worden de oriëntaties gras en runderen, het kunstmestgebruik en de dierlijke nutriëntenproductie van de CLE-populatie en van de Mestbankregistraties weergegeven volgens de nieuwe bedrijfstypologie. Wat betreft de oriëntatie naar runderen, produceren de boekhoudbedrijven relatief iets meer N-rundermest in verhouding tot de totale N-productie (ongeveer 4 procentpunt) dan de Mestbankregistraties (tabel 2.4 en 2.6). De boekhoudbedrijven (∗ )

methode Goffinet: berekening van gebruiksintensiteiten afgeleid uit een gestratifieerde steekproef (3 strata: EU-typologie, landbouwstreek, exploitatieklasse) en welke geëxtrapoleerd worden naar de landbouwstreken, de gewesten en het Rijk volgens het gangbare extrapolatiemechanisme voor het afleiden van de rendabiliteitskengetallen (Goffinet, 1986).

16


bezitten dus verhoudingsgewijs iets meer rundvee. De bedrijven uit bedrijfstype 4 echter, namelijk de overschotsbedrijven of de bedrijven met intensieve veeteelt, produceren volgens de CLE-gegevens 18,9 % stikstof van runderen, dit is 2,6 procentpunt minder dan de Mestbankregistraties weergeven. De overschotsbedrijven van de MB zijn dus iets meer naar rundveebedrijven geöriënteerd. De dierlijke nutriëntenproductie bij de overschotsbedrijven is bij beide bronnen en voornamelijk dus bij het CLE, in hoofdzaak afkomstig van de varkens (76,9 % van de stikstof- en 81,9 % van de fosfaatproductie bij het CLE). Het mestproductie-aandeel van varkens bij de andere bedrijfstypes bedraagt respectievelijk slechts 10,4 en 16,0 % van de stikstofproductie voor de types 23 en 1. De overschotsbedrijven van de MB produceren gemiddeld 100 kg N/ha dierlijke mest meer dan degenen uit de boekhoudingen. De grondgebonden rundveehouderij is de grootste vertegenwoordiger van bedrijfstype 23. Dit type heeft het hoogste percentage grasland en het hoogste percentage rundermest (88,6 % in de boekhoudingen). Bedrijfstype 1, met weinig tot geen dieren (P 2O5-productie < 300 kg/ha) heeft 76,4 % rundermest volgens de CLE-boekhoudingen. In 1998 echter, vertoont de Nrundermest in bedrijfstype 1 een zeer groot aandeel van 98 %. Dit is veel hoger dan de daaropvolgende jaren. Hoogst waarschijnlijk is deze sprong te wijten aan een aanpassing van de waarde van het Bruto Standaard Saldo (BSS) in de boekhoudingen vanaf 1999. In een kleine populatie als deze, kan een minieme verandering van de populatie-afbakening een groot effect hebben op het resultaat. Wat betreft de oriëntatie gras (tabel 2.4 en 2.6), valt het op dat het bedrijfstype 1 van de boekhoudingen een zeer laag percentage grasland t.o.v. het totale areaal heeft in vergelijking met de Mestbankregistraties (3,4 % grasland t.o.v. 22,6 % in de Mestbankregistraties). De dierlijke nutriëntenproductie (tabel 2.7 en 2.8) van bedrijfstype 1 is eveneens erg laag bij de boekhoudingen, maar meer gericht naar runderen. Dit toont aan dat de kleinere veebedrijven in de boekhoudingen niet in de steekproef zijn opgenomen en de populatie in hoofdzaak bestaat uit akkerbouwbedrijven.

17


Tabel 2.6. Oriëntatie runderen en grasland voor de 3 bedrijfstypes in de CLEboekhoudingen ratio

jaar

oriëntatie gras


type 1

type 23

type 4

gemiddelde

1998

3,36

40,1

32,9

35,6

1999

3,30

40,0

31,6

34,8

2000

3,70

41,6

30,7

35,2

1998-2000

3,4

40,5

31,7

1998

97,69

87,4

19,3

68,3

1999

67,81

87,9

19,4

66,8

2000

65,99

90,8

17,9

65,7

1998-2000

76,4

88,6

18,9

Bron: CLE-boekhoudingen.

Tabel 2.7. Kunstmestgebruik en dierlijke mestproductie (kg/ha) voor de 3 bedrijfstypes uit de Mestbankregistraties (Vlaanderen, 1998 tot 2000 ) jaar

type 1 type 23 type 4 gemiddelde N P2O5 N P2O5 N P2O5 N P2O5 (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha)

kunstmestgebruik 1998

70,5

18,0

81,3

12,8

39,8

3,8

72,7

12,4

1999

66,1

17,7

79,8

12,3

35,7

3,2

70,1

11,9

2000

63,5

14,5

77,2

10,2

39,6

2,9

67,1

9,7

1998-2000

66,7

16,7

79,5

11,8

38,5

3,2

1998

19,2

7,0

187,3

71,3

846,0

425,8

257,4

114,2

1999

18,2

6,6

184,4

70,1

803,5

399,5

251,6

110,6

2000

19,3

7,0

192,5

66,0

835,5

355,4

283,5

110,7

1998-2000

18,9

6,9

188,0

69,2

828,7

390,5

dierlijke mestproductie


Tabel 2.8: Kunstmestgebruik en dierlijke mestproductie (kg/ha) per typologie uit de CLE-boekhoudingen (Vlaanderen, 1998 tot 2000) jaar

type 1 type 23 type 4 gemiddelde N P2O5 N P2O5 N P2O5 N P2O5 (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha) (kg/ha)

kunstmestgebruik 1998

140,9

22,6

156,4

23,6

110,1

10,8

141,9

19,8

1999

137,5

23,0

151,2

23,4

103,0

10,6

136,4

19,7

2000

130,5

22,8

141,5

19,2

96,9

10,0

126,5

16,5

1998-2000

136,2

22,8

150,0

22,1

103,2

10,5

dierlijke

1998

1,2

0,5

184,5

71,4

695,3

346,1

320,8

146,6

mestproductie

1999

1,3

0,5

183,3

70,9

720,0

357,7

322,3

147,3

2000

2,2

0,8

190,9

63,7

761,7

382,1

358,4

160,4

1998-2000

1,6

0,6

186,1

68,9

726,3

362,3


18


2.4. Econometrische analyse van de factoren van kunstmestgebruik 2.4.1. Onderzoeksstrategie Het principe van de gevolgde werkwijze wordt in figuur 2.1 schematisch weergeven. Een functionele vorm f1 die de relatie tussen het kunstmestgebruik (KMG) en verklarende factoren Xi weergeeft, wordt afgeleid uit de MB-registraties. Hoewel verondersteld wordt dat deze MB-registraties een onderschatting van het werkelijk bemestingsgedrag inhouden, mag redelijkerwijs aangenomen worden dat, wegens het exhaustief karakter ervan, ze voldoende informatie inhouden om het functioneel verband waar te nemen. Na toepassing van dit functioneel verband op de beschikbare NIS-tellingsgegevens wordt, indien nodig, een calibratie toegepast (f1c). Vervolgens wordt het functioneel verband toepast op de steekproef van het CLEboekhoudnet. De vergelijking tussen modelwaarde en de boekhoudwaarnemingen leidt tot een verhoudingsfactor (zie verder: 2.4.2. modelkeuze), waardoor het werkelijke bemestingsgedrag (f2) kan worden afgeleid, eventueel nog te calibreren (f2c). Figuur 2.1. Conceptuele voorstelling (het kunstmestgebruik (KMG) in relatie tot de verklarende variabelen (duaal)) van de diverse af te leiden functionele vormen KMG (kg/ha) 25 f2c f2

20

15

f1c f1

10

5

0 0,4

0,6

0,8

1

1,2

1,4

duaal (€) 1,6

2.4.2. Modelkeuze Op basis van eerder onderzoek en de te verwachten effecten van de te onderzoeken variabelen (waaronder binaire of “dummy” variabelen) wordt geopteerd voor een multiplicatief model, waarbij het kunstmestgebruik (Y, in kg per ha) afhankelijk is van de reciproke waarde van de locale mestafzetkosten (Xd), geïdentificeerd als “duaal” en uitgedrukt in euro en van diverse factoren (Xi), zoals mestoverschotssituatie op het bedrijf, landbouwstreek, gerichtheid landbouwactiviteiten, enz.: 19


Y = a + b ∗ X1b1 ∗ X2b2 ∗ … ∗ Xnbn * (1/Xd)c De kern van dit model bestaat uit een kunstmestgebruik en de locale mestafzetkosten: Y = a + b (1/Xd)c

reciprook

(1) verband

tussen

het

(2)

Dit kernmodel werd reeds in eerder onderzoek (Lauwers & Van Steertegem, 1996; Lauwers & Lenders, 2000) als geschikt bevonden: het laat doorgaans een betere curve fitting (hogere R²-waarden en significantieniveau) toe dan additieve modellen en heeft het voordeel dat de functiewaarden asymptotisch naar een positieve waarde evolueren. In onderhavig onderzoek wordt aangenomen dat deze waarde nul wordt bij oneindig hoge afzetkosten (a=0). Hierdoor valt tevens de enige additieve component uit het model weg, hetgeen de praktische bruikbaarheid sterk vereenvoudigt. De voorkeur om bijkomende variabelen multiplicatief in plaats van additief in het model te brengen heeft in de eerste plaats te maken met de aard van het functioneel verband uit het kernmodel (2). Wegens het dalend verloop, afnemend kunstmestgebruik bij toenemende locale mestafzetdruk (figuur 2.2., functie f), is het aannemelijk dat bijkomende effecten niet additief zijn (aeX, additief effect van X, leidend tot f1), maar eveneens, al of niet proportioneel mee-dalen (meX, multiplicatief effect van X, leidend tot f2) in functie van de mestafzetdruk. Logaritmering van het multiplicatief model laat toe, wanneer a = 0 (wat vanuit de werkelijkheid dat het model tracht te beschrijven aanneembaar is), om het model uit te werken via de klassieke meervoudige regressietechnieken. ln y = ln b + b1 ∗ ln X1 + b2 ∗ ln X2 + … + bn ∗ ln Xn + c ∗ ln (1/Xd)

(3)

Y = A + B* X

(4)

of:

Het multiplicatief effect van een factor X i kan op twee manieren in het regressiemodel (4) worden ingebracht, namelijk al of niet na logaritmering. Op de eerste wijze wordt de verklarende variabele pas na logaritmering in het regressiemodel (4) gebracht. De bijhorende parameter bi komt dan overeen met de machtscoëfficiënt uit het oorspronkelijk model (1). Deze geeft de mate aan waarmee het multiplicatief effect mee evolueert met de variabele X i.

20


Figuur 2.2. Principe van het multiplicatief model KMG (kg/ha) 25

f2 20

f1 15

f aeX 10

meX 5

0 0.4

0.6

0.8

1

1.2

duaal (€)

1.4

De tweede manier bestaat erin om de verklarende variabele in zijn originele vorm in het regressiemodel te brengen. Dit is daarenboven de enige manier om het effect van “dummies” (D k) en variabelen met een mogelijke nulwaarde op het reciprook kernmodel te modelleren:

ln y

= ln b + b i ∗ ln X i + d j ∗ Xj + ek ∗ Dk + … + c ∗ ln (1/Xd)

(5)

exp (ln y) = exp (ln b + b i ∗ ln X i + dj ∗ Xj + e k ∗ Dk + … + c ∗ ln (1/Xd)) y

= b ∗ Xibi ∗ exp (dj ∗ Xj) ∗ exp (ek ∗ Dk) ∗…∗ (1/Xd)c

(6)

Het multiplicatief effect van de dummy is constant. Eén van de belangrijkste dummies die in het onderzoek betrokken worden, is deze die het effect van de CLEboekhouding ten opzichte van de MB-registraties moet meten. 2.4.3. De bedrijfsmatige en locale mestafzetdruk als verklarende variabelen Twee belangrijke variabelen die reeds uit vroeger onderzoek naar voor kwamen als verklarende variabelen voor de variatie in het kunstmestgebruik zijn enerzijds de toestand van het bedrijf als al of niet overschotsbedrijf volgens de mestwetgeving en anderzijds de kosten waarmee mestoverschotten moeten afgezet worden. Dit laatste is dan een resultaat van de locale mestafzetdruk of de noodzaak om de overschotsmest over al of niet langere afstanden af te zetten.

21


De mestafzetdruk op bedrijfsniveau wordt met een nominale variabele aangeduid: zie hiervoor de typologie die reeds in 2.1. besproken werd. Hoewel er nog een beduidend verschil in kunstmestgebruik is tussen het type 2 en 3, worden ze omwille van extrapolatiemoeilijkheden bij elkaar genomen. Immers, op basis van de beschikbare NIS-gegevens kan gesimuleerd worden of een bedrijf al of niet overschotsbedrijf is, doch het is niet ‘a priori’ geweten van ditzelfde bedrijf wat zijn kunstmestgebruik is. Bijgevolg kan de nuance tussen het type 2 en 3 niet gemaakt worden. Dat deze manier een bedrijfsindeling toelaat om een belangrijk gedeelte van de variatie van het kunstmestgebruik te verklaren is reeds gebleken uit de voorgaande analyse van MB- en CLE-gegevens (2.2. en 2.3.). De locale (regionale) mestafzetdruk is afhankelijk van de hoeveelheid dierlijke nutriëntenproductie die in overmaat geproduceerd worden ten opzichte van de bemestingsmogelijkheden én van de mate waarin de omliggende regio’s met dezelfde problematiek kampen en daardoor onderling in competitie staan voor de goedkopere (=nabijgelegen) afzetmogelijkheden. Uit vroeger onderzoek is gebleken dat een beschrijving op basis van de locale productie-intensiteit (of de nominale beschrijving ervan in bijvoorbeeld zwarte, grijze en witte gemeenten) onvoldoende is om de locale mestafzetdruk te beschrijven. Een zwarte gemeente omringd door witte gemeenten, kan een veel gunstiger afzetsituatie kennen dan een geïsoleerde witte gemeente in een zwart gebied. De regionale mestafzetdruk wordt afgeleid uit de duale oplossing van het volgend primaal transportmodel, welke het mestafzetprobleem vereenvoudigd voorstelt:

n

Min ∑

m

∑ cij ∗ X ij

i =1 j=1

(zie ook p 64-65) met voorwaarden: m

∀i : ∑ Xij ≤ Pi j =1

(duaal afzetverplichting: dPi)

n

∀j : ∑ Xij ≥ Aj i =1

(duaal afzetbeperking: dAj )

(7)

De dualen (dPi, dAj) geven aan wat de verandering van de doelfunctie is bij een eenheidstoename van de beperking Pi en Aj. De dualen verbonden aan de afzetverplichting (dPi ) hebben alle een niet-nulwaarde, aangezien het model er van uitgaat dat alle af te zetten mest met een eenheidskost gepaard gaat, ook deze die binnen de regio zelf kan afgezet worden. De dualen van de afzetbeperking (dAj) zijn niet nul wanneer het desbetreffend gebied een overschotsgebied is (niet alle mest kan binnen de eigen regio afgezet worden). Bij een inelastische vraag en aanbod

22


fungeert het transportmodel als een ruimtelijk evenwichtsmodel waarbij de duaal dPi de evenwichtsprijs (kost) is voor de afzet van de mest geproduceerd in regio i en de duaal dAj als evenwichtprijs geldt waarvoor de bemestingsruimte in A j ter beschikking kan worden gesteld. Bovenstaande afleidingen van eenheidsprijzen gelden louter theoretisch en veronderstellen onder meer een transparante mestafzetmarkt, wat in de actuele situatie te velde verre van aanneembaar is. Toch bieden de dualen voldoende potentieel om de geografische differentiatie in mestafzetdruk te beschrijven. Hiervoor worden de dPi-waarden verkozen boven de dAj-waarden. De dualen d Pi zijn namelijk gelijk aan de kost van de afzet binnen de regio (cij) plus de waarde van de duaal dAj. Aldus is de dPi-duaal een betere indicator van de regionale mestafzetdruk als externe factor voor het bemestingsgedrag van zowel de mestproducent als diegene die overschotsmest accepteert. Het gebruik van de dualen dPi in onderhavig onderzoek is louter beschrijvend, namelijk als indicator van de geografische variatie in mestafzetdruk. Voor prospectieve doeleinden (toekomstverkennend en scenario-onderzoek) zijn ze voorlopig minder geschikt. In Hoofdstuk 5 wordt een aanzet gegeven voor verder onderzoek waarbij het kunstmestgedrag endogeen in het mestafzetdruk-model wordt bepaald. Het transportmodel is uitgewerkt voor de mestafzetproblemen van de jaren 1998, 1999 en 2000. Hiertoe is de veestapel uit de NIS-telling gecalibreerd naar gemiddelde aanwezigheden. De nutriëntenproductie is berekend aan de hand van de excretienormen zoals die gelden vanaf 2000 (MAP2bis). Vervolgens is de berekende nutriëntenproductie gecalibreerd aan de geregistreerde (vooral belangrijk voor de jaren waarbij de normen 2000 nog niet golden). De bemestingsmogelijkheden zijn afgeleid uit de getelde arealen en de bemestingsnormen die golden voor het desbetreffende jaar, uiteindelijk eveneens gecalibreerd aan de MB-registraties. Het transportmodel is telkens gerund voor het fosfaat- en het stikstof- afzetprobleem. Na een oriënterende analyse op hun belang als verklarende factoren bleken de dualen afkomstig van het “stikstof”model een beduidend geringer gedeelte van de variatie van kunstmestgebruik te verklaren. Dit geldt niet alleen voor het gebruik van fosfaat als kunstmest, maar ook voor het stikstofgebruik zelf. De verklaring ligt voor de hand: in de beschouwde jaren was het vooral de fosfaat die als beperkende factor in de mestafzetproblematiek gold. 2.4.4. Exploratorisch onderzoek naar andere mogelijke verklarende variabelen De mate waarin andere variabelen de variatie in het kunstmestgebruik verklaren, wordt afgeleid uit exploratorisch regressie-onderzoek met behulp van zowel de MBals de CLE-gegevens. Dit exploratorisch onderzoek moet niet alleen toelaten om inzichten te bekomen in andere verklarende factoren, de mogelijkheid om ze uiteindelijk te gebruiken als extrapolatiefactor zal tevens de onderzoeksstrategie (zie 2.4.1.) bepalen. Immers, verklarende factoren moeten beschikbaar zijn zowel op de populaties waarmee de regressie-analyse gebeurt (CLE-boekhoudingen en MB-registraties) als op de NIS-populatie, waarnaar de functionele verbanden te extrapoleren zijn. Het exploratorisch onderzoek houdt tevens een verificatie in van de onderliggende factoren van kunstmestgebruik. De MB-gegevens zijn, net als deze van het NIS, als exhaustief te beschouwen, doch zijn om reden van vertrouwelijkheid geaggregeerd op gemeenteniveau en volgens de bedrijfstypologie, zoals eerder

23


besproken. Hierdoor kunnen bepaalde bedrijfsspecifieke kenmerken zoals grootte van het bedrijf weliswaar op hun verklarende waarde geschat worden, doch niet in het extrapolatiemechanisme meegenomen worden. Relatieve bedrijfskenmerken, zoals oriëntatie van het bedrijf naar een bepaalde productietak kunnen dan weer wel gebruikt worden. Het exploratorisch onderzoek steunt vooral op enkelvoudige regressie-analyse of gedeeltelijk meervoudige regressie-analyse, waarbij dan de te onderzoeken factor enkel in combinatie met het kernmodel wordt beschouwd (reciprook verband met de dualen). Naast de factoren van mestafzetdruk (zie 2.4.3) worden de evolutie in de tijd nagegaan (jaartal als verklarende variabele), de landbouwstreek als bijkomende geografisch kenmerk dat tevens met het bodemtype rekening houdt en diverse bedrijfskenmerken. De resultaten van het exploratorisch onderzoek op de MB-gegevens zijn samengebracht in de tabel 2.9. Aanvullende informatie van het exploratorisch onderzoek op de CLE-boekhoudgegevens wordt in de figuren 2.5 en 2.6 en de tabel 2.10 weergegeven. Op basis van de MB-gegevens (van de drie jaar samen) is een zeer significant verband gevonden tussen de locale mestafzetdruk (tabel 2.9: variabele LIDP, gelogaritmeerde inverse van de “fosfaat”duaal dPi ) en het kunstmestgebruik. Hoewel een zeer significant model wordt bekomen (significantie aan het 0,0001-niveau) verklaart de variabele slecht 17 % van de variatie in het N-kunstmestgebruik en 18 % van het fosfaatkunstmestgebruik. Het inbrengen van het jaartal als extra variabele brengt geen beduidende verbetering aan het model. Enkel voor wat het fosfaatgebruik betreft, wordt een percent meer variatie verklaard, de betreffende parameter is slechts aan het 0,05-niveau significant. Het maakt weinig of niets uit of het jaartal in een gelogaritmeerde vorm of in zijn originele vorm in het model gebracht wordt.

24


Tabel 2.9. Exploratorisch onderzoek naar kunstmestgebruik, op basis van MB-gegevens verklarende variabele

LIDP (gelogaritmeerde inverse van de “fosfaat”duaal dP i ) LIDP + jaar

verklarende

factoren

van

afhankelijke variabele = kunstmestgebruik in kg / ha N (stikstof) P2O5, (fosfaat) % variantie significantie % variantie significantie niveau niveau 17 *** 18 *** 17

N.S

19

*

LIDP + LN (jaar)

17

N.S

19

*

LIDP + overschotssituatie bedrijf (tcle-klasse)

57

***

56

***

LIDP + landbouwstreek

34

*** (a)

32

*** (a)

LIDP + bodemtype

25

***

19

*

LIDP + oriëntatie naar runderen

62

***

57

***

LIDP + oriëntatie naar gras

18

N.S

18

N.S

LIDP + oriëntatie naar runderen + gras

63

*** (b)

58

*** (b)

LIDP + LN (oriëntatie naar runderen)

64

***

56

***

LIDP + LN (oriëntatie naar gras)

19

*

19

N.S

LIDP + LN (oriëntatie naar runderen) + LN (oriëntatie naar gras) LIDP + intensiteit rundveehouderij

65

*** (b)

56

*** (b)

18

N.S

37

***

LIDP + LN (intensiteit rundveehouderij)

17

N.S

32

***

N.S. : niet significant. (a): significantie voor Zandleemstreek (stikstof) en Polders (fosfaat). (b): oriëntatie naar runderen blijft zeer significant, deze naar gras is slechts aan het 0.05-niveau significant voor stikstof en niet significant voor fosfaat. Bron: eigen berekeningen op basis van Mestbankgegevens.

In figuur 2.3 wordt de verschuiving van het fosfaatkunstmestgebruik gedurende de onderzochte periode weergegeven. De vermindering van fosfaatgebruik (v in figuur 2.3.), is te wijten aan enerzijds een verschuiving van de substitutiegedrag (v1), anderzijds aan de gevolgen van de toegenomen mestafzetdruk (v2). Voor wat het stikstofgebruik betreft, blijkt het substitutiegedrag van de boer niet substantieel te veranderen in de tijd (weliswaar moet met deze conclusie, op basis van onderzoek op slechts drie jaar, voorzichtig omgesprongen worden). Vermindering van stikstofgebruik in de tijd is dus momenteel nog altijd vooral aan de verhoging van de mestafzetdruk te wijten.

25


Figuur 2.3. Verschuiving van het bemestingsgedrag voor fosfaatkunstmest tijdens de periode 1998-2000, regressie-analyse met jaartal, respectievelijk 1998, 1999 en 2000. P2O5-KMG (kg/ha) 14

1998 12

1999 10

2000

8

v

v1 6

v2

4

2

0 0,4

0,6

0,8

1

1,2

duaal (€)

1,4

Bron: eigen berekeningen op basis van de MB-registraties. KMG: kunstmestgebruik.

De bedrijfsindeling volgens mestoverschotsituatie verklaart voor een belangrijk gedeelte de variatie in kunstmestgebruik. Samen met de regionale mestafzetdruk verklaren de dummies die telkens een ander bedrijfstype voorstellen, voor meer dan de helft van de variatie in het kunstmestgebruik. Uiteraard komt de onderlinge ligging van de betreffende curven overeen met de oriënterende waarnemingen uit de paragrafen 2.2 en 2.3: het hoogste stikstofkunstmestgebruik wordt vastgesteld op de veebedrijven waarvan de mestproductie niet tot een mestoverschot leidt (type 23). Voor wat het fosfaatgebruik betreft, benadert het bemestingsgedrag op type 23bedrijven dicht dit van de veeloze bedrijven. Op de veebedrijven met een mestoverschot bedraagt het fosfaatkunstmestgebruik minder dan één derde van dit op veebedrijven zonder mestoverschot (type 23). Voor stikstof bedraagt deze verhouding iets minder dan de helft.

26


Figuur 2.4. Bemestingsgedrag in functie van de regionale mestafzetdruk en de mestoverschotssituatie op het bedrijf KMG (kg/ha) 120

N type 23 100

N type 1

80

60

N type 4 40

P type 1

20

P type 23 P type 4

0 0,3

0,5

0,7

0,9

1,1

duaal (€)

1,3

Bron: eigen berekeningen op basis van de MB-registraties.

De CLE-waarnemingen hebben echter een afwijkende invulling van de functionele vorm aangetoond. Figuren 2.5 en 2.6 geven de waarnemingen weer voor de CLEboekhoudingen en dit voor het jaar 2000. De 3 regressies stellen de bedrijfstypologieën voor (type 1, type 23, type 4). De puntenwolk bestaat uit de originele waarden voor het jaar 2000 geaggregeerd volgens mestregio en mestsituatie van het bedrijf. Het tweede bedrijfstype (met dieren en zonder overschot) bemest zowel voor fosfaat als voor stikstof het meest, de overschotsbedrijven bemesten het minst, zij zullen trachten zoveel mogelijk eerst hun dierlijke mest te benuttigen. Deze bedrijven zijn ook het minst gevoelig aan de mestafzetdruk. Op basis van de waarnemingen in het jaar 2000 werd een, zij lichtjes, stijgend stikstofkunstmestgebruik in functie van de mestafzetdruk aangetoond. Dit eerder bizarre verloop, dwars op de theoretische logica, toont aan dat er allicht een associatie is tussen de regionale mestafzetdruk en de aanwezigheid van bedrijfskenmerken c.q. systemen (proportioneel hogere aanwezigheid dan in de mestbankpopulatie!) welke een hoger kunstmestgebruik kennen. De zoektocht naar deze extra verklarende factoren gaat in de eerste plaats uit naar variabelen die de kunstmestbehoefte van teelten of systemen differentiëren: oriëntatie naar rundveehouderij, grasteelt, intensiteit van de rundveeproductie. De correlatie tussen een aantal van deze kenmerken, op basis van de boekhoudgegevens is in tabel 2.10 gegeven. De bedrijfstypes 23 en 4 zijn negatief gecorreleerd voor 85 %. De oriëntatie runderen is zeer sterk positief gecorreleerd met type 23 (81 %) en voor -66 % met het type 4.

27


De intensiteit van de rundveeproductie is voor 54 % gecorreleerd met de oriëntatie runderen. De oriëntaties gras en runderen hebben een correlatie van 46 %. Deze variabelen zullen zorgen voor een zekere multicollineariteit, wanneer samen gebruikt in het regressiemodel. Deze kan uit de correlatiematrix worden opgemaakt (tabel 2.10). Tabel 2.10. Correlatiematrix boekhoudgegevens type 1

voor

type 4

variabelen oriëntatie runderen

op

basis

oriëntatie gras

van

de

1

-0,37

-0,18

-0,34

-0,36

intensiteit rundveeproductie -0,33

type 23

-0,37

1

-0,85

0,81

0,27

0,34

type 4

-0,18

-0,85

1

-0,66

-0,07

-0,18


-0,34

0,81

-0,66

1

0,46

0,54

oriëntatie gras

-0,36

0,27

-0,07

0,46

1

0,20

intensiteit rundveeproductie

-0,33

0,34

-0,18

0,54

0,20

1

type 1

type 23

enkele

Bron: eigen berekeningen op basis van het CLE-boekhoudnet 2000.

Figuur 2.5. Regressies van het fosfaatkunstmestgebruik in functie van de marginale mestafzetkost van het jaar 2000 KMG (kg P2O5/ha) 60

50

40

P type 23

30

P type 1

20

10

0 0.00

P type 4

0.25

0.50

0.75

1.00

1.25

1.50

1.75 2.00 duaal (€)

Bron: eigen berekeningen op basis van CLE-boekhoudingen.

28


Figuur 2.6. Regressies van het stikstofkunstmestgebruik in functie van de marginale mestafzetkost van het jaar 2000 KMG (kg N/ha) 200 180 160 140

N type 23

120 100

N type 1

80 60

N type 4 40 20 0 0.00

0.25

0.50

0.75

1.00

1.25

1.50

1.75

2.00 duaal (€)

Bron: eigen berekeningen op basis van CLE-boekhoudingen.

Terugkerend op tabel 2.2. (MB) blijkt dat vooral voor wat het stikstofgebruik betreft, de oriëntatie van de veestapel naar de rundveehouderij in hoge mate (en uiteraard zeer significant) de variatie te verklaren. De oriëntatie van de veestapel naar de rundveehouderij wordt geoperationaliseerd via het relatieve aandeel (in %) van de stikstofproductie door runderen in de totale stikstofproductie. De regressie-analyse op basis van de MB-gegevens toont aan dat deze factor samen met de regionale mestafzetdruk meer dan 60 % van de variatie verklaart (tabel 2.9.). Figuur 2.7. geeft het stikstofgebruik bij een drietal waarden van de oriëntatie van de veestapel naar de rundveehouderij.

29


Figuur 2.7. Bemestingsgedrag in functie van de regionale mestafzetdruk en de oriëntatie van de veestapel op het bedrijf naar rundvee N-KMG (kg/ha) 90

70 % 80 70

50 % 60

30 %

50 40 30 20 10 0 0,4

0,6

0,8

1

1,2

duaal (€)

1,4

Bron: eigen berekeningen op basis van Mestbankregistratie.

De oriëntatie van het bedrijf naar grasteelt, geoperationaliseerd via het relatieve aandeel van grasland in het totale areaal, brengt weinig bij aan de verklaring van het kunstmestgebruik. Enkel in combinatie met de oriëntatie naar runderen levert de oriëntatie naar grasland wat extra verklaring. De gelogaritmeerde versie van deze variabelen biedt doorgaans een iets betere curve fitting. In tegenstelling met wat eventueel uit de vorige resultaten kon vermoed worden, is de intensiteit van de rundveehouderij (kg stikstofproductie uit runderen per ha gras) geen determinerende factor van kunstmestgebruik. Het fosfaatgebruik is dan wel significant geassocieerd met de intensiteit van de rundveehouderij. Tenslotte is tevens het effect van de landbouwstreek (bodemtype) als geografisch kenmerk meegenomen. Hoewel een interactie tussen landbouwstreek en de regionale mestafzetdruk bestaat (de kernen van de intensieve veehouderij bevinden zich in de “zandige” landbouwstreken), verklaren de desbetreffende dummies een extra deel van de variatie dat ongeveer zo hoog ligt als dit door de dualen verklaard. Het samenbrengen van landbouwstreken volgens hun bodemtype, namelijk het zandige bodemtype van de Kempen en de Zandstreek, brengen geen betere verklaring dan de afzonderlijk landbouwstreken.

30


2.5. Stapgewijze meervoudige regressie, validatie van de modellen en berekening van de onderschattingsfactor MB-registraties De hierboven besproken variabelen worden in een stapsgewijs meervoudig regressiemodel gebracht. In de regressieprocedure worden stapsgewijs variabelen in het model ingebracht, in een volgorde volgens de mate waarmee ze een deel van de variatie verklaren. In onderhavig onderzoek is dit meestal met de variabele die de oriëntatie naar runderen beschrijft, de regionale mestafzetdruk of de mestoverschotsituatie van het bedrijf. De procedure stopt wanneer een extra ingebrachte variabele geen significante verbetering van de determinatiecoefficiënt (R²-waarde) meer teweegbrengt. Er zijn in totaal vijf stapsgewijze procedures uitgewerkt. De eerste maakt gebruik van alle hierboven beschreven variabelen, op uitzondering van de dummy variabele “bodemtype”. Het tweede model vertrekt daarenboven niet van de gelogaritmeerde bedrijfskarakteristieken gericht op de veehouderij, grasteelt en intensiteit rundveehouderij. Het derde model is hetzelfde als het tweede, doch elimineert achteraf deze variabelen waarvan de geschatte parameter niet significant was. Het vierde model gaat na wat het effect is van het weglaten van de belangrijkste determinant, namelijk de gerichtheid op de rundveehouderij. Het vijfde model tenslotte elimineert de beide oriëntaties grasland en rundveehouderij en tevens de intensiteit rundermestproductie. Een overzicht van de variabelen die in elk model significant het kunstmestgebruik bepalen, is in tabel 2.11. gegeven. Tabel 2.11. stapsgewijze meervoudig regressie-analyse: variabele die in de oplossing komen en het gedeelte van de variatie die ze determineren (partiële R²) nutriënt

stikstof

fosfaat

Model 1 Variabele Part. R² Lorrund .52 lbstr3 .16 Lidp .05 tcle23 .03 Lorgras .02 in_rund .01 lbstr2 .00 Or_rund .43 Lidp .14 lbstr1 .12 Ljaar .01 Or_gras .00 lbstr4 .00 tcle1 lbstr3 Lorgras

Model 2 Variabele Part. R² Or_rund .48 lbstr3 .20 Lidp .05 in_rund .02 Or_gras .02 lbstr1 .01 lbstr4 .00 Or_rund .43 Lidp .14 lbstr1 .12 tcle1 .04 Or_gras .01 lbstr2 .01 Ljaar .01 lbstr4 .00

Model 3 Variabele Part. R² Or_rund .48 lbstr3 .20 Lidp .05 in_rund .02 Or_gras .02 lbstr1 .01

Model 4 Variabele Part. R² tcle4 .34 lbstr3 .26 in_rund .07 Lidp .07 lbstr2 .01

Or_rund Lidp lbstr1 tcle1 Or_gras lbstr2 Ljaar

tcle4 Lidp lbstr1 Or_gras lbstr4 Ljaar tcle1

.43 .14 .12 .04 .01 .01 .01

.38 .18 .14 .02 .02 .01 .01

Model 5 Variabele Part. R² tcle4 .34 lbstr3 .26 Lidp .06 tcle23 .05 lbstr2 .01 Ljaar .00 jaar .01 tcle4 .38 Lidp .18 lbstr1 .14 Ljaar .01 tcle1 .001

Or_rund / gras : oriëntatie naar runderen / gras L : LN lbstr = landbouwstreek tcle= overschotstype bedrijf

31


Voor de vijf modellen die uiteindelijk uit de MB-gegevens zijn afgeleid, is een validatie doorgevoerd op de NIS-tellingsgegevens. Op één uitzondering na, leiden de simulaties tot een onderschatting van het door de Mestbank geregistreerde kunstmestgebruik. De reden hiervoor ligt allicht in het feit dat het reciprook functioneel verband iets te ver naar beneden doorbuigt bij de meest voorkomende waarden van de dualen. Toch laat de extrapolatie zeer minieme afwijkingen zien. De functionele verbanden zijn tevens doorgerekend op de CLE-boekhoudingen. De uitkomsten van deze berekeningen kunnen echter getoetst worden aan de geregistreerde waarden. Hierdoor wordt het mogelijk om een effect “CLE”, volgens het principe beschreven in 2.4.1, af te leiden (eigenlijk zou men omgekeerd, bij aanname dat CLE-registratie een werkelijkheidsgetrouwe registratie, van een effect “MB-registratie” moeten spreken). Het “CLE-effect” wordt als een dummy in het multiplicatief model beschouwd. Wanneer regressie-analyses, enkelvoudige en meervoudige, worden uitgevoerd uitsluitend op de CLE-gegevens, verklaart de mestafzetkost (Lidp) 12 % van de variantie voor fosfaat en 0,3 % voor stikstof, de significantieniveau’s van beide modellen zijn nochtans zeer hoog tot hoog. Na toevoeging van de oriëntatie runderen wordt de verklaring opgedreven tot 21 % voor stikstof en 15 % voor fosfaat. Indien Lidp en bedrijfstype 4 worden gebruikt, dan bedraagt de verklaring van de variantie 20 % voor stikstof en 14 % voor fosfaat. Indien én bedrijfstype 4 én oriëntatie runderen worden gebruikt, bedraagt de verklaring van de variantie slechts 24 % voor stikstof en 16 % voor fosfaat. Men kan hieruit afleiden dat beide variabelen zijn gecorreleerd (zie tabel 2.10.). De andere oriënterende variabelen, gelogaritmeerd of niet, dragen individueel niet veel meer bij tot de verklaring. Voor stikstof is grasland nog een sterk verklarende variabele. Maximaal, alle variabelen in rekening genomen, bedraagt de verklaring 40 % voor stikstof en 24 % voor fosfaat. Beide modellen zijn zeer significant. De uit het multiplicatief model met “CLE-effect” en bovengenoemde berekeningen afgeleide vermenigvuldingsfactor, blijkt gevoelig te zijn aan het gekozen model. Voor stikstof ligt deze factor voor drie modellen in de buurt van 1,69; het model 1 geeft een sterk afwijkende factor. Voor fosfaat ligt deze waarde op 1,35; waarbij model 5 daar substantieel van afwijkt. Het zesde model middelt de voorgaande 5 modellen uit. Rekeningen houdend met de mogelijke onderschatting van het model, komt de correctiefactor op 1,79 voor stikstof en 1,33 voor fosfaat. Deze afwijkingen geven alvast een meer genuanceerd beeld van het kunstmestgebruik, dan hetgeen we op basis van de huidige vergelijking tussen MB- en CLE-informatie hebben (zie tabel 2.1).

32


Tabel 2.12. Gesimuleerd kunstmestgebruik, stikstof, volgens 6 modellen afgeleid uit de MB-registraties. model

1 2 3 4 5 6

validatie gesimuleerd Nverhouding MBgebruik 1998-2000 simulatie tov MBop basis van MBregistratie (*) registraties (a) (miljoen kg) 122,3 0,870 137,6 0,979 137,7 0,980 137,6 0,979 138,7 0,986 134,8 0,959

toepassing op CLE-boekhoudingen multiplicatieve correctiefactor factor (CLE(werkelijk simulatie/MBgebruik/MBregistratie) registratie) (b) (b)/(a) 2,327 / (2,46) 1,695 1,73 1,690 1,71 1,706 / (1,34) 1,690 1,71 1,713 1,79

(*): de geregistreerde hoeveelheid kunstmestgebruik in de periode 1998-2000 bedroeg 140,58 miljoen kg N / : niet relevant

Tabel 2.13. Gesimuleerd kunstmestgebruik, fosfaat, volgens 6 modellen afgeleid uit de MB-registraties model

1 2 3 4 5 6

validatie gesimuleerd P2O5 verhouding MBgebruik 1998-2000 simulatie tov MBop basis van MBregistratie (*) registraties (a) (miljoen kg) 22,6 0,974 22,6 0,974 21,4 0,921 25,8 1,086 20,3 0,877 22,4 0,967

toepassing op CLE-boekhoudingen multiplicatieve correctiefactor factor (CLE(werkelijk simulatie/MBgebruik/MBregistratie) registratie) (b) (b)/(a) 1,363 1,40 1,363 1,40 1,332 / (1,45) 1,368 / (1,26) 1,224 / (1,40) 1,285 1,33

(*): de geregistreerde hoeveelheid kunstmestgebruik in de periode 1998-2000 bedroeg 23,2 miljoen kg / : niet relevant

2.6. Conclusies en aanbevelingen voor verdere verfijningen Uit vroegere vaststellingen zouden het door de Mestbank geregistreerde kunstmestgebruik en het geëxtrapoleerde kunstmestgebruik vanuit de CLEboekhoudingen van het enkele tot het dubbele van elkaar verschillen. In werkelijkheid ligt dit verschil beduidend lager. Door gebruik te maken van een multiplicatief model dat rekening houdt met voor het kunstmestgebruik relevante verklarende factoren zoals mestafzetdruk (zoals op bedrijfsvlak als geografisch) en de oriëntatie naar landbouwactiviteiten met hoge nutriëntenbehoefte (oriëntatie en intensiteit van rundveehouderij), leren we dat het vroeger volgens de boekhoudingen berekende kunstmestgebruik 9 % hoger ligt voor stikstof en 50 % voor fosfaat dan het “werkelijke” kunstmestgebruik (gemiddelde afwijking van 1998-2000). Het geregistreerde kunstmestgebruik van de MB ligt respectievelijk voor N en P2O5 amper 42 % en 22 % lager dan het “werkelijke” gebruik. Het kunstmestgebruik blijkt in sterk mate afhankelijk te zijn van de oriëntatie van het bedrijf naar de rundveehouderij en van de intensiteit ervan.

33


Het grote verschil in kunstmestgebruik tussen de bedrijven die niet-overschotsbedrijf blijven na het kunstmestgebruik en deze die het wél worden na kunstmestgebruik, kon met de huidige econometrische analyse en daaropvolgende extrapolatie naar de NIS-populatie niet benut worden. Een logistische analyse waarbij de kans berekend wordt dat een bedrijf uit de NIS-telling tot één van de twee groepen behoort, kan hierbij mogelijks soelaas geven. Een dergelijke analyse behoeft evenwel individuele bedrijfsgegevens van de Mestbank om de modelparameters te schatten. Enkele bedrijfskenmerken zoals oriëntatie naar runderen, intensiteit van de runderen en dergelijke, tonen reeds een sterke determinatie van het kunstmestgebruik. Voor sommige kenmerken was het niet mogelijk aangepaste aggregaties te voorzien, zoals bij grootte van het grasareaal, tenzij de regressie op individuele Mestbankgegevens wordt uitgevoerd. Momenteel werd gewerkt met de duaal van het fosfaatafzetprobleem. Verwacht wordt dat fosfaat in de toekomst minder als beperkende factor in de mestafzetproblematiek en het substitutiegedrag van de landbouwers zal gelden. Vandaar dat voor een zo accuraat mogelijke jaarlijkse inschatting van het bemestingsgedrag telkens nieuwe regressie-modellen moeten ontworpen worden. Het ontwerpen van een transparante methode dringt zich derhalve op. Een belangrijk neven-effect is evenwel dat de werkwijze niet alleen een sec-statistische indicator oplevert, maar tevens inzichten biedt in de evolutie van de onderliggende factoren. Het gebruik van de werkwijze voor de komende jaren hangt af van de mogelijkheden om doelgerichte (d.i. minder geagregeerde) informatie van de Mestbank te betrekken.

2.7. Cijferreeks van de indicator kunstmestgebruik Het probleem stelt zich dat de bekomen informatie niet direct bruikbaar was noch voor wat de functionele vorm betreft (f1 uit de redenering 2.4.1), noch voor wat de correctiefactor betreft (om tot f2 te komen). Immers, het gebruik van de functionele vorm is beperkt tot de periode waaruit de gegevens betrokken zijn en waarmee hij is samengesteld. Extrapolatie van de functionele vorm naar een vroegere periode (die daarenboven drie keer zo lang is als de bestudeerde periode) waar een andere afzetdruk (en vooral, een andere perceptie van de afzetdruk) gold, is zeer speculatief. Ook wat de correctiefactor betreft, is het hoogst onwaarschijnljk dat deze constant blijft over de periode 1990-2000, en hierbij gelijk blijft aan deze in 19982000 vastgesteld. Na discussie in een werkgroep van experten, werd er overeengekomen de reconstructie van de cijferreeks als volgt aan te pakken (figuur 2.8): 1. Model 6 wordt toegepast om de MB-reeks aan te passen (1,713 voor stikstof en 1,285 voor fosfor (P 2O5)). De verhouding tussen deze reeks en de CLEreeks (methode Goffinet) wordt vervolgens gebruikt om de CLE-reeks te corrigeren. Naar de landbouwstreken wordt de correctiefactor lineair doorgerekend. Dit voor de periode 1991-2000. 2. Terugkerend in de tijd, convergeren de oorspronkelijke CLE-gegevens en de gecorrigeerde gegevens. Vóór de jaren ‘90 had de mestafzetdruk immers 34


weinig tot geen invloed op het kunstmestgebruik en zijn de CLE-cijfers bijgevolg overneembaar. Vandaar dat voor het jaar 1990 het CLE-cijfer (method Goffinet) wordt gehanteerd. In bijlage 1 vindt men de geconsolideerde cijferrreeks. Figuur 2.8. Kunstmestgebruik (stikstof (N) en fosfor (P 2O5)) volgens het CLEboehoudnet, de MB-registraties en de gecorrigeerde reeks (Vlaanderen 1991-2000) miljoen kg

120 110 100 90 80 70

N CLE (Goffinet)

60

N werkelijk (CLE)

50

N MB-registraties

40

P2O5 CLE (Goffinet)

30

P2O5 werkelijk (CLE)

20

P2O5 MB-registraties

10 0 1990 1991 1992 1993 1994 1995 1996 1997

1998 1999 2000

35


3. NUTRIENTENAFVOER DOOR MARKTBARE GEWASSEN De nutriënten, die door de gewassen zijn opgenomen tijdens de groei, worden bij de oogst onttrokken aan de landbouwbodem. Deze uitgaande nutriëntenstroom kan gekwantificeerd worden als volgt: nutriëntenafvoer (kg) = nutriëntengehalte van het product (kg/ton) * productie per ha of productiviteit (ton/ha) * areaal (ha) De afvoer wordt berekend voor de nutriënten stikstof (N) en fosfor (P). Het bovenstaande model werd gehanteerd om de VRIND-vermestingsindicator te berekenen (VLM), het werd overgenomen voor de MIRA-monitoring. De cijfers over de nutriëntengehaltes, betrokken in het bestaande rekenmodel, zijn opgesteld door de Bodemkundige Dienst van België (BDB). De NIS-statistieken verschaffen gegevens over fysische opbrengsten en arealen. Er zal in dit hoofdstuk dieper ingegaan worden op het cijfermateriaal dat in de monitoring gebruikt wordt om de nutriëntenafvoer via de gewassen te berekenen. Daartoe wordt de herkomst van de cijfers geëvalueerd en worden ze vergeleken met andere gepubliceerde cijfers. Een analyse van de benutte landbouwoppervlakte (BLO) moet duidelijkheid brengen of de beschouwde arealen al dan niet opgenomen moeten worden in de berekeningen van de gewasafvoer. Tevens zal er een methode ontwikkeld worden om de gewasopbrengsten voor de belangrijkste gewassen uit de boekhoudingen van het CLE te differentiëren volgens bedrijfsareaal. Tenslotte wordt er een rekenalgoritme opgesteld, teneinde een jaarlijkse, tijdige berekening te kunnen uitvoeren met het op dat moment beschikbare cijfermateriaal.

3.1. Onderlinge toetsing van gegevensbronnen en evaluatie te gebruiken bron De eerste component uit het model van de nutriëntenafvoer is het nutriëntengehalte. Hiervoor worden in deze studie 3 bronnen samengebracht. In de MIRArapporteringen werden de gehaltes van de BDB ingebracht (Wetenschapelijk rapport MIRA-T, 1998). In Nederland beschikken het Informatie- en Kenniscentrumlandbouw (IKC-L, 1996) en de kunstmeststoffenfabrikant DSM Agro BV (http://www.DSM.com) ook over nutriëntengehaltes. Een vergelijking (tabel 3.1.) van deze bronnen leert ons dat deze gehaltes niet onafhankelijk van elkaar zijn bepaald. Er is immers een te grote overeenkomst. Enkele punten van discrepantie zijn te vinden bij o.a. de zomergranen. MIRA-T 1998 gebruikt voor de zomergranen dezelfde stikstofgehaltes als voor de wintergranen. De Nederlandse bronnen hanteren een lager cijfer. DSM geeft in het algemeen vaak een iets hoger gehalte. De hoge gehaltes voor tuin-, paarde- en duivebonen bij de Nederlandse bronnen, volgen uit het feit dat zij enkel de tuinbonen beschouwen. Een algemeen probleem dat zich voordoet, is dat de gewasafbakening niet steeds overeenstemt met die van de NIS-arealen. Voor de gewassen waarvoor geen nutriëntengehalte bekend is, zal gewerkt worden met een generieke afvoercoëfficiënt. De Nederlandse gehaltes zijn een goede richtlijn voor België, maar of we ze daadwerkelijk mogen gebruiken, zou een analytisch onderzoek moeten bepalen. Er zal in dit onderzoek worden gewerkt met de gehaltes van het IKC-L. De beschikbare cijfers komen uit een betrouwbare, rechtstreekse bron en de differentiatie van nutriënteninhoud volgens de gewassen is

36


het hoogst. Indien het IKC-L voor een gewas geen cijfer publiceert, zal het cijfer van de BDB overgenomen worden (bijvoorbeeld bij spelt). Tabel 3.1. vergelijking van 3 bronnen voor de coëfficiënten van nutriëntenafvoer bij de oogst GEWAS

DEEL

(kg/ton)

N BDB

P

IKC-L

DSM

BDB

IKC-L

3,4

3,4

DSM

GRAANGEWASSEN WINTERTARWE

ZAAD

20

STRO ZOMERTARWE

ZAAD

20

STRO WINTERGERST

ZAAD ZAAD ZAAD ZAAD

17

ZAAD

17

3,4

15

14,9

14,9

17

3,5

17

3,7

3,5

3,5

0,9 15

3,5

3,5

3,5

0,9 14

3,2

3,8 17

3,4 0,7

5,4

STRO SPELT

17

3,7

0,7

5,4

STRO TRITICALE

19

17

STRO ROGGE

20

5,8

STRO ZOMERGERST

20 5,8

3,2

3,1

0,8 20

3,3

5,8

3,3

3,7

2

17

4

STRO HAVER

ZAAD

17,9

17,9

STRO KORRELMAÏS

ZAAD

17,1

3,3

5 13,9

3,3

3,5

0,9

13,9

13,9

2,9

2,9

2,9

AARDAPPELEN VROEGE AARDAPPELEN

KNOLLEN

3

3

3,3

0,4

0,4

0,4

BINTJES

KNOLLEN

3,3

3,3

3,7

0,5

0,5

0,5

ANDERE

KNOLLEN

3,3

3,3

3,7

0,5

0,5

0,5

3,3

3,3

3,3

0,5

0,5

0,5

POOTAARDAPPELEN DROOG GEOOGSTE PEULVRUCHTEN DROOG GEOOGSTE BONEN

ZAAD

34,6

33,6 en2,17

4,1

DROOG GEOOGSTE ERWTEN

ZAAD

34,6

34,6

33,6

4,1

4,1

4,2

TUIN-, PAARDE- EN DUIVEBONEN

ZAAD

34,6

42

42

4,1

4,2

4,2

6,8

4,1

0,4en 0,7

0,7

andere peulvruchten

34,6

40 en 2,2

4,5 en 6,8

5,7 en 0,4 4,2 en 0,32

NIJVERHEIDSGEWASSEN SUIKERBIETEN

WORTEL

1,8

1,8

1,7

0,4

0,4

0,4

OLIEVLAS

ZAAD

33

33

34

6,6

6,6

6,7

WINTERKOOLZAAD

ZAAD

35

35

35

6,6

6,6

6,6

ZOMERKOOLZAAD

ZAAD

35

35

6,6

VEZELVLAS

STRO

4

34

1,8

WORTEL

1,6

2

0,3

GROEN GEOOGSTE ERWTEN

MARKTBAAR

34,6

GROEN GEOOGSTE BONEN

MARKTBAAR

34,6

TUINWORTELEN

MARKTBAAR

1,5

SPINAZIE

MARKTBAAR

3,5

WITLOOF

MARKTBAAR

BLOEMKOLEN EN BROCCOLI

CHICOREI

1,6

6,7 0,4 0,3

0,4

4,1

4,2

GROENTENTEELT IN OPEN LUCHT 34,6

33,6

4,1

33,6 en2,17

4,1

1,5

1,5

0,3

0,3

0,3

3,5

3,5

0,4

0,4

0,4

1,4

1,4

2,1

0,3

0,3

MARKTBAAR

2,6

2,6 en 2

2,9 en 2

0,4

0,4 en 0,7

SPRUITKOLEN

MARKTBAAR

5,5

5,5

5,5

0,9

0,9

0,9

RODE KOLEN

MARKTBAAR

2,2

2,2

3

0,3

0,3

0,4

WITTE KOLEN

MARKTBAAR

2,2

1,9

2,5

0,3

0,3

0,3

SAVOOIKOLEN

MARKTBAAR

2,2

2,2

4,0

0,3

0,3

0,4

PREI

MARKTBAAR

3

3

3,0

0,4

0,4

0,4

KNOLSELDER

MARKTBAAR

2

2

2,0

0,7

0,7

0,7

SCHORSENEREN

MARKTBAAR

3,5

3,5

3,5

0,7

0,7

0,7

40 en 2,2

5,7 en 0,4 4,2 en 0,32

0,2 0,4 en 0,7

droog en groen geoogste bonen: - bij BDB: stamslabonen, staakbonen en andere in 1 coëfficiënt - bij IKC-L en DSM: veldbonen en (stamsla- en sperziebonen) hebben 2 verschillende coëfficiënten. andere peulvruchten: bij IKC-L: lupinen en wikken met 2 verschillende coëfficiënten.

Het cijfermateriaal voor de tweede component, de productiviteit, kan, naast uit het NIS, ook uit de CLE-boekhoudingen betrokken worden. Naargelang de bron, worden de verschillende gewasgroepen enigszins anders gegroepeerd. De CLE-

37


productiviteitscijfers worden volgens de gebruikelijke, aan het CLE gebruikte extrapolatiemethode van Goffinet (1986) berekend. De NIS-gegevens zijn gebaseerd op interviews met ongeveer 1500 landbouwexploitaties. Er wordt geopteerd het CLE als bron te nemen voor de productiviteitscijfers. Deze cijfers zijn gestoeld op een goed gefundeerde extrapolatiemethode. De NIS-cijfers, welke vaak als onderschat beschouwd worden, zijn echter sneller beschikbaar dan de CLE-schattingen. Daarom zal er een rekenprocedure uitgewerkt worden om, ten behoeve van de monitoring, steeds en tijdig een inschatting beschikbaar te hebben. Tenslotte zijn er de arealen als laatste component van de gewasonttrekking. Deze worden uit de jaarlijkse landbouwtellingen van het NIS betrokken. Uit de kadastergegevens en de Mestbankregstraties zijn eveneens landbouwarealen af te leiden, maar vermits die uit een ander oogpunt samengesteld worden en bij het kadaster tevens niet elk jaar vernieuwd worden, wordt er toch geopteerd de arealen van het NIS over te nemen, die tevens elk jaar opnieuw electronisch ter beschikking gesteld worden aan het CLE. Het is niet nodig de volledige benutte landbouwoppervlakte (BLO), zoals die door het NIS wordt opgesteld, in rekening te brengen bij de berekening van de gewasafvoer. Immers, op braakland en bewerkte, maar tijdelijk teeltvrije akkers treedt er geen nutriëntenafvoer via de oogst op. Grondloze teelten, zoals hydroculturen en kampernoelieteelt, forcerie van witloof in grond, landbouwgrond dat omgezet wordt/is in bos en oppervlaktes die niet voor landbouwdoeleinden worden gebruikt, worden noch in het BLO noch in de gewasafvoer in rekening gebracht. Bepaalde teelten die wel in de BLO worden opgenomen, maar tot nu toe niet in de berekeningen, brengen toch een zekere nutriëntenafvoer teweeg. Deze zijn de oppervlaktes voor intensieve groententeelt in openlucht, zaad- en plantgoed van groenten en fruit, boomkwekerijen, wijmaanplantingen, oppervlaktes bewerkt voor het persoonlijk gebruik van het landbouwgezin en teelten niet specifiek bestemd voor dierlijke of menselijke voeding. Zij komen in aanmerking om opgenomen te worden in de berekeningen, helaas zijn er geen nutriëntengehaltes en opbrengstcijfers van gekend. Ook voor tabak, hop en andere minder gebruikte teelten, is de nutriënteninhoud niet gekend. Voor de uitbouw van het algoritme, wordt voor de gewassen, waarvoor er geen nutriëntengehaltes of productiviteit voorhanden zijn, een generieke nutriëntenafvoercoëfficiënt per hectare gebruikt. Tot nu toe werd er in MIRA generieke coëfficiënten gehanteerd van 180 kg N/ha en 33 kg N/ha. Voor deze studie werden de coëfficiënten pragmatisch afgeleid uit de gemiddelde coëfficiënten van de overige gewassen, nl. 147 kg N/ha en 27 kg P/ha. De fout die mogelijks door deze generieke keuze wordt gemaakt, is sowieso erg klein, vermits dit teelten van geringe betekenis zijn. Verder zal de NISindeling zoveel mogelijk gevolgd worden voor de diverse gewascategorieën. Het NIS verschaft immers de basisstatistiek, nl, het areaal per teelt.

3.2. Analyse productiviteit aan de hand van de CLE-boekhouding De gewogen gemiddelde productiviteitscijfers van het CLE en het NIS differentiëren niet volgens de grootte van bedrijfsareaal. Om aldus een betere inschatting van de productiviteit te kennen per streek, wordt er een model uitgewerkt dat de grootte van het bedrijfsareaal dat met het betreffende gewas beteeld is, in rekening te brengen. Er wordt uitgegaan van de theorie van toenemende en afnemende schaalopbrengsten, m.a.w. dat er iets bestaat als een optimale grootte van bedrijfsareaal. Immers, bedrijven met een klein areaal van een bepaald gewas, zullen er allicht een minder efficiënte inputallocatie voor voorzien. Naarmate het

38


areaal groter wordt, zijn er ook meer middelen beschikbaar om de productiviteit te optimaliseren. Op een bepaald moment wordt een areaal echter te groot en te onoverzichtelijk en zal de efficiëntie weer dalen. Deze efficiëntie heeft een weerslag op de opbrengst. Dit model wordt getest voor de 5 belangrijkste gewassen, nl, die gewassen die volgens de NIS-tellingen in 2000 het grootste areaal uitmaakten en tevens de oorzaak waren van de grootste nutriëntenafvoer binnen de groep marktbare gewassen. Deze gewassen zijn wintertarwe, suikerbieten, halfvroege en late aardappelen, wintergerst en (droge en natte) korrelmaïs. Zij vertegenwoordigen 73 % van het areaal marktbare gewassen en 82 % van de nutriëntenafvoer, zoals die tot dusver berekend is in het kader van de MIRA-rapportering. Tabel 3.2. toont een overzicht van de belangrijkste gewasgroepen en hun aandeel in de BLO en de nutriëntenafvoer. Tabel 3.2. Aandeel van de 5 hoofdgewassen in het areaal en in de stikstofafvoer marktbare gewassen

N-afvoer (ton) percentage

marktbare cumulatief gewassen

aantal ha

percentage

cumulatief

wintertarwe

3266.00

45.19

45.19 wintertarwe

200600.44

34.83

34.83

suikerbieten

930.89

12.88

58.07 suikerbieten

90857.53

15.78

50.60

aandappelen

732.29

10.13

75.11 wintergerst

40349.25

7.01

66.82

wintergerst korrelmaïs

498.68 528.72

6.90 7.32

64.97 aardappelen 82.42 korrelmaïs

53046.37 35783.18

9.21 6.21

59.81 73.03

De percentages zijn uitgedrukt tegenover de totalen van de marktbare gewassen in België. Bron: NIS-tellingen en -statistieken 2000 en BDB.

Vervolgens worden de 12 landbouwstreken, gedefinieerd in de boekhoudingen van het CLE, gegroepeerd volgens gelijkenissen qua gewasopbrengst. Volgens de geografische ligging en de bodemsamenstelling, kunnen bepaalde streken reeds a priori samengenomen worden. Deze beslissing wordt geverifieerd met een statistische toets voor meervoudige vergelijking van gemiddelden, toegepast per gewas en per landbouwstreek. Het resultaat wordt weergegeven in tabel 3.3. Indien de gemiddelde productie van 2 landbouwstreken niet significant (met een niveau van 0,0001) verschilt van elkaar, wordt een 1 gegeven in het passende vakje van de matrix. Het maximum aantal punten is 5, hetgeen betekent dat voor elk van de 5 gewassen geen significante verschillen werden gevonden. Zo worden de Polders als een groep apart aanzien, vermits de productie daar quasi telkens significant hoger is. De Zandstreek en de Kempen vormen een andere groep, de Zandleemstreek en de Leemstreek in Vlaanderen, samen met de enkele bedrijven in de Luikse weidestreek die op het Vlaamse grondgebied liggen, vormen de derde en de laatste groep in Vlaanderen. Bijgevolg: regio 1 = Polders; regio 2 = Zandstreek en Kempen; regio 3 = Zandleemstreek, Leemstreek en Luikse Weidestreek in Vlaanderen. Tabel 3.4 geeft een kort overzicht van de 5 regio’s en de opbrengst van de 5 gewassen volgens de CLE-boekhoudingen in 1999.

39


Tabel 3.3. Groepering van de landbouwstreken in regio’s. 1. 2. 3. 4. 5. 7.

1 5

Polders Zandstreek Kempen Zandleemstreek Leemstreek Luikse weidestreek

2 1 5

3 1 3 5

4 1 1 2 5

5 3 0 1 2 5

7 3 2 3 4 4 5

De Tukey-test werd gebruikt om de meervoudige vergelijking van gemiddelden te toetsen. Zij werd, na een grondige analyse van de verschillende tests, verkozen, aangezien zij ook bruikbaar is voor groepen met een verschillend aantal waarnemingen (in elke landbouwstreek zijn niet evenveel landbouwbedrijven) en ze correct controleert voor de opgelegde globale kans op een type I fout (a: risico om ten onrechte de nulhypothese te verwerpen).

Tabel 3.4. Het areaal, de productie en de productiviteit van de 3 regio’s per gewas (1999) gewas

wintertarwe

suikerbieten

aardappelen

wintergerst

korrelmaïs

regio

aantal bedrijven 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3

37 23 139 36 25 164 29 39 116 4 12 45 7 74 51

totaal areaal (ha) 538.00 67.36 1207.47 343.86 100.50 1097.54 375.54 128.85 713.23 9.81 32.10 159.49 51.77 546.89 349.52

gemiddeld gew. gemiddelde areaal productiviteit (ha) (kg/ha) 14.54 8783 2.93 6791 8.69 8350 9.55 66062 4.02 62011 6.69 67532 12.95 42649 3.30 45435 6.15 40344 2.45 7042 2.68 5424 3.54 7805 7.40 11934 7.39 12407 6.85 12625

rek. gemiddelde productiviteit (kg/ha) 8551 7049 7965 65256 61384 66375 38497 41970 40758 7085 5326 7546 11713 12103 12098

Bron: CLE-boekhoudingen 1999.

Een regressievergelijking, waarbij x=areaal en y=opbrengst, moet een extrapolatie toelaten voor alle areaalgroottes. Een voorwaarde om een regressievergelijking te bepalen is dat de populatie normaal verdeeld is. Daar dit niet het geval is, zal een transformatie van x doorgevoerd worden voor elke regio teneinde deze normaliteit te verbeteren. In figuur 3.1 worden de originele rendementen voor wintertarwe in de Zandleemstreek en Leemstreek, gehaald uit de CLE-boekhoudingen, uitgezet tegenover het aantal hectare. Figuur 3.2 geeft de frequentie van de bedrijven in functie van het areaal dat aan wintertarwe is toegewezen. Het is duidelijk dat deze cijfers verre van normaal verdeeld zijn. Daarom worden de areaalgegevens aan een niet-lineaire transformatie onderworpen en op een schaal van 0 tot 100 gebracht (Lauwers, 1994).

40


Figuur 3.1. Productiviteit (kg/ha) per hectare voor wintertarwe in regio 3 (1990-1999) opbrengst (kg/ha) 14000 13000 12000 11000 10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 0 5 10

15 20

25 30

35 40 45 50 55 60 65 70 75 80 85

90 95 aantal ha


Figuur 3.2. Histogram van de areaalgrootte voor wintertarwe in regio 3 (1990-1999) frequentie 450 400 350 300 250 200 150 100 50 0 2

6

10 14 18 22 26 30 34 38 42 46 50 54 58 62 66 70 74 78 82 86 90 areaalklasse (ha)

Bron: berekeningen op de CLE-boekhoudingen.

41


Er worden 2 transformatiefuncties getest, waarbij volgende eisen in acht genomen worden (Lauwers,1994) : -

geen areaal komt overeen met de waarde 0 van de getransformeerde variabele,

-

de transformatiewaarde gaat naar 100 voor zeer grote bedrijven (liefst asymptotisch, daar er geen theoretische bovengrens op het bedrijfsareaal voorkomt),

-

een ‘gemiddeld’ bedrijfsareaal ligt halverwege de schaal,

- een verdubbeling of halvering van het gemiddeld bedrijfsareaal weegt even sterk door in de waardering en komt idealiter met ongeveer 75 en 25 overeen. De twee functies zijn: b *ln2    ln100−  x 

XT1 = e 

XT2 = 100 * (1 − e

(−

ln 2* x ) b

)

waarbij : - x: areaal (ha), - XT1, 2 : respectievelijk de LN-inverse transformatie en de transformatie op basis van een lineaire combinatie van een exponentiële functie en een constante, - bi: constante die een “gemiddeld” bedrijfsareaal definieert (met i :1? 5). Voor de bi-waarde werden er 5 alternatieven onderzocht. Indien het gemiddelde van de areaalgegevens groter is dan de mediaan, dan is: b1= mediaan - 1/3 * |gemiddelde-mediaan| b2= mediaan b3= mediaan + 1/3 * |gemiddelde-mediaan| b4= mediaan + 2/3 * |gemiddelde-mediaan| b5= mediaan + |gemiddelde-mediaan| = gemiddelde Indien de mediaan groter is dan het gemiddelde, dan is: b1= gemiddelde - 1/3 * |gemiddelde-mediaan| b2= gemiddelde b3= gemiddelde + 1/3 * |gemiddelde-mediaan| b4= gemiddelde + 2/3 * |gemiddelde-mediaan| b5= gemiddelde + |gemiddelde-mediaan| = mediaan

42


Daar de eerste transformatiefunctie te lang bij de lage waarden blijft en de tweede transformatie juist te snel naar de hogere waarden streeft, wordt geopteerd om tevens een gemiddelde van beide functies te testen, namelijk:

XT =

XT1 ( x, bi ) + XT2 ( x, bi ) 2

waarbij: - x: areaal (ha), - XT1, 2 : respectievelijk de LN-inverse transformatie en de transformatie op basis van een lineaire combinatie van een exponentiële functie en een constante, - bi: constante die een gemiddelde bedrijfsareaal definieert (met i :1? 5). Tabel 3.5. geeft voor de 5 teelten per regio de transformatiecurve weer die het dichtst de normaliteit benadert. Daar er steeds een trend in de transformatiecurves zit (bvb, wanneer voor een bepaalde groep bedrijven het type XT1−1 (dus met b1), beter is dan XT2−1 en XT−1 (met b1), dan zal voor de andere 4 b’s ook gelden dat het type XT1 een betere normaliteit heeft. En indien de normaliteit van XT1−3 de beste is, dan is de normaliteit van XT1− 2 beter dan van XT1−1 en die van XT1− 4 beter dan die van XT1−5 . Op die manier kon gemakkelijk de algemeen beste transformatie uitgekozen worden. Van de 24 beste transformaties, zijn 11 transformaties van het type XT2 . In het type XT2 zijn b2, b3 en b4 het meest voorkomend, samen komen zij 9 keer voor. Door de trend die in de normaliteitswaarde van de types zit, kan men besluiten dat type XT2−3 de meest geschikte transformatiecurve is. De transformatiefunctie is bijgevolg:

XT2−3 = 100 * (1 − e

waarbij:

(−

ln 2 * x ) b3

)

- x: aantal ha; - b3: mediaan + 1/3 * |gemiddelde-mediaan|;

-

mediaan, gemiddelde: mediaan en gemiddelde van het aantal ha van de teelt in de beschouwde regio.

Figuur 3.3 geeft het histogram van de getransformeerde areaalvariabele XT2−3 weer. De normaliteit wordt reeds heel wat beter benaderd.

43


Tabel 3.5. De 5 hoofdteelten en hun beste transformatiecurve per regio teelt

regio

wintertarwe

1 2 3 1 2 3 1 2 3 1 2 3 1 2 3

suikerbieten

aardappelen

wintergerst

korrelmaïs

bedrijven (‘90-‘99) 464 357 1952 398 241 1989 284 427 1411 80 231 880 29 439 390

grootte van de activiteit (ha) mediaan gemiddelde 11,70 14,12 3,15 3,97 6,10 8,60 6,19 7,58 3,17 4,17 4,63 6,18 6,44 8,40 1,66 2,54 3,60 5,25 2,64 2,94 1,62 2,21 3,14 3,86 4,10 8,44 5,00 7,46 3,50 6,60

beste transformatiecurve type normaliteit XT2-5 0,949556 XT2-2 0,955144 XT2-3 0,937965 XT-1 0,955668 XT1-3 0,964305 XT-2 0,954065 XT2-4 0,943456 XT2-3 0,936546 XT2-4 0,945939 XT2-1* 0,971383 XT-2 0,960749 XT-2 0,95215 XT1-1 0,926088 XT-2 0,949718 XT1-2 0,948766

(D): De normaliteit werd getest met de Shapiro and Wilk toets, waarbij de normaliteit zo dicht mogelijk bij 1 moet liggen. Indien er een groot aantal waarnemingen zijn, wordt de Kolmogorov-D statistiek berekend. *: significant normaal verdeeld.

Figuur 3.3. Histogram van de areaalgrootte voor wintertarwe in regio 3 na transformatie van de X-as (1990-1999) frequentie 140 120 100 80 60 40 20 0 4

8

12 16 20 24 28 32 36 40 44 48 52 56 60 64 68 72 76 80 84 88 92 96 100

klasse XT2-3 klasse

XT2−3 : de volgens bovenvermelde functie getransformeerde areaalvariabele, ingedeeld in klassen.

Figuur 3.4 toont het rendement volgens de getransformeerde arealen. Een regressieanalyse maakt het mogelijk om een deel van de variatie van de productiviteit volgens bedrijfsareaal te verklaren. Er wordt gekozen voor een kwadratische regressie, vanuit

44


de vooropstelling dat met stijgende en dalende schaalopbrengsten rekening wordt gehouden. Voor elk jaar van de periode 1990-1999 wordt een kwadratische regressie getrokken. Op die manier kan de variabiliteit in rendement over de jaren heen beschouwd worden. Deze is inderdaad duidelijk sterk afhankelijk van jaar tot jaar. Daarom zal de kwadratische regressie op de relatieve productiviteitswaarden berekend worden. Deze relatieve waarden worden berekend tegenover de gewogen gemiddelde productiviteit van elk jaar. Elk gewogen gemiddelde van een jaar heeft dus de waarde 100 (figuur 3.5). In een laatste stap wordt 1 enkele regressiecurve aangepast aan de tot relatieve waarden teruggebrachte resultaten van de 10 jaar samen (figuur 3.6). De vergelijking van deze curve, opgesteld per regio en per gewas, zal dienen om de productiviteit volgens bedrijfsareaal te berekenen. In de veronderstelling dat de vele kleine bedrijven met een te grote variabiliteit in opbrengst, de regressierechte sterk zouden beïnvloeden, wordt onderzocht of, bij het bepalen van de regressie de bedrijven kleiner dan 0,5 ha of 1 ha uit de gegevens verwijderd moeten worden. Daarvoor worden de arealen in 12 grootteklassen ingedeeld en wordt de variatiecoëfficiënt bepaald (V.C. = 100*standaardafwijking / gemiddelde). Het blijkt dat de V.C. in de kleinste klassen niet zozeer verschilt van de hogere klassen. De hele kleine arealen worden bijgevolg behouden. Figuur 3.4. Productiviteit voor wintertarwe in kg/ha in regio 3 per getransformeerde hectare met een kwadratische regressie voor elk jaar opbrengst (kg/ha) 14000 13000 12000 11000 10000

1996

9000 8000 7000

1999 1994

1998 1993 1997 1991 1995

1992 1990

6000 5000 4000 3000 2000 1000 0 0

10

20

30

40

50

60

70

80

90 XT2-3100

Bron: eigen berekeningen op basis van de CLE-boekhoudingen 1990-1999.

45


Figuur 3.5. Productiviteit in % t.o.v. de gemiddelde gewogen productiviteit per jaar in regio 3 per getransformeerde hectare met een kwadratische regressie voor elk jaar opbrengst (%) 180 170 160 150 140 130 120 110 100 1991 90 1995 1994 80 1999 70 60 50 40 30 20 10 0 0 10

1996 1990 1992 1 9 9 3 1997 1998

20

30

40

50

60

70

80

90

100 XT2-3


Figuur 3.6. Productiviteit in % t.o.v. de gemiddelde gewogen productiviteit per jaar in regio 3 per getransformeerde hectare met één kwadratische regressie en zijn vergelijking

46


opbrengst (%) 180 170 160 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0 0

10

y = -0,0022x2 + 0,319x + 89,399

20

30

40

50

60

70

80

90

100 XT2-3


47


3.3. Conclusie en resultaten Na berekening van de nutriëntenafvoer, blijkt dat het effect van de toe- en afnemende schaalopbrengsten miniem is, slechts 1,2 %. Met dit effect zal bijgevolg geen rekening gehouden worden bij het afleiden van het extrapolatiemechanisme. Het verschil tussen afvoer berekend met NIS-opbrengstgegevens en afvoer berekend met voornamelijk CLE-opbrengstgegevens volgens het uitgewerkte rekenalgoritme (zie 3.4) volgt een opmerkelijke trend. Tot voor 1995 was de afvoer volgens de NIS-opbrengsten systematisch lager (7 %) dan volgens het rekenalgoritme. Vanaf 1995 heeft het NIS op aanvraag van EUROSTAT een nieuw observatiemechanisme ontwikkeld voor de schatting van de opbrengsten. Dit leidde blijkbaar tot een proportioneel hogere opbrengstinschatting. Gemiddeld ligt de afvoer nu zelfs 1 % hoger dan de afvoer berekend volgens het rekenalgoritme. In bijlage 2 vindt men de cijferreeksen. Figuur 3.7 toont de geconsolideerde cijferreeks, berekend volgens het rekenalgoritme en een vergelijking met de afvoer berekend volgens de NIS-opbrengsten. Deze laatste reeks komt niet overeen met de reeks gehanteerd in MIRA-T 2001, aangezien er met lagere generieke afvoercoëfficiënten gerekend wordt, de areaalafbakening lichtelijk verschilt en de nutriëntenafvoercoëfficiënten niet voor alle gewassen gelijk gebleven zijn. In vergelijking met de afvoer volgens het nieuw ontwikkelde algoritme, ligt de nieuwe reeks 4 % lager dan de oude reeks uit MIRA-T 2001. Figuur 3.7. Stikstof- en fosforafvoer met marktbare gewassen volgens het rekenalgoritme en volgens de NIS-opbrengstgegevens miljoen kg 45 40 35 30 N (NIS)

25

N (algoritme) P (NIS)

20

P (algoritme) 15 10 5 0 1990

1991

1992

1993

1994

1995 1996

1997

1998

1999

2000

2001

Bron: eigen berekeningen op basi van NIS-, CLE-, IKC-L- en BDB-gegevens.

48


3.4.Rekenalgoritme In figuur 3.8 wordt het algoritme ter berekening van de nutriëntenafvoer en ontwikkeld in dit hoofdstuk, kort samengevat weergegeven. De areaalgegevens per gewasgroep worden uit de NIS-tellingen gehaald. Voor elke afzonderlijke gewasgroep, gedefinieerd volgens de NIS-tellingen, wordt dit algoritme gevolgd. De productiviteitscijfers van het CLE worden berekend als een gewogen gemiddelde van de productie per hectare per landbouwstreek. Indien er onvoldoende observaties voorhande zijn ( < 1 % van het NIS-areaal), wordt het Vlaams gewogen gemiddelde overgenomen. Vermits de CLE-opbrengstgegevens voor het jaar X-1 van de MIRA-rapportering in het jaar X niet beschikbaar zijn op het ogenblik van de berekeningen, wordt een voorlopig cijfer voor het jaar X-1 gegenereerd, gebaseerd op de NIS-opbrengsten. Hetzelfde algoritme wordt dan gevolgd, behalve voor de productiviteitsgegevens worden steeds de NIS-opbrengsten genomen. Figuur 3.8. Rekenalgoritme voor de nutriëntenafvoer van de gewasgroepen nutriëntenafvoercoëfficiënt IKC-L?

ja

neen

nutriëntenafvoercoëfficiënt BDB?

hanteer IKC-L coëfficiënt

ja

productiviteitsgegevens CLE?

ja

neen

hanteer BDB coëfficiënt

neen

afvoer = productiviteit CLE (ton/ha) x coëfficiënt (kg/ton) x areaal (ha)

productiviteitsgegevens NIS?

ja

neen

afvoer = generieke afvoercoëfficiënt (kg/ha) x areaal (ha)

afvoer = productiviteit NIS (ton/ha) x coëfficiënt (kg/ton) x areaal (ha)

49


4. NUTRIENTENAFVOER DOOR GRAS EN GROENVOEDERS 4.1. Inleiding Op dezelfde wijze als bij de marktbare gewassen werd in MIRA de nutriëntenafvoer door gras en groenvoedergewassen berekend op basis van opbrengsten en arealen uit de NIS-statistieken en NIS-tellingen, vermenigvuldigd met nutriëntengehaltes van de BDB. De opbrengst van grasland is in de statistieken erg laag in vergelijking met de literatuur (7,0 ton DS/ha voor tijdelijk gras voor het afmaaien en 6,3 ton DS/ha voor blijvend gras voor het afmaaien in 1999). Daarom werd in MIRA-T 2001 met opbrengsten van 11, 12 en 13 ton DS/ha gerekend, respectievelijk voor grasland onder graasregime, onder gemengd regime en onder maairegime. Deze cijfers werden ons persoonlijk meegedeeld door L. Vanongeval, na een literatuuranalyse over graslandopbrengsten. Er bestaat het vermoeden dat in de rundveehouderij de gehanteerde uitgangspunten in de monitoring niet coherent zijn met de reële nutriëntenstromen (Bouquiaux et al., 1998). Dit kan te wijten zijn aan het uitgangspunt voor de graslandopbrengsten of aan de gebruikte excretiecijfers of aan verliesstromen die niet in rekening gebracht zijn. In een nutriëntenbalansmodel waar aan de inputzijde kunstmest, dierlijke en overige mest, N-fixatie en depositie staan en aan de outputzijde de graslandopbrengst en de opbrengst van de andere groenvoedergewassen, heeft een te lage inschatting van de dierlijke excretiecoëfficiënten tot gevolg dat of de graslandopbrengst of de overschotpost eveneens te laag geschat wordt teneinde de samenhang in de balans te respecteren. In tegenstelling tot de marktbare gewassen, waar gegevens over fysische opbrengsten beschikbaar zijn in de CLE-boekhoudingen, moet men het voor de fysische opbrengsten van gras en groenvoeders hebben van de schaarse literatuurgegevens. Daarbij komt dat grasland een enorm variabele opbrengst heeft, al naargelang de veebezetting, het maai- en weidebeheer, het bodemtype en de bemestingshoeveelheid. Vermits het areaal grasland meer dan de helft van het landbouwareaal omvat, is een exactere inschatting van de opbrengst ervan en de gerelateerde nutriëntenafvoer van groot belang voor de balansberekening. In dit hoofdstuk richt het onderzoek zich specifiek op het uitklaren van de nutriëntenbalans op de gespecialiseerde melkveebedrijven in Vlaanderen, waar grasland meer dan de helft van het bedrijfsareaal beslaat en waar uit diverse studies blijkt dat de milieuverliezen op 275 kg N/ha geraamd kunnen worden. Dit overschot is niet afkomstig van bodembalansberekeningen, maar van bedrijfsbalansberekeningen die onafhankelijk zijn van de graslandopbrengst of de dierlijke excretie. Beide balansmethoden dienen wel hetzelfde overschot te genereren. Een indirecte schatting en een grondige literatuuranalyse moeten verder duidelijkheid brengen. Om de coherentie van de berekende nutriëntenstromen op het melkveebedrijf te testen, wordt een zogenaamd modaal bedrijf gedefinieerd als referentiekader (4.2). Dit bedrijf wordt getoetst aan de literatuur. Met behulp van dit referentiekader en uitgangspunten over de nutriëntenexcretie en de uiteindelijke balans (nutriëntenoverschot) van het systeem “melkveehouderij” kan een indirecte afleiding van de gewasproductiviteit uitgevoerd worden (4.3). Aangezien de uitgangspunten

50


eveneens onzeker zijn, wordt op beide een sensitiviteitsanalyse doorgevoerd (4.4 en 4.5). Door vergelijking van de resultaten van deze sensitiviteitsanalyse met informatie uit de literatuur, wordt het mogelijk om sets van onderling coherente aannames van grasproductie, excretie en balansen te definiëren, welke uiteindelijk doorgerekend worden op de NIS-populatie.

4.2. De N-bodembalans op het modaal melkveebedrijf 4.2.1. Het modaal melkveebedrijf Voor het bepalen van de N-bodembalans wordt er gewerkt met een modaal bedrijf per regio, als gemiddelde van een modale, homogene groep melkveebedrijven. Enkel de rundveebedrijven, welke praktisch uitsluitend met melkkoeien werken en bijhorend jongvee, worden beschouwd. Deze populatie gespecialiseerde bedrijven wordt als volgt uit een homogene groep uit de NIS-tellingen geïsoleerd: voor elk bedrijf worden de verhoudingen van het aantal runderen tegenover het aantal melkkoeien berekend. Deze ratio’s worden bepaald voor de mestkalveren, de zoogkoeien, de fokdieren en de vleesrunderen, waarbij de laatste 2 opgesplitst worden volgens leeftijd. Een laatste groep zijn de andere runderen, waartoe o.a. de reforme runderen gerekend worden. Vervolgens wordt, per regio en via een iteratieve methode, telkens bedrijven weggelaten, waarvan bedoelde ratio’s het verst van het gemiddeld melkveebedrijf gelegen zijn. Dit volgens een interval [ gemiddelde +/- z x standaardafwijking], waarbij z = 4 of 3. Wanneer, na 5 iteraties met z= 4 en een bijkomend aantal iteraties met z = 3, de waarden tot op 0,01 constant blijven, wordt gestopt. Het aantal dieren per melkkoe in deze kernpopulatie van melkveebedrijven wordt per geaggregeerde landbouwstreek weergegeven in tabel 4.1. Tabel 4.1. Het aantal runderen per melkkoe op het gemiddelde bedrijf van een homogene modale populatie van melkveebedrijven per regio regio

1. Polders

bedrijven uit de modale populatie

aantal dieren per melkkoe mest- fokdieren kalveren <1j

fokdieren >1j<2j

vleesrun- vleesrunderen deren <1j >1j<2j

andere runderen

zoogkoeien

193

0

0,36

0,31

0,01

0

0,14

0

2. Zandstreek en Kempen

2268

0

0,37

0,35

0,01

0

0,13

0

3. Vlaamse Zandleemstreek, Leemstreek, Luikse Weidestreek

1110

0

0,36

0,32

0,01

0

0,16

0

Vlaanderen

3457

0

0,36

0,33

0,01

0

0,13

0

Bron : berekeningen op basis van de NIS-boekhoudingen 2000.

Van deze geïsoleerde populatie bedrijven wordt de nutriëntenproductie berekend a.d.h.v. het aantal runderen en de forfaitaire uitscheidingscijfers. Deze wordt 51


vervolgens uitgedrukt tegenover de productiefactor “melkkoe” (d.i. melkkoe inclusief bijhorend jongvee). In tabel 4.2 worden de kenmerken van het modaal melkveebedrijf samengevat, samen met het kunstmestgebruik. Het kunstmestgebruik op gras en op andere gewassen wordt uit de CLE-boekhoudingen gehaald. Tabel 4.2. Kenmerken van een modaal melkveebedrijf in de verschillende regio’s van Vlaanderen productie (kg) / PF melkkoe regio

melkkoeien

areaal melkkoe/ (ha) GVG

N

P

productie / GVG (kg/ha) N

P

kunstmestgebruik (kg/ha) N op gras

N op nietgras

P op nietgras

1

36,94 23,35

1,58 137,76

18,48 217,96

29,24 179,94

154,04

5,21

2

46,78 26,44

1,77 139,54

18,73 246,91

33,15 212,90

66,52

9,03

3

34,98 19,59

1,79 140,84

18,89 251,54

33,74 183,10

122,53

10,72

Vlaanderen

42,89 24,40

1,76 139,44

18,72 245,11

32,90 199,91

110,53

9,26

Bron: berekeningen op basis van de NIS-boekhoudingen 2000, CLE-boekhoudingen 1999. GVG: areaal groenvoedergewassen inclusief gras in hectare. N-productie / PF melkkoe: N-productie van de melkkoeien zowel als van de bijbehorende fokdieren, vleesrunderen en andere runderen per productiefactor melkkoe.

Dit modale bedrijf wordt aan een vergelijking onderworpen met 2 studies die bedrijfsbalansen op melkveebedrijven hebben uitgevoerd, één in het Meetjesland en één in geheel Vlaanderen. Uit de vergelijking kan worden besloten dat het modaal bedrijf inderdaad een werkbaar gemiddelde is van de reële situatie. De eerste studie (jaren 1996-2000) van Verbruggen et al. (2001) werd uitgevoerd in het Meetjesland, gelegen in regio 2 (Zandstreek en Kempen) van de geaggregeerde landbouwstreken. In vergelijking met het modaal bedrijf van regio 2, vermeldt de studie een iets hoger areaal (28,5 tot 31,6 ha t.o.v. 26,4 ha). Het aandeel grasland schommelt rond de 51 à 52,5 % tegenover 57 % voor het modaal bedrijf. Het gemiddeld aantal melkkoeien is hoger, met een gemiddelde van 50 per bedrijf. Ook zijn er meer fokdieren jonger dan 1 jaar en ouder dan 1 jaar (respectievelijk 0,40 en 0,40 per melkkoe). Het aantal melkkoeien per hectare bedraagt 1,63 tot 1,81 en komt dus gemiddeld overeen met de 1,77 van het modale bedrijf in regio 2. In een artikel van Audenaert in Landbouw & Techniek (2001) worden de cijfers uit deze 5b-studie vergeleken met het streekgemiddelde van de Vlaamse Zandstreek uit de boekhoudingen van de Boerenbond. Daaruit blijkt dat het aantal melkkoeien per bedrijf in de streek iets lager ligt, nl. 45 en het aantal stuks jongvee in totaal hoger (nl. 55). De oppervlakte ruwvoerder bedraagt 28,3 ha en het aandeel gras is eveneens 51,0 à 52,5 %. Michiels et al. (1998) voerden een studie uit omtrent mineralenbalansen op melkveebedrijven voor gans Vlaanderen in de jaren 1991-1996. Zij vermelden dat er per bedrijf 69,6 melkkoeien 32,2 ha tot beschikking hebben, wat hoog is in vergelijking met de 42,9 melkkoeien en de 24,4 ha van het modale Vlaamse bedrijf. Het aandeel grasland en maïs bedragen respectievelijk 60 % en 39 % t.o.v. 58 % en

52


38 % voor het modale bedrijf, het areaal groenvoedergewassen wordt ingevuld door voornamelijk voederbieten en luzerne. De hoeveelheid kunstmest per ha in het modaal melkveebedrijf in regio 2 en in de literatuur zijn respectievelijk 150 kg N/ha tegenover 130 tot 204 kg N/ha in het Meetjesland en 162 kg N/ha tegenover 175 kg N/ha in gans Vlaanderen (Michiels et al., 1998). Opvallend is dat in regio 2 er een relatief grote disproportie is op het modale bedrijf tussen de kunstmestgift op gras en op andere gewassen in vergelijking met de andere regio’s. Er wordt meer kunstmest op gras gestrooid en minder op de andere gewassen: 213 kg N/ha op gras, 67 kg N/ha op andere gewassen tegenover respectievelijk 200 en 111 kg N/ha op in Vlaanderen. Wanneer men de kunstmestcijfers van de studie in het Meetjesland, gelegen in regio 2, bekijkt, blijken de hoeveelheden eveneens sterk te verschillen tussen gras en andere gewassen, zelfs nog meer, nl. respectievelijk 226-315 kg N/ha op gras en 33-68 kg N/ha op andere groenvoedergewassen. 4.2.2. De incoherentie op de bodembalans Op melkveebedrijven ziet de nutriëntenbalans er als volgt uit: de inkomende nutriëntenstromen op grasland zijn kunst- en dierlijke mest, organische mest, strooisel, depositie en stikstoffixatie. De uitgaande stromen zijn de nutriënteninhoud van de graslandopbrengst en de opbrengst van overige voedergewassen. Het saldo tussen beiden is het nutriëntenoverschot. Deze nutriënten blijven in de bodem achter, vervluchtigen of komen terecht in het water. Zij worden opgenomen in de verschillende milieuthema’s van MIRA, waarvan voor landbouw de belangrijksten vermesting, verzuring en broeikasgassen zijn. De dierlijke mest is de belangrijkste input en wordt berekend via de forfaitaire uitscheidingscijfers van het MAP en het aantal runderen (NIS-tellingen). Tevens wordt er gerekend dat er 20 kg N en 6 kg P organische mest/ha wordt ingevoerd van derden (Mulier et al., 2001; Verbruggen et al., 2001, Michiels et al., 1998). Voor kunstmest wordt teruggegrepen naar de CLE-boekhoudingen, waarbij een onderscheid gemaakt wordt tussen kunstmest op gras en kunstmest op andere gewassen. Stikstoffixatie wordt volgens de MIRA-rapportering als volgt berekend: respectievelijk 125 kg N/ha voor fixatie door klaver en 250 kg N/ha voor fixatie door luzerne. De stikstof- en fosfordepositie bedragen respectievelijk 40 kg N/ha e n 1 kg P/ha. De opbrengst van de voedergewassen en de arealen worden uit de NIS-statistieken gehaald en de nutriëntencoëfficiënten worden betrokken uit het IKC-L (zie 3.1). De bijdrage van strooisel is te verwaarlozen. In het kader van de MIRA-rapportering vergeleek L. Van Ongeval verschillende proeven omtrent graslandopbrengsten met elkaar. De opbrengsten varieerden van 19 ton DS/ ha onder een intensief maairegime tot 4,9 ton DS/ ha op een onbemeste zandgrond onder maaiomstandigheden. Onder graasomstandigheden is de productie nog moeilijker meetbaar. Op basis van deze proefresultaten werd een graslandopbrengst van 11, 12 en 13 ton DS/ha gekozen voor de MIRA-monitoring respectievelijk voor grasland onder graasregime, onder gemengd regime en onder maairegime. Gemiddeld komt dit neer op 11,65 ton DS/ha voor Vlaanderen. De NISopbrengstcijfers voor grasland, die jaarlijks door het NIS worden gepubliceerd,

53


werden immers als te laag beschouwd. Bovendien geeft het NIS enkel opbrengstcijfers van gemaaid grasland en niet voor afgegraasd grasland. Zo werd in het oogstjaar 1999 een opbrengst van 7,03 ton DS/ha voor tijdelijk en 6,30 ton DS/ha voor blijvend grasland opgegeven door het NIS voor het Vlaamse Gewest. De nutriënteninhoud van gras is 32 kg N/ton en 5 kg P/ton. De opbrengst en nutriënteninhoud van de andere groenvoedergewassen zijn te vinden in tabel 4.3. Tabel 4.3. Productiviteit (ton/ha) van het jaar 2000 en stikstof- en fosforinhoud (kg/ton) van het verse product van groenvoedergewassen per regio regio 1 teelt maïs voederbiet klaver luzerne andere

regio 2

regio 3

N-inh. P-inh. prod. N-inh. P-inh. prod. N-inh. P-inh. 3,8 0,5 44,0 3,8 0,5 44,2 3,8 0,5 1,9 0,2 100,0 1,9 0,2 103,0 1,9 0,2 17,6 2,5 9,1 17,6 2,5 7,7 17,6 2,5 5,8 0,6 11,2 5,8 0,6 9,9 5,8 0,6 5,0 0,5 25,0 5,0 0,5 31,6 5,0 0,5

Vlaanderen prod. N-inh. P-inh. prod. 46,3 3,8 0,5 45,0 97,8 1,9 0,2 103,0 7,9 17,6 2,5 8,4 10,5 5,8 0,6 11,2 20,9 5,0 0,5 29,4

Bron: BDB, NIS-statistieken 2000. Inhoudscoëfficiënten gehanteerd in MIRA-T 2001, coëfficiënten voor MIRA-T 2002 zijn te vinden in blijage 2.

Na berekening van de balans van het Vlaamse modaal melkveebedrijf volgens de hierboven vermelde methode, bedraagt het overschot 193 kg N/ha en 1,4 kg P/ha (tabel 4.4.). Tabel 4.4. Bodembalans op het modale melkveebedrijf voor Vlaanderen, volgens MIRA input (kg/ha)

output (kg/ha) N

P

dierlijke mestproductie (MAP2bis)

245,1

32,9

kunstmest

162,0

3,9

organische mest van derden

20,0

6,0

depositie

40,0

1,0

stikstoffixatie

9,4

/

graslandproductie (11,65 ton DS/ha) andere groenvoedergewassen

saldo (kg/ha)

N

P

214,7

33,5

68,8

8,9

193,0

1,4

Bron: eigen berekeningen op basis van de CLE-boekhoudgegevens (1999) en het NIS (2000).

Het saldo ligt, zowel voor stikstof als voor fosfor erg laag in vergelijking met de literatuur. Uit simulaties op basis van de CLE-boekhoudgegevens door Bouquiaux et al. (1998) bedroeg het N-overschot voor een gespecialiseerd melkveebedrijf 275 kg N/ha voor de Kempen in het jaar 1995. In de studie van Verbruggen et al. (2001) worden de MINAS-eindnormen uit Nederland vertaald naar Vlaanderen en komt men tot een streefwaarde van 275 kg N/ha overschot. Hier werd echter reeds een correctie aangebracht voor de ammoniakemissie. Zonder correctie, bedraagt het overschot 323 kg N/ha. Het P-overschot is volgens de MINAS-eindnormen 30 kg P/ha. 54


Verbruggen et al. (2001) vermeldden overschotten variërend tussen 412 en 251 kg N/ha en tussen 37,6 en 18,3 kg P/ha geraamd over 4 jaar (1996-’97 tot 1999’00) op 25 melkveebedrijven in het Meetjesland, waarbij de meest extensieve bedrijven in de laagste overschotsklasse zitten. In het jaar 1995-1996 werd het overschot op 41 Vlaamse melkveebedrijven gerekend op 294,2 kg N/ha (Michiels et al.,1998). Aangezien het een relatief droog jaar betrof, werd er meer krachtvoeder aangekocht om het tekort aan gras en ander ruwvoeder te compenseren, wat het overschot gemiddeld 10 kg N/ha de hoogte injoeg. Sommige onderzoeken vermelden overschotten die enkele tientallen kilogrammen lager liggen, maar dit is veelal te wijten aan het feit dat er bij de inkomende stromen geen rekening werd gehouden met de N-depositie en N-fixatie, wat kan oplopen van 40 tot een verschil van zelfs 80 kg N/ha (Mulier et al., 2001). Voor fosfor ligt het overschot volgens Michiels et al. (1998) in de grootteorde van 32,4 tot 22,8 kg P/ha. Al deze cijfers zijn afkomstig uit bedrijfsbalansberekeningen. Bodembalansberekeningen, zoals toegepast in de monitoring, worden zelden of niet toegepast op individuele bedrijven. Het berekende overschot van beide balansmethodes zou echter identiek moeten zijn (OECD, 2001). In het vervolg van de studie zal het overschotscijfer van 275 kg N/ha van Bouquiaux et al. (1998) als richtwaarde genomen worden voor stiksof en zal 20 kg P/ha genomen worden voor het fosforoverschot. Indien men nu dit stikstofoverschot toetst aan de graslandopbrengst en de N uit dierlijke mest, blijkt dat een overschot van 275 kg N/ha slechts gehandhaafd kan worden bij een stijging van de dierlijke N-excretie met 33 % of een daling van de graslandopbrengst met 38 % tot 7,2 ton DS/ha. Er is dus duidelijk een incoherentie in de huidige berekeningen die tevens gehanteerd worden in de MIRA-monitoring (tabel 4.5.). Tabel 4.5. Incoherentie van de N-balans voor het modale melkveebedrijf in Vlaanderen. stikstofbalans Vlaanderen graslandopbrengst = 11,65 ton/ha forfaitaire dierlijke excretie graslandopbrengst = 7,2 ton/ha (= 62 % van 11,65 ton/ha) forfaitaire dierlijke excretie graslandopbrengst = 11,65 ton/ha forfaitaire dierlijke excretie + 33 %

input (kg N/ha)

output (kg N/ha)

balansoverschot (kg N/ha)

477

284

193

477

202

275

559

284

275

Bron: eigen berekeningen op basis van CLE-boekhoudingen 1999, NIS-statistieken 2000.

55


4.3. Graslandopbrengst, indirecte analyse van het veeteeltsysteem Om de incoherentie verder te analyseren, wordt de graslandopbrengst per regio afgeleid door terug te rekenen op de bodembalans. Met behulp van bovenvermelde benaderingen wordt via een indirecte berekeningsmethode van de balans, de graslandopbrengst voor de verschillende regio’s berekend en dit voor stikstof (tabel 4.5.). Een voorbeeld van berekening van de graslandopbrengst voor bvb. regio 1, wanneer uitgegaan wordt van een “referentie” overschot van 275 kg N/ha en de forfaitaire excretiecijfers (MAP2bis):

• Inputzijde: -

productie dierlijke mest = 217,96 kg/ha * 23,35 ha = 5 088,70 kg N;

-

invoer organische mest = 20 kg/ha * 23,35 ha = 467,00 kg N;

-

kunstmest op gras = 179,94 kg/ha * 13,39 ha = 2 409,46 kg N;

-

kunstmest op andere GVG = 154,04 * (23,35 – 13,39) ha = 1 533,74 kg N;

-

depositie = 40 kg/ha * 23,35 ha = 933,88 kg N;

-

N-fixatie klavers en luzerne = 125 kg/ha * 0,01 ha + 250 kg/ha * 3,83 ha = 960,04 kg N.

?

som input: 11 392,82 kg N.

Uitgaand van een overschot van 275 kg N/ha * 23,35 ha = 6 420,45 kg N, volgt dat:

• outputzijde= verschil tussen input en overschot= afvoer groenvoedergewassen (GVG) = (11 392,82 – 6 420,45) kg = 4 972,37 kg N. Om de N-afvoer van grasland te bepalen, wordt eerst de N-afvoer van de GVG berekend a.d.h.v. de nutriëntencoëfficiënten (BDB) en hun gewasproductiviteit zoals gepubliceerd door het NIS (2000). Deze afvoer (tabel 4.6) wordt afgetrokken van de totale output.

• N-afvoer GVG zonder gras = 1 277,09 kg N (zie tabel) Tabel 4.6. Nutriëntenafvoer van de groenvoedergewassen areaal (ha)

productiviteit (ton/ha)

N-inhoud (kg/ton)(*)

N-afvoer (kg) GVG excl.gras

gras

13,39

?

32

?

mais

6,01

44

3,8

1 006,05

voederbieten

0,10

100

1,9

19,19

klavers

0,01

9

17,6

1,9

luzerne

3,83

11

5,8

249,96

andere

0,00

25

5,0

0

gewas

De N-inhoud en de productiviteit worden steeds op vers-productbasis weergegeven, behalve voor grasland, waar het op droge stof-basis weergegeven wordt.

(*)

N-inhoudscoëfficiënten gehanteerd in MIRA_T 2001, coëfficiënten voor MIRA_T 2002 zijn opgenomen in bijlage 2.

56


•

N-afvoer van gras = (4 972,37 – 1 277,09) kg N = 3 695,28 kg N.

•

Graslandopbrengst = 3 695,28 kg N/ (32 kg/ton * 13,39 ha) = 8,62 ton/ha.

Deze benadering werd uitgevoerd voor de 3 regio’s en uit tabel 4.7 blijkt dat de hoogste opbrengst in de Polders voorkomt en, zoals hierboven reeds aangetoond, 8,6 ton DS/ha bedraagt. De andere opbrengsten liggen allemaal een stuk lager. Regio 2, die het representatiefst is, aangezien het overschot van 275 kg/ha van een melkveebedrijf uit de Kempen komt, geeft een opbrengst van 6,3 ton DS/ha. Tabel 4.7. Bodembalans van melkveebedrijven en graslandopbrengsten per regio regio

input (kg N/ha)

overschot (kg N/ha)

output (kg N/ha)

opbrengst gras (ton DS/ha) 8,62

1

487,97

275

212,97

2

460,39

275

185,39

6,28

3

482,74

275

207,74

7,39

Vlaanderen

476,51

275

201,51

7,20

Bron: eigen berekeningen op basis van CLE-boekhoudingen (1999), NIS-statistieken (2000), BDB, MIRA-T 2001.

Deze cijfers zijn uiterst laag tegenover de aangenomen cijfers 11, 12 en 13 ton DS/ha (of 11,65 ton DS/ha gemiddeld). Volgens melkveespecialisten (onder meer I.Verbruggen, SteDuLA, persoonlijke mededeling) is een koe met dergelijke lage grasopbrengsten, niet in staat de hoeveelheid melk te produceren, die nu geproduceerd wordt. Volgens I. Verbruggen moet de graslandopbrengst in Vlaanderen 10 à 10,5 ton DS/ha bedragen om aan de huidige melkproductie te voldoen (zie 4.4.2).

4.4. Het overschot Het is zo dat het nutriëntenoverschot sterk varieert per regio. Daarbij kent het overschot over de jaren heen een dalende trend (Verbruggen et al., 2001; Michiels et al., 1998). Over 4 jaar, van 1996 tot 1999, wordt er 13 % minder overschot gesimuleerd in het Meetjesland (van 398 naar 348 kg N/ha). De 41 Vlaamse bedrijven van Michiels et al. (1998) kenden een daling van het N-overschot met 10 % tot 294 kg N/ha en een P-daling met 30 % over 5 jaar (van 1991 tot 1995) tot 23 kg P/ha. Om deze redenen wordt de indirecte schatting van punt 4.3 onderworpen aan een gevoeligheidsanalyse van variërende nutriëntenoverschotten van 300, 275, 250, 225 en 200 kg N/ha (tabel 4.8). Hoe lager het overschot, hoe beter de hieruit berekende graslandopbrengsten de voor de MIRA-rapportering aangenomen cijfers benaderen. Pas bij een nutriëntenoverschot van 200 kg N/ha bereiken de graslandopbrengsten de 12 ton DS/ ha. Een nutriëntenoverschot van 200 kg N/ha is, gelet op de algemene trend uit de literatuurinformatie, wel erg laag.

57


Tabel 4.8 Graslandopbrengst mits aanname van variërende waarden van het nutriëntenoverschot in de N-balans regio

opbrengst gras (ton DS/ha) bij overschot = 300 kg/ha





1

7,26

8,62

9,99

11,35

12,71

2

4,90

6,28

7,65

9,02

10,39

3

6,11

7,39

8,67

9,95

11,23

Vlaanderen

5,84

7,20

8,56

9,91

11,27

Bron: eigen berekeningen op basis van CLE-boekhoudingen 1999, NIS-statistieken 2000, BDB, MIRA-T 2001.

Er moet besloten worden dat de incoherentie in de bodembalans op melkveebedrijven niet enkel bij de graslandopbrengst of bij het overschot kan liggen, dus wordt de derde factor onderzocht, de dierlijke excretie.

4.5. De dierlijke excretie Indien de incoherentie niet enkel bij een te laag overschot of een te hoge graslandopbrengst ligt, zijn de gehanteerde dierlijke excretiecijfers allicht te laag. Dit kan worden nagegaan op volgende manier: er wordt een nutriëntenbalans op het niveau van het dier berekend, het resultaat is de excretie van het dier. Wanneer deze balans voor alle dieren op het bedrijf wordt berekend en samengeteld, bekomt men de dierlijke excretie op het bedrijf. De excretie wordt met deze methode berekend uit het verschil van de N-voeding dat het dier nodig heeft en de N-retentie in dierlijke producten zoals melk en vlees. Er wordt rekening gehouden met het feit dat bepaalde bedrijven hun dieren tijdens de weideperiode niet steeds op de wei laten, maar dat zij een gedeelte van de tijd in de stallen staan. Daarom wordt 30 % van de excretie in de weideperiode bij de stalperiode geteld. Dit is van belang voor verdere berekeningen i.v.m. emissies. De berekeningen zijn overgenomen van Pollet (1996) en te vinden in bijlage 4. Tabel 4.9 toont een procentueel verschil van 10 % tussen de aangenomen forfaitaire excretiecijfers voor stikstof en de cijfers uit de dierbalans. Op die manier zou de graslandopbrengst stijgen tot 8,5 ton DS/ ha bij een overschot van 275 kg N/ha of zou het overschot komen tot 217 kg N/ha bij een graslandopbrengst van 11,65 ton DS/ha.

58


Tabel 4.9. Dierlijke excretie volgens forfaitaire excretiecijfers en volgens de dierbalans in het Vlaams modaal melkveebedrijf. MAP2bis diersoort

aantal

fokdieren <1j.

16,19

fokdieren <2j.

14,91

dierbalans

totale Nexcretie (kg)

N-excretie/dier (kg)

33,5

542,15

29,6

56,0

835,11

70,9

N-excretie/dier (kg)

vleesdieren <1j.

0,50

23,0

11,45

24,9

vleesdieren <2j.

0,08

61,0

4,68

55,1

97,0

4160,45

105,3

77,0

426,85

105,3

melkkoe andere

42,89 5,54

som

totale Nexcretie (kg) 479,22 1057,12 12,36 4,41 4516,32 583,36

5 980,69

6 652,79

Bron: eigen berekeningen uit NIS-tellingen volgens Pollet (1996).

Tijdens het 5 b-project “duurzame melkveehouderij” in het Meetjesland (Verbruggen et al., 2001) werden op de bedrijven graslandgegevens bijgehouden op een graslandkalender. De gegevens van 166 percelen werden verwerkt. Deze set van percelen was ruim gevarieerd: van intensief tot extensief, van klei- tot zandbodems, onder verschillende beweidingsystemen, al of niet vernieuwd grasland,... . De opbrengsten van het grasland werden uit de voederbehoeften van het dier berekend: graslandopbrengst = veebezetting x kg DS/dier/dag – het opgenomen krachtvoeder en de bijvoedering van voornamelijk maïskuil. Bij de droge stofopname werd rekening gehouden met de melkgift en ook met de pensbelasting (Franse UEL-systeem) van het gras en de bijvoedering. Uit gesprekken met de auteur, bleek dat als gemiddelde opbrengst 10,95 ton DS/ ha werd gevonden voor het Meetjesland. Indien de graslandopbrengst lager zou zijn, zullen de dieren minder productief zijn en zou de reële melkproductie niet gehaald kunnen worden. Het overschot op de bedrijfsbalans bedroeg 303 kg N/ha en 25,8 kg P/ha voor het boekjaar 1999-2000. De dierlijke productie bleek 37 % hoger te zijn voor N en 45 % hoger voor P in vergelijking met de MAP2bis-excretienormen. Tabel 4.10. Bodembalans in het Meetjesland met als onbekende de dierlijke productie (boekjaar 1999-2000) input (kg/ha)

output (kg/ha) N

dierlijke mestproductie kunstmest organische mest van derden strooisel depositie stikstoffixatie

331,7

P

N

47,2 graslandproductie

177

10,6

26,4

8,4

1,6 40,0 0

0,8 0,9 /

P

171,7

22,5

andere groenvoedergewassen

102,0

19,6

saldo (kg/ha)

303,0

25,8

Bron: Persoonlijke mededeling I. Verbruggen.

59


Wanneer we dezelfde oefening maken voor het modale bedrijf (10,95 ton DS/ha graslandopbrengst) in regio 2, waar het Meetjesland gesitueerd is, echter met de aangenomen overschotten van 275 kg N/ha en 20 kg P/ha, zijn de excretiecijfers van de Mestbank met respectievelijke 35 % voor stikstof en 50 % voor fosfor (tabel 4.11) onderschat. Voor Vlaanderen, waar gerekend wordt met een iets lagere opbrengst van 10,5 ton DS/ ha (persoonlijke mededeling van Verbruggen), bedragen de onderschattingen 25 en 47 %. De MINAS-excretienormen benaderen veel beter de berekende excretie met 326,7 kg N/ha en 40,5 kg P/ha. Tabel 4.11. Bodembalans melkveehouderij in regio 2 met als onbekende de dierlijke productie input (kg/ha) dierlijke mestproductie kunstmest organische mest strooisel depositie stikstoffixatie

output (kg/ha) N 332,1 149,8

P 49,6 3,9

20,0 0,0 40,0 3,6

6,0 0 1,0 /

graslandproductie andere groenvoedergewassen

overschot (kg/ha)

N 199,5 71,0

P 31,2 9,3

275

20

Bron: Berekeningen op basis van de CLE-boekhoudingen en de NIS-tellingen.

4.6. Besluit De balansen uit de verschillende studies en het berekende modale bedrijf verschillen onderling sterk. Op bedrijfsniveau is het al niet simpel om alle in- en uitgaande stromen te kennen en te kwantificeren. Tevens variëren van bedrijf tot bedrijf de stromen enorm en zelfs op eenzelfde bedrijf van jaar tot jaar zijn er verschillen waarneembaar. Wanneer men op regionaal niveau een balans wil opstellen, wordt het er zeker niet gemakkelijker op om cijfers te vinden die zo nauwkeurig mogelijk de werkelijkheid benaderen. In het onderzoek werden volgende bevindingen gedaan: •

Graslandopbrengst: o volgens MIRA-T 2001: 11,7 ton DS/ha in Vlaanderen; o volgens I. Verbruggen uit bedrijfsbalans berekeningen: 10,5 ton DS/ha; o uit de N-inhoud van grasland, berekend volgens terugrekening van de Nbalans op het modale Vlaamse melkveebedrijf met 275 kg N/ha overschot en forfaitaire excretiecijfers: 7,2 ton DS/ha: N (kunstmest + dierlijke mest + organische mest + fixatie + depositite) N (afvoer groenvoedergewassen excl. grasland + overschot op balans) = N (afvoer grasland)

60


•

Dierlijke excretie: o volgens nutriëntenbalans op dier: +10 % N-excretie in vergelijking met de MAP2bis-normen: N (voederbehoefte) N (vlees- en melkproductie) = N (excretie)

o volgens graslandopbrengst 10,5 ton DS/ha in Vlaanderen (persoonlijke mededeling I. Verbruggen) en een overschot van 275 kg N/ha en 20 kg P/ha: +25 % N -excretie en +47 % P-excretie o volgens terugrekening van de N-balans op het modale Vlaamse melkveebedrijf met 275 kg N/ha en 11,65 ton DS/ha: +33 % N en +57 % P: N (afvoer grasland en groenvoedergewassen + overschot op balans) N (kunstmest + organische mest + fixatie + depositie) = N (dierlijke mest)

•

Overschot: o CLE-boekhouding: bedrijfsbalans in de Kempen: 275 kg N/ha: N (kunstmest + organische mest+ krachtvoeder + ruwvoeder + depositie) N (vlees- en melkproductie + marktbare gewassen) = N (overschot op balans)

o MINAS-eindnormen (+15 % ammoniak): 323 kg N/ha en 30 kg P/ha; o Verbruggen (persoonlijke mededeling): •

303 kg N/ha en 25,8 kg P/ha in het Meetjesland,

•

294 kg N/ha en 23 kg P/ha in gans Vlaanderen.

Uit bovenstaande berekeningen is het duidelijk dat in de MIRA-rapportering met te lage dierlijke excretiecijfers wordt gerekend en/of dat de graslandopbrengst te hoog is.

61


In de MIRA-rapportering bedroeg voor alle landbouwbedrijven uit de NIS-tellingen in Vlaanderen de graslandopbrengst gemiddeld 11,65 ton DS/ ha en de runderexcretie exclusief de kalveren bedroeg respectievelijk 147 kg N/ha en 21 kg P/ha (berekend a.d.h.v.de MAP2bis-normen). Uit voorgaande analyse resulteert dat overschotten van 275 kg N/ha en 20 kg P/ha aannemelijk zijn. Deze bevindingen zijn bruikbaar voor de indicatorberekeningen. Zij worden nu doorgerekend naar de volledige NIS-populatie. Hierbij worden de graslandopbrengst en de dierlijke excretie onderworpen aan variërende uitgangspunten, op voorwaarde dat voor het Vlaamse modale melkveebedrijf het overschot gelijk blijft aan de vooropgestelde waarde van 275 kg N/ha en 20 kg P/ha. De tabellen 4.12 en 4.13 geven respectievelijk de partiële stikstof- en de fosforbalansen weer voor Vlaanderen, waarbij enkel de graslandopbrengst en de runderexcretie beschouwd worden, alle andere factoren constant houdend. Uit de eerste regel van de tabellen, waarbij de MIRA-methode wordt gebruikt, wordt het nogmaals duidelijk dat er een incoherentie is, een negatief overschot op de Pbalans is immers onmogelijk. Tevens blijkt voor beide balansen dat de overschotten bij de 4 andere scenario’s niet veel van elkaar verschillen. Op het niveau van het Vlaamse nutriëntensaldo maakt het bijgevolg niet veel uit of de graslandopbrengst nu verlaagd wordt of de dierlijke excretie verhoogd of dat beiden aangepast worden. Voor de ammoniakemissie echter, maakt het wel een verschil uit. Het aanpassen van de uitgangspunten van de dierlijke excretie zal gevolgen hebben voor de ammoniakvervluchtiging. aan de andere kant zijn er tal van graslanden welke, t.o.v. van wat we hier het modale bedrijf noemen, eerder marginaal of tenminste minder productief zijn. Het vee op dit grasland zal dan ook niet die hoge excretiecijfers halen zoals op een intensief bedrijf. Wanneer de excretiecoëfficiënten constant worden gehouden, zal, door het onderlinge evenwicht, de voederproductie moeten dalen (cfr. I Verbruggen), waardoor het overschot stijgt. Tabel 4.12. Deelstromen van de stikstofbodembalans in Vlaanderen in miljoen kg

N-excretie runderen

N-afvoer van gras

N-saldo

graslandopbrengst

MIRA-methode 11,65 graslandopbrengst = 11,65 94 90 4 ton/ha Mogelijke variaties in graslandopbrengst en runderexcretie bij een constant overschot van 275 kg N/ha op het modale melkveebedrijf: 11,65 runderexcretie (+33 %) 125 90 35 graslandopbrengst (-0%) 9,50 runderexcretie (+17 %) 110 74 36 graslandopbrengst (-18 %) 8,85 runderexcretie (+12 %) 105 68 37 graslandopbrengst (-24 %) 8,00 runderexcretie (+6 %) 100 62 38 graslandopbrengst (-31 %) 7,20 runderexcretie (+0 %) 94 56 38 graslandopbrengst (-38 %) Bron: Berekeningen op basis van de CLE-boekhoudingen en de NIS-tellingen.

62


Tabel 4.13. Deelstromen van de fosforbodembalans in Vlaanderen in miljoen kg

P-excretie runderen

P-afvoer van gras

P-saldo

graslandopbrengst

MIRA-methode 11,65 graslandopbrengst = 11,65 13 14 -1 ton/ha Mogelijke variaties in graslandopbrengst en runderexcretie bij een constant overschot van 20 kg P/ha op het modale melkveebedrijf: 11,65 runderexcretie (+57 %) 20 14 6 graslandopbrengst (-0%) 9,50 runderexcretie (+38 %) 18 11 7 graslandopbrengst (-18 %) 8,85 runderexcretie (+32 %) 17 11 6 graslandopbrengst (-24 %) 7,46 runderexcretie (+20 %) 16 9 7 graslandopbrengst (-36 %) 5,17 runderexcretie (+0 %) 13 6 7 graslandopbrengst (-56 %) Bron: Berekeningen op basis van de CLE-boekhoudingen en de NIS-tellingen.

Na discussie in een expertenwerkgroep, werd besloten een aanpassing van de excretiecoëfficiënten met 12 % voor stikstof en 32 % voor fosfor door te voeren voor alle runderen exclusief de kalveren. Hiermee komt dan een grasproductie van 8,85 ton overeen. Een dergelijke assumptie houdt voldoende rekening met de nutriëntenstromen op modale melkveebedrijven maar tevens met deze op bedrijven buiten deze populatie. De excretiecoëfficiënten van het MAP2bis zullen gehanteerd worden voor de andere diersoorten, waarbij in de toekomst tevens rekening zal worden gehouden met de voederefficiëntietechnieken bij varkens en pluimvee. Voor de overige groenvoedergewassen buiten gras, wordt voortaan de nutriënteninhoud van het IKC-L gehanteerd, zoals in tabel 4.3 weergegeven, naast de opbrengstgegevens van het NIS, vermits het CLE deze niet verschaft. Een aandachtspunt voor verder onderzoek is dat de aannames van een N-balans van 275 kg N/ha en een P-balans van 20 kg P/ha cruciaal blijven in de ganse redenering. Het N-cijfer is afgeleid uit simulaties op basis van de CLEboekhoudingen en is redelijk goed gevalideerd aan de hand van diverse literatuurgegevens. Het is wenselijk om deze berekeningen te hernemen voor diverse regio’s en jaartallen en voor fosfor en eventueel zelfs als een indicator van milieuefficiëntie te consolideren. Een tweede aandachtspunt is het samenbrengen van het steeds veelvuldiger vrijkomen van informatie uit bedrijfsbalansen. Samen met zoötechnische kennis over de rundveehouderij in het algemeen en de melkveehouderij in het bijzonder, kunnen deze bedrijfsbalansen in een coherent operationeel model gebruikt worden ter schatting van zowel gewasproductie als dierexcretie, bijvoorbeeld in een lineair programmeringsmodel-structuur ter minimalisatie van toevallige afwijkingen. Dit veronderstelt evenwel een ruimere projectopzet in samenwerking met zoötechnische

63


wetenschappers. In samenwerking met I. Verbruggen van SteDuLa wordt een project opgestart rond deze 2 aandachtspunten.

4.7. Consolidatie van de cijferreeks In figuur 4.1 wordt de nutriëntenafvoer weergegeven, zoals berekend volgens de hierboven uiteengezette methode. Figuur 4.1. Stikstof- en fosforafvoer door grasland en groenvoedergewassen miljoen kg 100 90 80 70 N

60

P 50 40 30 20 10 0 1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

64


5. AFSTEMMEN MET TOEKOMSTIGE MODELONTWIKKELINGEN Voor een complex gegeven als de nutriëntenemissie is het niet alleen van belang om tot een accurate schatting te komen van de verschillende deelcomponenten, tevens moet gestreefd worden naar een interne coherente samenhang tussen de beschrijving van activiteitsindicatoren en drukindicatoren. Het resultaat (in casu de drukindicator en zijn determinanten) moet koppelbaar zijn aan diverse andere drukindicatoren die van dezelfde activiteitsindicatoren afhangen. Tevens dient het resultaat als ingang van modellen die “stroomafwaarts” de DPSIR-keten beschrijven. Aandacht voor deze interne en externe coherentie verhoogt niet enkel de kwaliteit van de op te volgen indicatoren, het legt tevens de basis voor een modelmatige geïntegreerde beschrijving om toekomstverkenning toe te laten (scenario-analyse). Aan drie aspecten van modellering zal in toenemende mate aandacht worden geschonken: -

endogene modellering van de dierlijke mestproductie, transport en substitutie met de kunstmest,

-

rekentechnische consistentie met de drukindicatoren ammoniak-emissie en overige gasvormige stikstofemissies,

-

koppeling met immissiemodellen.

5.1. Substitutie tussen dierlijke mest en kunstmest In hoofdstuk 2 van dit onderzoek werd al grotendeels rekening gehouden met de mestafzetdruk, toch worden hier nogmaals de componenten die de mestafzetdruk bepalen, opgesomd en het model toegelicht, aangezien verder onderzoek geboden is. De componenten zijn: • Mestaanbod: de volumes dierlijke mest en de hoeveelheden geproduceerde N en P worden berekend a.d.h.v. de nutriëntenexcretie volgens de uitgangspunten uit MAP2bis en de dieraantallen volgens de NIS-landbouwtellingen. In de loop der jaren zijn de wettelijke excretiecoëfficiënten evenwel veranderd. Tabel 5.1 geeft een overzicht van de huidige coëfficiënten. Zoals aangegeven in dit rapport, worden de excretiecoëfficiënten van de runderen verhoogd met 12 % voor stikstof en 32 % voor fosfor. Tevens zal rekening gehouden moeten worden met de voederefficiëntie van de varkens en het pluimvee. Om tot de hoeveelheid mestaanbod per gemeente te komen, wordt de import naar Vlaanderen mede in rekening gebracht verminderd met export uit Vlaanderen en de verwerking (gegevens afkomstig van de Mestbank);

65


Tabel 5.1. Een overzicht van de P2O5- en N-uitscheidingscijfers per gemiddeld aanwezig dier op jaarbasis, zoals bepaald door het Mestdecreet in 2000 diersoort

P2O5-uitscheiding (kg/dier, jaar)

N-uitscheiding (kg/dier, jaar)

30 10 17 3,6 8,7 22 29,5

97 33,5 56 10,5 23 61 77

2,02 14,5 14,5 6,5 14,5

2,46 24 24 13 24

0,49 0,18 0,29 0,71 0,25

0,69 0,31 0,62 1,2 0,43

9,8 4,5 1,7

18 8,6 3,5

kalkoenen slachtdieren

0,79

2,2

kalkoenen ouderdieren ander pluimvee PAARDEN paarden > 600 kg paarden en pony’s van 200-600 kg paarden en pony’s < 200 kg ANDERE konijnen (per voedster) geiten en schapen < 1 jaar geiten en schapen > 1 jaar nertsen (per moederdier)

1,47 0,19

2 0,24

30 21 12

65 50 35

5,04 1,72 4,14 1,87

8,64 4,36 10,5 3,22

RUNDVEE melkkoeien en zoogkoeien vervangingsvee < 1 jaar vervangingsvee van 1 j en < 2 j. mestkalveren mestrunderen < 1 jaar mestrunderen van 1 j en < 2 j. andere runderen VARKENS biggen van 7-20 kg beren zeugen, incl. biggen < 7 kg andere varkens van 20-110 kg andere varkens > 110 kg PLUIMVEE legkippen opfokpoeljen van legkippen slachtkuikens slachtkuikenouderdieren opfokpoeljen van slachtkuikenouderdieren struisvogels fokdieren struisvogels slachtdieren struisvogels van 0-3 maand

Bron: Mestdecreet

In het toekomstige MIRA-onderzoek MIRANDA zal met de huidige excretiecoëfficiënten gerekend worden voor de ganse periode 1990-2000. Tevens zal er getoetst worden of de dieraantallen van de Mestbank en van het NIS overeenstemmen. Afwezigheid van overeenstemming heeft te maken met het feit dat de NIS-tellingen een momentopname zijn, de Mestbankregistraties zijn een resultaat van een permanente inventaris en benaderen dus de gemiddelde aanwezigheid beter. • Bemestingslimieten volgens het MAP2bis: voor stikstof wordt vanaf 2000 een zogenaamd tussenschot gedefinieerd: naast een algemene maximale gebruiksnorm is tevens een specifieke limiet op kunstmest en op dierlijke mest gedefinieerd. De

66


bemestingslimieten zijn echter meermaals gewijzigd en kennen een stapsgewijze vernauwing. In MIRANDA zal gewerkt worden met de limieten die geldig zijn vanaf 2003 (tabel 5.2.). Het tussenschot kan er de oorzaak van zijn dat het bemestingsgedrag, zoals econometrisch afgeleid, niet kan worden doorgetrokken naar de toekomst. Immers, de econometrische afleidingen uit onderhavig rapport veronderstellen een “concurrentie” tussen kunstmest en dierlijke mest binnen de totale bemestingslimieten. In de toekomst worden de limieten van dierlijke mest zó laag gesteld, zodat mag aangenomen worden dat het benutten ervan op een andere wijze dan vandaag het kunstmestgebruik zal beïnvloeden. Uit de NIS-gegevens worden de arealen landbouwgrond per gemeente gehaald volgens de gewasgroepen, waarvoor verschillende bemestingslimieten gelden, zoals die gedefinieerd zijn in het MAP. In tabel 2 worden voor de verschillende jaren en de gewasgroepen de bemestingslimieten weergegeven. Er zal eveneens gekeken worden wat de oorzaken zijn van eventuele verschillen in arealen uit de NISgegevens en uit de Mestbank. Tabel 5.2. Evolutie van de bemestingslimieten in Vlaanderen differentiatie volgens nutriënt, herkomst en gewas

P2O5

N

kunstmest

organische mest

totaal

mestdecreet 1991

bemestingsnormen, kg P2O5 of N per ha MAP1 MAP2bis 1996 2000 2001-2002 2003

gras

200

170

150

140

130

kwetsbaar gebied water 2000 100

mais lage N overige gras mais lage N overige gras mais lage N overige gras mais lage N overige

150 150 150 400 400 400 400

160 125 150 250 200 125 225 450 325 170 325

140 125 130 300 175 100 200 400 300 150 300 450 300 150 300

120 100 110 350 150 100 200 325 275 125 225 450 275 125 275

100 100 100 350 150 100 200 250 250 125 200 500 275 125 275

100 80 100 250 150 70 [175] 170 170 125 170 350 275 125 275

(1): Lage N: gewassen met lage stikstofbehoefte. (2): Om P2O5 om te rekenen naar P moet men met een factor 2,29 delen. (3): Enkel in grondwaterwingebieden bestond vanaf 1985 een bemestingsnorm van 400 kg Ntotaal/ha. (4): In kwetsbare gebied natuur zijn er drie bemestingsregimes van toepassing: begrazing met 2 GVE/ha en geen bemesting, begrazing met 2GVE/ha aangevuld met 100 kg kunstmest N/ha en de algemene bemestingsnormen. Het bemestingsregime wordt op perceelsniveau vastgelegd en is o.a. afhankelijk van de aanwezige natuurwaarde. (5): in o.a. 1997,’98,’99 en 2001 zijn er slechts kleine wijigingen gebeurd. Bron: VLM.

• Transportregeling: in het Mestdecreet worden 2 types van transportregelingen gehanteerd indien het transport gebeurt binnen het Vlaamse Gewest: Een

67


burenregeling wordt gemaakt tussen bedrijven in dezelfde gemeente of in een aangrenzende gemeente binnen het Vlaamse Gewest. De aanbieder van de mest moet dan wel een gezinsveeteeltbedrijf, een verzamelpunt of een ver- of bewerkingseenheid zijn. In regio’s met vele gemeenten met een hoge productiedruk ontstaat de noodzaak het mestoverschot over langere afstanden te vervoeren. In dit geval wordt er een Lange Afstand Transport-regeling (LAT, vanaf 1/1/1997) getroffen. Er wordt hier een onderscheid gemaakt tussen gezinsveeteeltbedrijven en niet-gezinsveeteeltbedrijven, waarbij de gezinsveeteeltbedrijven positief gediscrimineerd worden. Niet-gezinsveeteeltbedrijven in een gemeente met een fosfaatproductie van meer dan 160 kg/ha moeten hun overschotten vervoeren naar gemeenten met een fosfaatproductie van minder dan 125 kg/ha. Voor gezinsveeteeltbedrijven geldt die verplichting echter alleen indien ze meer dan 10 000 kg fosfaat produceren. Bovendien is de eerste 3 000 kg overschot van deze beperking vrijgesteld. Elk type transport dient vergezeld te zijn van de nodige documenten, zodanig dat de Mestbank het vervoer kan registreren. Met deze gegevens kunnen de resultaten van het te ontwikkelen model vergeleken worden. • Mestverwerkingsplicht: volgens MAP2bis heeft elk bedrijf de plicht een zeker aandeel van het mestoverschot zelf te verwerken. Er moet in de mate van het mogelijke rekening gehouden worden met het feit dat bvb. voor pluimvee er meer verwerkt wordt dan de verwerkingsplicht. Tabel 5.3. geeft een overzicht van de te verwerken percentages mestoverschot. De werkelijke situatie wordt getoetst aan deze regels, die tevens in het model gehanteerd worden. Tabel 5.3. Mestverwerkingsplicht volgens MAP2bis bedrijfsmatige P2O5-productie 7,5 – 10 ton

te verwerken aandeel van het bedrijfsmatig overschot aan dierlijke mest 2000 2001 2002 15 %

10 – 12,5 ton

15 %

15 %

30 %

12,5 – 15 ton

15 %

30 %

45 %

> 15 ton

30 %

45 %

60 %

Het transportmodel, gebruikt in hoofdstuk 2 heeft enkele specifieke kenmerken, met name de functie minimaliseert de kosten die optreden bij het mesttransport. Er werd gekozen voor een regionaal afzetmodel, ook distributie (transport) model genoemd, waarbij volgende functie wordt geminimaliseerd volgens lineaire programmering:

68


n

Min ∑

m

∑ cij ∗ X ij

i =1 j=1

met voorwaarden: m

∀i : ∑ Xij ≤ Pi j =1 n

∀j : ∑ Xij ≥ Aj i =1

waarbij: X ij : hoeveelheid dierlijke mest (ton) dat getransporteerd wordt van gemeente i (producerende gemeente) naar gemeente j (ontvangende gemeente);

cij : kosten per eenheid getransporteerde mest (EUR / ton) van gemeente i (producerende gemeente) naar gemeente j (ontvangende gemeente); Aj : bemestingsmogelijkheid (ton) volgens MAP2bis voor gemeente j , rekening houdend met de gewasgroepen en de zelf geproduceerde hoeveelheid dierlijke mest;

Pi : mestproductie (ton) van gemeente i , volgens de regelgevingen van MAP2bis. Dit afzetmodel wordt gebruikt voor de berekening van stikstof en fosfor afzonderlijk en gedifferentieerd volgens mesttype. Afstanden worden in rekening gebracht in de cij -functie. • In een volgende stap zal er rekening worden gehouden met de mogelijke substitutie van kunstmest in dierlijke mest. Op die manier wordt er ook rekening gehouden met de marge die in het MAP2bis wordt opgelegd tussen het gebruik van de 2 meststoffen in relatie tot het totale gebruik. In de realiteit zal de substitutie van kunstmest interessanter zijn naar gelang het gebieden betreft waar de afzetdruk groter is en waar de onderlinge concurrentie voor de afzet tussen de veehouders het gebruik van dierlijke mest voordeliger maakt voor de akkerbouwer. • Tot dusver wordt er in het regionale afzetmodel gewerkt met de marginale afzetkosten, die als evenwichtsprijzen geïnterpreteerd worden naarmate de ruimtelijke gedifferentieerde vraag en aanbod inelastisch zijn. In een verder stadium zullen deze marginale afzetkosten gebruikt worden om de kostenfunctie kwadratisch te maken. Op die manier wordt het normatieve model een positief of beschrijvend model. Anders gezegd: het distributiemodel wordt omgezet tot Positieve Mathematische Programmering (PMP).

69


5.2. Rekentechnische afstemming met andere emissie-indicatoren - berekenen van de NH3 emissie (zoals dit nu door VMM op spreadsheet met methode Pollet gebeurt) met SAS-programma argumentatie:

- behoud van de in de tijd consistente reeks; - vluggere berekening.

- inpassen van de berekeningen bij deze van nutriënten argumentatie:

- consistentie met nutriëntenstroom; - expliciete relatie tussen D- & P-indicatoren.

- stikstofgassen uit denitrificatie argumentatie:

- inpassen van methodiek Boeckx en Van Cleemput, 2001 in rekenmodel SAS - juiste coëfficiënten?

5.3. Koppeling met andere immissiemodellen -Depositiemodel van ‘Van Jaarsveld’ (OPS) voor NH3 is op het eerste zicht niet inpasbaar in onze modellenstructuur, aangezien het reeds op zich een uitgebreid model is met input van meteo-gegevens, bodemgebruik, emissies per 1x1-raster of puntlocatie (contactpersoon: Clemens Mensink, Vito). - De koppeling aan het SENTWA-model dat de nutriëntenstromen uit de landbouw naar het water berekent en dat op doorsnede van gemeenten en landbouwstreken werkt, dient nagegaan (contactpersoon: Yves Ronse, VMM).

70


6. ALGEMENE SAMENVATTENDE BESLUITEN Zowel internationaal als nationaal is er nog steeds geen wijdverbreide eenstemmigheid rond de systeemdefiniëring van de nutriëntenbalans. Recentelijk werkt de OESO samen met EUROSTAT en de lidstaten aan een rapport ter consolidering van een eenduidige berekeningsmethode van de nutriëntenbalans (www.oecd.org/agr/env/indicators.htm). Uit onderhavige studie blijkt dat voor 1990-2000 gemiddeld: -

het N-kunstmestgebruik 3 % lager ligt dan tot dusver aangenomen. Het effect voor de Vlaamse bodembalans zal bijgevolg een daling zijn van het saldo met 3,3 miljoen kg N;

-

het fosfaatkunstmestgebruik 21 % lager ligt. De balans zal dalen met 4,4 miljoen kg P 2O5 , wat overeenkomt met 1,9 miljoen kg fosfor;

-

de afvoer door marktbare gewassen 4 % lager ligt dan tot dusver aangenomen: 1,25 miljoen kg N en 1,01 miljoen kg P;

-

de afvoer door grasland en groenvoedergewassen 19 % voor N of 20,6 miljoen kg en 37 % voor P of 6,2 miljoen kg lager ligt;

-

de dierlijke excretie voor runderen toeneemt met 12 % N en met 32 % P. Dit komt neer op een verhoging van de totale dierlijke excretie met 11,5 miljoen kg N (+ 6 %) en 4,4 miljoen kg fosfor (+ 12 %).

Slotsom: door de band genomen zal de balans slechter uitkomen dan aangenomen in MIRA-T 2001, namelijk gemiddeld voor 1990-2000 17 % of 30 miljoen kg meer overschot voor N en 41 % of 10 miljoen kg meer voor P (zie ook figuur 1.2).

71


REFERENTIES Audenaert D. (2001). Duurzame melkveehouderij. Landbouw & techniek, 6 (23), 38-40. Bouquiaux J-M., Foguenne M., Lauwers L. (1998). Belgium. In: Brouwer F., Lowe Ph. (eds.). CAP and the rural environment in transition. A panorama of national perspectives. Wageningen Pers, Wageningen, The Netherlands. Brouwer F.M., Godeschalk F.E., Hellegers P.J., Kelholt H.J. (1995). Mineral balances at farm level in the European Union. Onderzoeksverslag 137, Landbouw Economisch Instituut, Den Haag. DSM agro, http://www.DSM.com & http://www.nutrinorm.nl/nl/html/module/nutrie …/ Goffinet R. (1986). Actualisation du plan d’échantillonage pour le réseau de comptabilités agricoles de l’IEA. Documents de l’IEA n° 3, Institut Economique Agricole, Bruxelles. IKC-Landbouw (1996). Kiezen uit gehalten 3, fofaitaire gehalten voor de mineralenboekhouding, Ministerie van Landbouw, Natuurbeheer en Visserij, Ede, Nederland. Jarrige R. (1980). Actualités scientifiques et agronomiques. Alimentation des ruminants. Institut national de la recherche agronomique. Lauwers L. (1994). Mestproblematiek en productiestructuur van de Vlaamse varkenshouderij, Doctoraatswerk, Universiteit Gent, 295 p. Lauwers L., Campens V., Lenders S., Wustenberghs H., Van Gijseghem D., Aernouts K., Jespers K. (2001). 1.4 | Landbouw. In: Van Steertegem M. (ed.). MIRA-T 2001 (achtergronddocument). http://www.vmm.be Lauwers L., Lenders L. (2000). Toekomstige mestafzetkosten en de financiële toestand van gespecialiseerde varkensbedrijven, studie A89, CLE, Brussel, 126 p. Mestbank (2001a). Omzendbrief http://www.vlm.be/mestbank .

1

januari

Mestbank (2001b). Decreet 1, http://www.vlm.be/mestbank .

maart

2001,

2001,

VLM, VLM,

Aalst, Aalst,

België. België.

Michiels J., Carlier L., Verbruggen I. (1998). Hoofdstuk 3: Mineralenbalansen en hun gebruik op melkveebedrijven. In: Van Huylenbroeck G., Jacobs G., Martens L. (ed.). Naar een duurzame graslanden groenvoederuitbating: onderzoek naar de integratie van landbouwkundige en ecologische doelstellingen bij graslanden groenvoederwinning. Universiteit Gent in opdracht van Ministerie van Middenstand en Landbouw, Brussel. Mulier A., Hofman G., Van Cleemput O., Carlier L., Verbruggen I., De Brabander D., Fiems L., De Wilde R., Janssens G., De Grootte G., Van Herck A., Van Huylenbroeck G., Baecke E. (2001). Emissiepreventie in de landbouw door middel van nutriëntenbalansen. Universiteit Gent en Centrum voor Landbouwkundig Onderzoek, in opdracht van de VLM, 239 p. OECD (2001). Environmental indicators for agriculture, methods and results, Organisation for Economic Co-operation and Development, Paris.

72


Pollet I. (1996). Onderzoeks- en ontwikkelingsovereenkomst inzake de NH3-emisie door de landbouw. Rapport (174M3495) in opdracht van de Vlaamse Milieumaatschappij. Universiteit Gent, Gent. Verbruggen I. (2001). Duurzame melkveehouderij, Meetjesland. DFE-CLO-Gent, Merelbeke. Wetenschappelijk rapport MIRA-T 1998 12 | Vermesting.

73


BIJLAGEN

1. Cijferreeks kunstmestgebruik 2. Marktbare gewassen a. Cijferreeks marktbare gewassen b. Nutriënteninhoudcoëfficiënten marktbare gewassen 3. Grasland en groenvoedergewassen a. Cijferreeks grasland en groenvoedergewassen b. Nutriënteninhoudcoëfficiënten grasland en groenvoedergewassen c. Aannames berekeningen gewasafvoer en dierlijke mestproductie 4. Berekening van de mestexcretie bij runderen volgens Pollet (1996)

74


BIJLAGE 1

Kunstmestgebruik in Vlaanderen JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

BLO 603.896 602.167 601.659 609.541 615.994 618.929 625.239 630.679 635.827 636.477 636.876

kg N 110.060.193 108.409.147 103.928.764 94.320.752 93.579.064 102.727.769 87.193.249 84.094.776 85.935.470 79.104.284 75.710.280

TOTALE GEBRUIK kg P 2O5 32.010.425 25.177.944 23.051.893 17.494.306 16.322.347 14.964.215 13.248.070 12.009.995 10.528.131 11.124.303 8.169.805

kg P 13.978.351 10.994.736 10.066.329 7.639.435 7.127.662 6.534.592 5.785.184 5.244.539 4.597.437 4.857.774 3.567.601

kg N/ha 182 180 173 155 152 166 139 133 135 124 119

Nota: - TOTALE N-gebruik =som van (BLO * N-gebruik/ha: CLE-data gecorrigeerd) per landbouwstreek - TOTALE P2O5-gebruik = som van (BLO * P2O5-gebruik/ha: CLE-data gecorrigeerd) per landbouwstreek - TOTALE P gebruik = TOTALE P2O5/2,29 - BLO: benutte landbouwoppervlakte (bron: NIS)

75

INTENTSITEIT kg P2O5/ha 53 42 38 29 26 24 21 19 17 17 13

kg P/ha 23 18 17 13 12 11 9 8 7 8 6


BIJLAGE 1 Kunstmestgebruik per landbouwstreek in Vlaanderen TOTALE N-gebruik (kg N) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Kempen 18.647.461 18.774.131 17.667.305 15.519.215 14.786.534 16.898.624 15.402.344 15.216.560 16.289.725 14.659.579 13.492.313

Leemstreek 9.018.578 8.948.140 8.558.506 8.091.022 8.303.050 9.205.281 7.765.550 7.286.784 7.779.272 7.435.884 7.273.925

Polders 12.522.161 12.480.947 12.108.509 10.861.387 11.116.082 12.496.220 10.060.957 9.547.237 9.574.866 8.720.542 8.539.459

Luikse Weidestreek Zandleemstreek 464.407 37.632.480 452.747 36.368.051 367.524 35.866.835 344.062 33.254.918 389.928 32.248.224 430.274 35.964.556 347.675 29.563.935 328.961 27.530.267 324.656 28.041.742 314.110 25.772.580 302.907 25.707.183

Zandstreek 31.775.107 31.385.131 29.360.085 26.250.148 26.735.246 27.732.813 24.052.787 24.184.967 23.925.210 22.201.589 20.394.493

TOTALE P2O5-gebruik (kg P2O5) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Kempen 4.057.997 3.240.185 3.006.132 2.411.089 2.080.752 2.071.928 2.002.218 2.106.169 1.576.702 1.557.784 1.320.674

Leemstreek 3.389.147 2.732.670 2.552.091 2.007.810 1.793.278 1.896.137 1.533.512 1.553.211 1.380.436 1.539.330 1.106.365

Polders 3.063.933 2.451.792 2.212.032 1.437.339 1.445.683 1.264.429 1.116.004 926.203 821.025 939.549 688.219


Zandstreek 8.189.461 6.622.906 6.423.024 4.612.913 4.720.756 3.946.138 3.395.032 3.069.305 2.907.905 2.769.677 2.025.002

76


BIJLAGE 1 Kunstmestgebruik per landbouwstreek in Vlaanderen TOTALE P-gebruik (kg P) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Kempen 1.772.051 1.414.928 1.312.722 1.052.877 908.625 904.772 874.331 919.724 688.516 680.255 576.714

Leemstreek 1.479.977 1.193.306 1.114.450 876.773 783.091 828.007 669.656 678.258 602.810 672.196 483.129

Polders 1.337.962 1.070.651 965.953 627.659 631.303 552.152 487.338 404.455 358.526 410.283 300.532


Zandstreek 3.576.184 2.892.099 2.804.814 2.014.372 2.061.466 1.723.204 1.482.547 1.340.308 1.269.827 1.209.466 884.280

N-gebruiksintensiteit (kg N/ha) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Kempen 193 193 180 153 142 159 142 138 145 129 119

Leemstreek 157 156 150 141 144 159 134 125 132 126 122

Polders 188 188 182 162 165 185 149 140 140 128 125

Luikse Weidestreek Zandleemstreek 147 174 150 169 122 168 116 155 132 150 148 167 120 136 120 126 118 128 114 118 107 118

Zandstreek 194 192 180 158 159 164 140 140 137 128 117

77


BIJLAGE 1 Kunstmestgebruik per landbouwstreek in Vlaanderen P2O5-gebruiksintensiteit (kg P 2O5/ha) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Kempen 42 33 31 24 20 20 18 19 14 14 12

Leemstreek 59 48 45 35 31 33 26 27 23 26 19

Polders 46 37 33 21 21 19 16 14 12 14 10


Zandstreek 50 41 39 28 28 23 20 18 17 16 12

P-gebruiksintensiteit (kg P/ha) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Kempen 18 15 13 10 9 9 8 8 6 6 5

Leemstreek 26 21 19 15 14 14 12 12 10 11 8

Polders 20 16 15 9 9 8 7 6 5 6 4


Zandstreek 22 18 17 12 12 10 9 8 7 7 5

78


BIJLAGE 1 Landbouwareaal per landbouwstreek in Vlaanderen BLO (ha) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Kempen 96.619 97.300 98.155 101.326 104.224 106.228 108.385 110.416 112.419 113.367 113.331

Leemstreek 57.443 57.287 57.187 57.531 57.744 57.866 58.109 58.461 59.055 59.124 59.492

Polders 66.607 66.442 66.524 67.116 67.420 67.529 67.661 67.979 68.296 68.375 68.253

Luikse Weidestreek Zandleemstreek 3.159 216.279 3.017 214.598 3.004 213.672 2.977 214.427 2.948 215.647 2.902 215.804 2.909 216.647 2.736 217.803 2.760 219.136 2.749 218.787 2.833 218.290

79

Zandstreek 163.789 163.523 163.117 166.164 168.011 168.599 171.529 173.286 174.161 174.076 174.677


BIJLAGE 2 & 3

Nutriëntenafvoer door gewassen in Vlaanderen

JAAR

BLO

1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

603.896 602.167 601.659 609.541 615.994 618.929 625.239 630.679 635.827 636.477 636.876 635.155

TOTALE AFVOER MARKTBARE GEWASSEN VOEDERGEWASSSEN kg N kg P 2O5 kg P kg N kg P2 O5 kg P 30.767.388 12.791.382 5.585.756 87.463.782 23.430.872 10.231.822 31.508.680 12.951.964 5.655.880 89.373.436 24.037.969 10.496.930 32.403.314 13.190.031 5.759.839 90.805.859 24.543.478 10.717.676 34.476.243 14.108.093 6.160.739 92.842.988 25.165.307 10.989.217 32.784.696 13.535.128 5.910.536 91.091.754 24.624.215 10.752.932 32.488.608 13.412.466 5.856.972 87.034.957 23.327.244 10.186.570 36.313.104 14.777.699 6.453.144 87.866.430 23.593.169 10.302.694 35.277.856 14.493.262 6.328.935 93.320.984 25.228.074 11.016.626 36.497.823 14.891.469 6.502.825 90.641.812 24.443.889 10.674.187 37.395.337 15.413.809 6.730.921 92.252.180 24.950.534 10.895.430 37.830.994 15.509.484 6.772.701 88.994.959 23.982.301 10.472.620 35.371.119 14.580.589 6.367.069 89.662.814 24.238.308 10.584.414

Nota: P = P2 O5/2,29

80

INTENSITEIT marktbare & voedergewassen kg N/ha kg P2 O5 /ha kg P/ha 196 60 26 201 61 27 205 63 27 209 64 28 201 62 27 193 59 26 199 61 27 204 63 28 200 62 27 204 63 28 199 62 27 197 61 27


BIJLAGE 2

Nutriëntenafvoer door marktbare gewassen per provincie TOTALE N-afvoer marktbare gewassen (kg N) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 1.215.712 1.297.153 1.297.297 1.461.684 1.696.984 1.663.853 1.743.470 1.824.766 1.941.695 2.299.910 2.430.995 2.332.581

Vlaams-Brabant 6.470.365 6.710.821 6.682.876 6.967.330 6.717.485 6.603.649 7.365.342 7.158.376 7.240.057 7.169.010 7.247.141 7.155.121

West-Vlaanderen 12.810.330 12.876.720 13.496.820 14.281.040 13.102.571 13.129.411 14.670.056 13.998.654 14.434.607 14.747.592 14.604.797 13.175.855

Oost-Vlaanderen 5.866.780 5.936.805 6.141.557 6.633.428 6.357.189 6.189.149 6.987.983 6.978.611 7.305.017 7.281.756 7.618.447 6.874.486

Limburg 4.404.201 4.687.181 4.784.764 5.132.760 4.910.467 4.902.545 5.546.252 5.317.448 5.576.448 5.897.070 5.929.615 5.833.076

TOTALE P2O5-afvoer marktbare gewassen (kg P2O5) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 498.431 533.596 533.272 617.302 728.732 708.991 732.417 767.857 824.527 984.883 1.046.829 987.661

Vlaams-Brabant 2.764.140 2.844.465 2.809.399 2.944.972 2.849.068 2.808.006 3.086.726 3.021.777 3.025.313 3.069.065 3.041.125 3.046.992

West-Vlaanderen 5.162.987 5.105.818 5.288.344 5.623.106 5.210.252 5.229.218 5.764.184 5.543.306 5.672.843 5.814.027 5.759.517 5.215.609

Oost-Vlaanderen 2.479.613 2.489.486 2.542.634 2.774.837 2.679.606 2.597.943 2.890.396 2.913.228 3.028.331 3.064.593 3.172.363 2.889.547

Limburg 1.886.211 1.978.599 2.016.383 2.147.875 2.067.471 2.068.308 2.303.975 2.247.095 2.340.456 2.481.241 2.489.650 2.440.780

81


BIJLAGE 2

Nutriëntenafvoer door marktbare gewassen per provincie TOTALE P-afvoer marktbare gewassen (kg P) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 217.655 233.011 232.870 269.564 318.224 309.603 319.833 335.309 360.055 430.080 457.131 431.293

Vlaams-Brabant 1.207.048 1.242.125 1.226.812 1.286.014 1.244.134 1.226.204 1.347.915 1.319.553 1.321.097 1.340.203 1.328.002 1.330.564

West-Vlaanderen 2.254.580 2.229.615 2.309.321 2.455.505 2.275.219 2.283.501 2.517.111 2.420.658 2.477.224 2.538.877 2.515.073 2.277.559

82

Oost-Vlaanderen 1.082.801 1.087.112 1.110.320 1.211.719 1.170.133 1.134.473 1.262.182 1.272.152 1.322.415 1.338.250 1.385.311 1.261.811

Limburg 823.673 864.017 880.517 937.937 902.826 903.191 1.006.103 981.264 1.022.033 1.083.511 1.087.183 1.065.843


BIJLAGE 3

Nutriëntenafvoer door voedergewassen per provincie TOTALE N-afvoer voedergewassen (kg N) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 16.825.858 16.938.370 17.579.802 17.572.196 17.178.142 16.570.717 16.530.402 17.929.216 17.761.486 18.011.097 17.666.864 17.421.957

Vlaams-Brabant 8.504.874 8.669.146 8.585.976 8.749.901 8.544.763 8.241.240 8.424.159 8.842.415 8.635.719 8.775.313 8.418.153 8.504.629

West-Vlaanderen 28.017.871 28.854.524 28.908.902 30.009.918 29.511.253 28.172.368 28.618.710 29.977.121 28.822.252 29.206.907 28.272.362 28.857.086

Oost-Vlaanderen 23.707.627 24.373.506 24.827.923 25.567.278 25.147.636 23.728.609 24.099.871 25.599.524 24.699.368 25.428.012 24.058.086 24.446.378

Limburg 10.407.553 10.537.890 10.903.257 10.943.695 10.709.960 10.322.024 10.193.288 10.972.708 10.722.987 10.830.850 10.579.494 10.432.764

TOTALE P2O5-afvoer voedergewassen (kg P2O5) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 4.502.766 4.544.606 4.764.103 4.772.170 4.649.219 4.448.138 4.438.758 4.860.440 4.803.636 4.876.281 4.777.022 4.715.532

Vlaams-Brabant 2.272.517 2.326.920 2.307.478 2.359.007 2.294.464 2.199.953 2.254.414 2.378.705 2.318.075 2.364.618 2.255.692 2.288.058

West-Vlaanderen 7.462.342 7.718.184 7.753.743 8.072.605 7.925.128 7.506.939 7.649.783 8.058.602 7.732.948 7.865.956 7.590.423 7.778.870

Oost-Vlaanderen 6.383.252 6.595.518 6.743.748 6.971.704 6.837.386 6.384.911 6.504.400 6.947.859 6.686.161 6.905.889 6.497.391 6.629.607

Limburg 2.809.995 2.852.741 2.974.406 2.989.821 2.918.018 2.787.303 2.745.813 2.982.469 2.903.069 2.937.789 2.861.773 2.826.242

83


BIJLAGE 3

Nutriëntenafvoer door voedergewassen per provincie TOTALE P-afvoer voedergewassen (kg P) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 1.966.273 1.984.544 2.080.395 2.083.917 2.030.227 1.942.418 1.938.322 2.122.463 2.097.658 2.129.380 2.086.036 2.059.184

Vlaams-Brabant 992.365 1.016.122 1.007.632 1.030.134 1.001.950 960.678 984.460 1.038.736 1.012.260 1.032.584 985.018 999.152

West-Vlaanderen 3.258.665 3.370.386 3.385.914 3.525.155 3.460.754 3.278.140 3.340.517 3.519.040 3.376.833 3.434.915 3.314.595 3.396.886

Oost-Vlaanderen 2.787.446 2.880.139 2.944.868 3.044.412 2.985.758 2.788.171 2.840.350 3.034.000 2.919.721 3.015.672 2.837.288 2.895.025

84

Limburg 1.227.072 1.245.738 1.298.867 1.305.599 1.274.244 1.217.163 1.199.045 1.302.388 1.267.716 1.282.877 1.249.683 1.234.167


BIJLAGE 2 & 3

Nutriëntenafvoerintensiteit marktbare en voedergewassen per provincie N-afvoerintensiteit marktbare & voeder gewassen (kg N/ha) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 226 228 235 232 224 214 210 223 219 223 221 217

Vlaams-Brabant 170 177 177 182 175 170 181 182 178 180 177 178

West-Vlaanderen 195 200 204 211 202 195 203 205 201 204 199 195

Oost-Vlaanderen 201 206 211 215 208 198 204 211 206 211 204 203

Limburg 185 191 196 197 190 183 186 192 189 194 191 189

P2O 5-afvoerintensiteit marktbare & voeder gewassen (kg P2O5/ha) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 63 63 66 66 64 61 59 64 63 64 64 63

Vlaams-Brabant 57 59 59 61 59 57 61 61 60 61 60 60

West-Vlaanderen 60 62 63 65 62 60 63 63 62 64 62 60

Oost-Vlaanderen 60 62 63 65 63 59 61 64 63 64 62 62

Limburg 59 61 63 63 60 58 60 62 61 63 62 61

85


BIJLAGE 2 & 3

Nutriëntenafvoerintensiteit marktbare en voedergewassen per provincie P-afvoerintensiteit marktbare & voeder gewassen (kg P/ha) JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 27 28 29 29 28 26 26 28 27 28 28 27

Vlaams-Brabant 25 26 26 27 26 25 27 27 26 27 26 26

West-Vlaanderen 26 27 27 28 27 26 27 28 27 28 27 26

Oost-Vlaanderen 26 27 28 28 27 26 27 28 27 28 27 27

Limburg 26 26 27 28 26 25 26 27 27 27 27 27

BLO marktbare & voedergewassen JAAR 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001

Antwerpen 79.716 80.137 80.210 82.185 84.205 85.115 87.028 88.498 89.909 91.007 90.913 90.947

Vlaams-Brabant 88.060 86.976 86.393 86.267 87.032 87.256 87.425 88.148 88.945 88.595 88.533 88.200

West-Vlaanderen 208.869 208.413 208.190 210.050 210.994 211.709 213.465 214.583 215.433 215.320 215.738 215.387

Oost-Vlaanderen 147.251 147.018 147.022 149.548 151.346 151.446 152.761 154.433 155.395 155.237 155.078 154.559

Limburg 80.001 79.623 79.845 81.492 82.416 83.403 84.560 85.017 86.144 86.318 86.614 86.063

BLO: Benutte landbouwoppervlakte (NIS-15 meitelling)

86


BIJLAGE 4 rundtype

melkkoe en andere

N-opname voederopname N-gehalte stalperiode (175 d)

(melkkoe)

weideperiode (190 d)

fokdieren<1j

stalperiode (275 d)

(vr<1j)

weideperiode (90 d)

kuilmaïs

(kg DS/GAD*j) 1488

kuilgras hooi

700 175

28,8 24

20,16 melk 4,20 dracht

evenwichtig KV eiwitrijk KV totaal

175 105

28,8 60,8

5,04 6,38 56,02 totaal

weidegras

(g/kg) (kg/GAD*jaar) 13,6 20,24 vlees

2280

32

kuilmaïs totaal totaal

437

13,6

kuilmaïs kuilgras

413 413

13,6 28,8

5,62 vlees 11,89

hooi evenwichtig KV totaal

179 138

24 28,8

4,30 3,97 25,78 totaal

weidegras

351

32

totaal totaal fokdieren>1j.

stalperiode (205 d)

(vr 1-2j) weideperiode (160 d)

vleesdieren<1j 83,00% (vleesstier<1)

kuilmaïs kuilgras

718 718

13,6 28,8

hooi totaal

226

24

weidegras totaal totaal

vleesdieren>1j 83,00% (vleesstier>1j) vlees2 17,00% (dikbil>1j)

5286 43

5,28 26,7

14,23 weide 15,45 29,67 totaal 277

26,7

7,40 stal (incl. 30% uit

210 43

25,3 26,7

vetmesting

858

19,2

16,47

opfok vetmesting

1305 377

25,6 22,4

6,6 29,6

5,31 stal 1,15 (incl. 30% uit

33,41 vlees 8,44

totaal vetmesting

3577

19,2

41,85 totaal 68,68 vlees

3358

22,4

27,0 70,9

395

26,7

10,55

382

26,7

10,20

31,7

10,20 totaal 14,42

31,7

455

14,42 totaal

54,3

475

33,9

10,55 totaal

68,68 totaal 75,22 vlees

43,8

weideperiode)

35,42 totaal

totaal

weide

weide 2,83 6,46 totaal

18,95 vlees

23,0

1,82 7,40 totaal

41,47 41,47 totaal 77,34 totaal

22,4

105,3

5,57

3,63

846

44,4 42,20

weideperiode)

5,42 35,87 totaal

opfok

(kg N/GAD/jaar) % 60,8 57,80

27,91 (incl. 30% uit 1,15 weideperiode)

11,23

9,76 vlees 20,68 dracht

N-excretiecoefficient

(g/kg) (kg/GAD*jaar) 26,7 0,61 stal

5,94 78,90 totaal 134,92 totaal

32

totaal

(kg/GAD*jaar) 23

72,96

1296

vetmesting

N-vastlegging vleesproductie N-gehalte N-vastlegging

11,23 totaal 37,01 totaal

totaal vleesdieren<1j 17,00% (dikbil<1)

N-opname

24,9

16,10

75,22 totaal

16,10 totaal

87

59,1

Kunstmestgebruik en gewasproductie als activiteiten van de nutriëntenemissie

Recommend Documents