Stikstof en organische stof

h h h h h m h h

Stikstof en organische stof dynamiek in biologische teelten

CJ. Koopmans & E. Heeres

Stikstof en organische stof dynamiek in biologische teelten

C.J. Koopmans & E. Heeres

LOUIS BOLK INSTITUUT n a t u u r w e t e n s c h a p p e l i j k

o n d e r z o e k

Colofon Louis Bolk Instituut, 2002 Hoofdstraat 24, 3972 LA Driebergen. Tel.nr. 0343-523860 Deze publicatie is telefonisch te bestellen bij het Louis Bolk Instituut onder vermelding van het publicatienummer LB08. De prijs is € 10,- exclusief verzendkosten

Stikstof en organische stof in biologische teelten

2

INHOUDSOPGAVE Samenvatting................................................................................................................................................................................................7 1. Inleiding..................................................................................................................................................................................................... 9 1.1. Introductie......................................................................................................................................................................................9 1.2. Vraagstelling................................................................................................................................................................................ 9 1.3. Doelstelling....................................................................................................................................................................................9 1.4. Mineralisatie van bodemorganische stof en organischemeststoffen...............................................................10 1.5. Samenstelling van organische sto f.................................................................................................................................. 10 1.6. Rol van debodemstructuur..................................................................................................................................................10 1.7. Berekeningen voor debedrijven........................................................................................................................................11 1.8. Vergelijking tussen de modellen NDICEA, ROTASK en XCLNCE...................................................................... 11 2. Materiaal en methoden.................................................................................................................................................................... 12 2.1. Locaties.........................................................................................................................................................................................12 2.2. Duur van het onderzoek.......................................................................................................................................................12 2.3. Metingen......................................................................................................................................................................................12 2.3.1. Metingen op de bedrijven..............................................................................................................................................12 2.3.2. Mineralisatie van bodem en organische producten.........................................................................................12 2.3.3. Fractionering van organische stof............................................................................................................................. 1 2 2.3.4. Bodemstructuurbepalingen.......................................................................................................................................... 12 2.3.5. Inzet van het model NDICEA....................................................................................................................................... 12 2.3.6. Vergelijking van de modellen NDICEA,ROTASK en XCLN CE....................................................................... 1 5 3. Resultaten.............................................................................................................................................................................................. 17 3.1. De bodem en mineralisatie van organische producten..........................................................................................17 3.1.1. Mineralisatie van de bodemorganische stof..................................................................................................... 17 3.1.2. Mineralisatie van organische mest en compost.................................................................................................18 3.1.3. Fractionering van organische stof.............................................................................................................................20 3.1.4. Bodemstructuur.................................................................................................................................................................. 22 3.2. N dynamiek in de biologische akkerbouw en groenteteelt................................................................................24 3.2.1. Basisinvoer............................................................................................................................................................................ 24 3.2.2. Simulatie van minerale N.............................................................................................................................................. 26 3.2.3. Bronnen van stikstof........................................................................................................................................................ 28 3.2.4. Stikstofverliezen................................................................................................................................................................. 29 3.2.5. Verloop van de organische stof.................................................................................................................................. 30 3.2.6. Scenario's voor Meterik...................................................................................................................................................30 3.2.7. Scenario voor Kooyenburg............................................................................................................................................ 32 3.3. N dynamiek in de biologische bollenteelt op De Noord..................................................................................... 33 3.3.1. Introductie............................................................................................................................................................................ 33 3.3.2. Invoer van het model...................................................................................................................................................... 33 3.3.3. Simulatie van de percelen 1 5 en 25 opDe Noord............................................................................................ 34 3.3.4. Analyse van de N dynamiek voor pl 5 en p 2 5 .................................................................................................. 35 3.3.5. N beschikbaarheid uit bloedmeel: invloed van het weer.............................................................................. 38 3.3.6. N mineralisatie uit bloedmeel.................................................................................................................................... 39 3.4. Biologische boomteelt Meterik.........................................................................................................................................40 3.4.1. Introductie............................................................................................................................................................................ 40 3.4.2. Invoer in het model.......................................................................................................................................................... 40 3.4.3. Simulatie voor de percelen p4 en p 8 ...................................................................................................................... 41 3.4.4. Stikstofbeschikbaarheid en optredendeverliezen.............................................................................................. 42 3.4.5. Discussie en conclusies...................................................................................................................................................43 3.5. Vergelijking van NDICEA, ROTASK en XC LN CE......................................................................................................44 3.5.1. Prestaties van de modellen........................................................................................................................................ 44 3.5.2. Discussie en conclusies...................................................................................................................................................44 4. Conclusies............................................................................................................................................................................................... 46 Referenties................................................................................................................................................................................................. 49 Bijlagen


3


4

Voorwoord Dit rapport analyseert de stikstofdynamiek en organische stof mineralisatie op een aantal praktijkbedrijven en onderzoeksbedrijven. Hierbij is het stikstofmodel NDICEA als een hulpmiddel ingezet. Op al deze bedrijven wordt gestreefd naar verbeteringen van de bedrijfsvoering, onder andere op het gebied van bodem en milieu. Management van de bemesting, bodembewerking en vruchtopvolging spelen daarbij een belangrijke rol. Om met betrekking tot deze onderwerpen keuzes in de bedrijfsvoering te kunnen onderbouwen is van deze bedrijven een analyse uitgevoerd. Deze analyse helpt andere resultaten beter te interpreteren en zal helderheid kunnen brengen in de problematiek van bodem en bemesting in de biologische teelt. De analyse is uitgevoerd door de sectie Bodem en Bemesting van het Louis Bolk Instituut in Driebergen in nauwe samenwerking met de praktijkboeren, projectleiding en onderzoekers van de proefbedrijven. Speciale vermelding verdienen de praktijkbedrijven en de samenwerking met Kor Zwart (Plant Research International en Alterra) waarmee paragraaf 3.5 tot stand is gekomen. Collega's Marcel van Sitteren, Jan Bokhorst en Geert-Jan van der Burgt hebben waardevolle bijgedragen geleverd aan dit onderzoek. Verder is dankbaar gebruik gemaakt van de PPO proeflocaties. Hiervoor is dank verschuldigd aan Frank Wijnands, Wiepie van Leeuwen, Patrick Koot, Paulien van Asperen, Jacques Rovers en Wijnand Sukkel van PPO sector ACV, Jan Eelco Jansma, Maia Wondergem en Anne Marie van Dam van PPO sector Bollen, Annette Pronk van PPO sector Bomen en de medewerkers en onderzoekers van de proefbedrijven Meterik, Westmaas, Kooyenburg, De Noord en Horst- Boomteelt. Tenslotte een woord van dank aan de oorspronkelijke ontwikkelaars van het NDICEA model Fons Habets en Gerard Oomen van Wageningen Universiteit. Dit onderzoek werd mogelijk gemaakt dankzij financiering door het Ministerie van Landbouw, Natuurbeheer en Visserij.

De auteurs,

Driebergen, december 2002


5


6

Samenvatting In de biologische landbouw worden diverse organische materialen van dierlijke en plantaardig oorsprong gebruikt. In tegenstelling tot zijn gangbare collega is de biologische boer voor zijn stikstofvoorziening vrijwel geheel afhankelijk van de levering van stikstof uit de bodem en van deze organische materialen. Omdat niet met snelwerkende kunstmeststoffen kan worden bijbemest zijn de sturingsmogelijkheden beperkt. Ook de gangbare boer zal in de toekomst te maken krijgen met de noodzaak tot een precisiebemesting met organische meststoffen, vanwege de verscherping van de milieunormen. In dit project is de stikstofdynamiek van diverse biologische teelten in kaart gebracht met als doel de bodem, bemesting en vruchtwisseling zo op elkaar af te stemmen dat een optimale productie wordt verkregen met minimale stikstofverliezen door uitspoeling en behoud van de bodemvruchtbaarheid op de langere termijn. Gezocht is naar mogelijkheden om: het stikstofleverend vermogen uit de bodemorganische stof in te schatten om in de toekomst mee te nemen in een bemestingsadvies; de stikstofbeschikbaarheid in de bodem continu te kunnen volgen gedurende de groei van het gewas d.m.v. een simulatiemodel om zo nodig (biologisch) bij te kunnen sturen; de groei van het gewas optimaal te houden en stikstofverliezen te minimaliseren. Om de stikstofdynamiek op de bedrijven in kaart te brengen is een set gegevens van 18 biologische percelen uit de akkerbouw, vollegrondsgroenteteelt, biologische bloembollenteelt en biologische boomteelt in de periode 1999-2001 onderzocht. Op alle percelen zijn management gegevens verzamelt evenals bodemanalyses, opbrengsten, gewassamenstelling, mestgift en samenstelling van de meststoffen. Circa 15 keer per jaar is de N-mineraal bepaald in twee bodemlagen. Verder is gebruik gemaakt van de weersgegevens van locale meteorologische stations. Met mineralisatieproeven is onderzocht of een schatting kan worden verkregen van de stikstoflevering van de verschillende bodems en in de praktijk gebruikte mesten compostsoorten. Ook is onderzocht of deze mineralisatie correleert met de chemische samenstelling van de organische stof en de organische meststoffen. De potentiële stikstofmineralisatie uit de bodemorganische stof bleek het best te correleren met het gehalte oplosbaar stikstof en N-totaal. De stikstoflevering van organische mest en compost kan het best voorspelt worden met behulp van oplosbaar stikstof, gevolgd door N-totaal. Bij de afbraak van de bodemorganische stof en het vrijkomen van de nutriënten speelt de kwaliteit van de organische stof een belangrijke rol. Deze afbraak hangt samen met welke soort organische stof in de bodem aanwezig is. Voor de mineralisatie op akker- en tuinbouwgrond is nooit een goede methode ontwikkeld om de mineralisatie te voorspellen. In deze studie is aangesloten bij het werk van Cambardella en Elliott (1992) waaruit bleek dat een bepaalde grootte fractie van de organische stof (de Particulate Organic Matter, POM) een fractie is die wel een goede indicator zou kunnen zijn voor (i) de mineralisatie uit de bodemorganische stof en (ii) de veranderingen in het organische stofgehalte van de bodems. Uit deze studie blijkt de particulate organic matter een bruikbaar instrument te zijn, om een jonge organische stof fractie in de bodem vast te stellen die veel dynamischer is dan de totale organische stof. Op de onderzochte zandgronden is de POM hoger dan op de onderzochte kleigronden. De POM correleert echter niet met de stikstofmineralisatie op de onderzochte akker- en tuinbouwpercelen. Omdat de bodemstructuur de groei van de gewassen en met name de wortelgroei sterk kan beïnvloeden en daarmee de stikstofopname door de gewassen, is de bodemstructuur op de percelen onderzocht. Deze blijkt zeer variabel door het jaar heen. Verder onderzoek is nodig om te bepalen hoe de invloed van de bodemstructuur in simulatiemodellen van de stikstofdynamiek is op te nemen en hiermee de bodemstructuur de dynamiek mede te laten bepalen.


7

Met behulp van het model NDICEA (Nitrogen Dynamics In Crop rotations in Ecological Agriculture (Habets en Oomen, 1993; Koopmans en van der Burgt, 2001 ) is een analyse gemaakt of (i) de gewassen van voldoende stikstof worden voorzien, (ii) hoe groot de verliezen door stikstofuitspoeling beneden de wortelzone zijn en (iii) of er sprake is van behoud van de organische stof op de langere termijn. Tevens is geanalyseerd wat de bronnen van de minerale N op de verschillende percelen waren. Ter toetsing van de berekeningen zijn de berekende N-mineraal waarden vergeleken met de gemeten waarden voor nietgekalibreerde en gekalibreerde versies van het model. De modelsimulaties voor de akkerbouw en vollegrondsgroente laten zien dat de N-mineraal waarden in de bouwvoor goed met het model NDICEA kunnen worden beschreven. Dit geldt voor een grote combinatie van gewassen (38) en organische mesten compostsoorten en zowel voor zand-, zavel en kleigronden, over meerdere jaren. Door modelkalibratie kan een lichte verbetering van model prestaties worden bereikt. Kalibratie op bedrijfsniveau lijkt aan te raden indien de gegevens voor invoer beschikbaar zijn. In 7 2 % van de gevallen kan de stikstofbeschikbaarheid in de bodem uitgedrukt in minerale stikstof, tot een nauwkeurigheid van 20 kg N per ha worden beschreven. Uit de berekeningen met het model blijkt dat de organische stof in de bodem een aanzienlijke bijdrage levert aan de stikstofbeschikbaarheid van de gewassen. Hier wordt in de praktijk nog onvoldoende rekening mee wordt gehouden. De grootste stikstofverliezen blijken op te treden wanneer de percelen braak liggen in de herfst en het vroege voorjaar. Daarnaast kunnen echter, bij zwaarder bemeste gewassen, tijdens de teelt significante verliezen optreden zoals bij prei, Chinese kool en suikerbiet op de zandronden. Op de proefbedrijven lijkt sprake van gelijkblijvende of licht stijgende organische stofgehaltes. Op de praktijkbedrijven echter lijkt sprake van vruchtwisselingen en bemestingen die leiden tot een lichte afname van de bodemvruchtbaarheid op de langere termijn. Uit een scenario voor Kooyenburg bleek dat de biologische vruchtwisselingen, mits de inzet van groenbemesters deel uitmaken van het bouwplan, kan leiden tot 40 kg N /ha extra mineralisatie uit de bodemorganische stof. Verder blijkt uit de scenario's met het model dat de gewassen in veel gevallen nog onnodig bijbemest worden en dat er nog ruimte is om de bemesting beter op de gewasbehoefte af te stemmen. Voor de biologische bloembollenteelt lijkt het NDICEA model een bruikbaar instrument om de stikstofbeschikbaarheid te berekenen uit compost, bloedmeel en gewasresten en zo het tijdstip van de bemesting verder te optimaliseren. Wel zijn hier nog modelaanpassingen nodig om de effecten bijvoorbeeld het aanbrengen van stro op de bodem en toediening van bloedmeel op dit stro, goed te kunnen berekenen. Voor de biologische boomteelt kon geconcludeerd worden dat de stikstofbeschikbaarheid redelijk goed is afgestemd op de gewasbehoefte. Wel kan met een lagere basisbemesting worden volstaan. Vergelijking van het model NDICEA met de modellen ROTASK en XCLNCE geeft aan dat naast het dynamische model NDICEA ook het nieuw ontwikkelde model XCLKNCE (Zwart, 2001 ) goed in staat is om de voorraad minerale stikstof in de bodem te berekenen. De modellen zijn op het moment een belangrijk hulpmiddel om de mineralisatie uit de bodemorganische stof over een bepaalde periode op een perceelsspecifieke wijze in te schatten. Dit leidt tot betere resultaten dan de bepaling van de mineralisatie middels laboratorium incubaties. NDICEA heeft veel potentie als hulpmiddel voor het ontwikkelen van een nieuw bemestingssysteem voor de biologische landbouw. Ook is het een goed instrument waarmee beleid getoetst kan worden en dat ook effectief op bedrijfsniveau ingezet kan worden.


8

1.

Inleiding

1.1.

Introductie

In de biologische en ook in de gangbare teelten worden diverse organische materialen van zowel plantaardig als dierlijke oorsprong toegepast. Naast mest en compost is er ook organisch materiaal uit gewasresten. Deze organische materialen leveren voedingstoffen voor gewassen en dragen bij aan de organische stof voorziening. In tegenstelling tot de gangbare collega is de biologische boer voor zijn stikstofvoorziening vrijwel geheel afhankelijk van de levering van stikstof uit de bodem en van de organische meststoffen. Omdat niet met snelwerkende kunstmeststoffen kan worden bijbemest zijn de sturingsmogelijkheden beperkt. Ook de gangbare boer zal in de toekomst te maken krijgen met de noodzaak tot een precisie toepassing van de organische meststoffen vanwege de verscherping van de milieunormen. Hoeveel nutriënten komen er vrij en wanneer? Dat wil een (biologische) boer weten. In de organische meststoffen zijn nutriënten zoals stikstof vaak voor een belangrijk deel aanwezig in organische vorm. Voordat deze nutriënten beschikbaar zijn voor een gewas is het nodig dat ze vrijkomen in anorganische vorm. Dit proces heet mineralisatie. Bij de mineralisatie wordt de organische stikstof uit de bodem of de meststoffen omgezet tot minerale componenten, in eerste instantie ammonium (NH4). Verdere omzetting naar nitraat (N 03) is mogelijk in de nitrificatie. Beide vormen kunnen door de gewassen als voedingsbron dienen. Om de mineralisatie goed te laten verlopen moeten de organische stoffen afbreekbaar zijn voor het bodemleven. Soms zijn deze makkelijk afbreekbaar en soms zeer stabiel. Het verkrijgen van inzicht hierin door middel van praktische experimenten of labmetingen is een lastige klus en moeilijk naar de veldsituatie te vertalen. Daarom heeft dit onderzoek zich naast laboratoriummetingen gericht op de vraag of met een computermodel de stikstofmineralisatie te voorspellen is. Hierdoor kunnen met behulp van eenvoudige metingen en simulaties zoals met het model NDICEA in de toekomst betere voorspelling omtrent de mineralisatie van organische producten en daarmee het onderhoud van organische stof gedaan worden. Hierdoor kan steeds de vinger aan de pols gehouden worden, de genomen maatregelingen worden geëvalueerd en kan er zo nodig bijgestuurd worden op het goede moment met de juiste meststof.

1.2.

Vraagstelling

Centrale in dit onderzoek stond de vraag hoe bouwplan en bemesting op biologische bedrijven zodanig op elkaar afgestemd kunnen worden dat: 1. 2. 3.

een optimale productie wordt verkregen; de verliezen van stikstof (N) zoveel mogelijk worden beperkt; en de bodemvruchtbaarheid op de langere termijn gehandhaafd kan worden.

1.3.

Doelstelling

Het doel van dit project was om de stikstofdynamiek van biologische bedrijven in kaart te brengen. Hiermee kunnen stikstofvoorziening voor de gewassen en beheer van organische stof beter op elkaar worden afgestemd terwijl verliezen tot een minimum beperkt kunnen blijven. Voor de boer is het de noodzaak om de nutriëntenvoorziening uit bodemorganische stof en organische (mest)stof steeds op een goede manier op elkaar af te stemmen om in de toekomst aan de verwachting van de consument en de scherpere milieueisen te kunnen blijven voldoen (Koopmans en Bokhorst, 2002).


9

1.4.

Mineralisatie van bodemorganische stof en organische meststoffen

De inzet en beschikbaarheid van verschillende soorten mest, compost en gewasresten maakt het nodig om inzicht te verwerven in de wijze waarop de stikstof uit verschillende organische meststoffen beschikbaar komt. De mineralisatie van organische stof in de bodem kan een zeer belangrijke bron van stikstof zijn. In de praktijk wordt hier echter nog nauwelijks, op een bedrijfsspecifieke wijze rekening mee gehouden. Oorzaak is dat het moeilijk is de mineralisatie uit bodemorganische stof en organische meststoffen te voorspellen. Doel van dit onderdeel van de studie was om te komen tot een relatief eenvoudige wijze om in de praktijk rekening te houden met de mineralisatie van een specifieke bodem en van verschillende meststoffen die op de bedrijven worden gebruikt. Hiertoe is onderzocht of middels laboratorium incubaties een schatting kan worden verkregen van de mineralisatie van de verschillende bodems en de toegediende meststoffen. Ook is onderzocht of deze mineralisatie correleert met de chemische samenstelling van de organische stof in de bodem en de samenstelling van de toegediende meststoffen.

1.5.

Samenstelling van organische stof

Bij de afbraak van bodemorganische stof en het vrijkomen van nutriënten speelt het bodemleven maar ook de kwaliteit van de organische stof een belangrijke rol. Deze afbraak hangt af van welk soort organische stof in de bodem aanwezig is en hoe deze in de bodem aanwezig is. Bij de afbraak van organische stof kan fysische, chemische en biochemische bescherming tegen afbraak optreden (Christensen, 1992). In veel simulatiemodellen wordt gebruik gemaakt van meerdere fracties organische stof met elk een eigen afbraak snelheid om de afbraak van de totale organische stofte kunnen beschrijven. In het NDICEA model worden voor de bodemorganische stof een labiele, een jonge en een oude fractie organisch stof onderscheiden, elk met een "initial age” (zie bijlage 2). Hassink (1995) heeft laten zien dat met behulp van een fysische scheiding van de organische stof de stikstofmineralisatie op grasland verklaard kon worden. Deze scheiding was gebaseerd op de soortelijke dichtheid van organische stof: hierbij werd een lichte, middelzware en zware fractie onderscheiden. De mineralisatie op grasland correleerde daarbij met het gehalte aan stikstof in de 'lichte' organisch stoffractie en was onafhankelijk van de textuur in de bodem. Voor de mineralisatie op akker- en tuinbouwgrond is nooit een goede methode om de mineralisatie te voorspellen ontwikkeld. Daarnaast bleek de methode van Hassink te ingewikkeld om op routinebasis uit te voeren waardoor de methode zelf niet meer in gebruik is. In deze studie is daarom aangesloten bij het werk dat in de VS op verschillende plaatsen gebeurd (Cambardella & Elliott, 1992). Hieruit bleek dat de Particulate Organic Matter (POM) een fractie is die wel eens een goede indicator zou kunnen zijn voor: •

De mineralisatie uit de bodemorganische stof;

•

Een snelle indicator om veranderingen in het organische stofgehalte vast te stellen.

Een periode van 3 jaar is tekort om significante veranderingen in het verloop van de totale organische stof experimenteel vast te stellen. Daarom is er ook voor gekozen om experimenteel naar de POM-fractie te kijken omdat hiermee veranderingen in het organische stofgehalte mogelijk sneller zichtbaar zouden worden.

1.6.

Rol van de bodemstructuur

Omdat de bodemstructuur de groei van de gewassen en met name de wortelgroei sterk kan beïnvloeden en daarmee de stikstofopname door de gewassen, is de bodemstructuur op de percelen onderzocht. Het doel


10

was in eerste instantie om eventuele verminderde groei van gewassen vast te kunnen stellen die niet direct te verklaren zou zijn uit de beschikbaarheid van de nutriënten. Daarnaast had het geregeld waarnemen van de bodemstructuur tot doel een visuele bodembeoordeling te toetsen om deze in de toekomst eventueel als verklarende parameter te integreren in de simulaties met het model NDICEA. In deze studie is een begin gemaakt aan de analyse van bodemstructuur, hoe deze veranderend en wat de invloed is van grondbewerking en gewassen. Met uiteindelijke doel een uitspraak te kunnen doen over wat de invloed van de bodemstructuur is op de mineralisatie. Aan de hand van resultaten wordt van twee bedrijven de bodemstructuur besproken.

1.7.

Berekeningen voor de bedrijven

Om de stikstofbeschikbaarheid te optimaliseren en anderzijds de verliezen beperkt te houden kan inzicht in de stikstofdynamiek en bekendheid met de bronnen van stikstof een hulpmiddel zijn (Koopmans en Bokhorst, 2002). Op een 18-tal biologische percelen is de stikstofdynamiek geanalyseerd met het model NDICEA. Naast een viertal praktijkbedrijven betrof het een drietal BSO onderzoekslocaties waar met biologische vruchtwisselingen voor de akkerbouw en de groenteteelt wordt gewerkt. Daarnaast is een analyse uitgevoerd voor de biologische bloembollenteelt op zand en de biologische boomteelt op zand. Het doel was om te analyseren of (i) de gewassen van voldoende stikstof worden voorzien, (ii) hoe groot de verliezen door stikstofuitspoeling beneden de wortelzone zouden zijn en (iii) of er sprake is van behoud van de bodemvruchtbaarheid op de langere termijn. Tevens is geanalyseerd wat de bronnen van de minerale N op de verschillende percelen waren. Hiertoe is een analyse gemaakt van de verschillende bronnen van N mineralisatie uit de bodemorganische stof, de toegediende meststoffen en de gewasresten. Aan de hand van de resultaten en de praktijkvragen die er leefden is in een aantal scenario's berekend hoe in de specifieke bedrijfssituaties de stikstofcyclus en het behoud of de opbouw van de organische stof geoptimaliseerd zou kunnen worden. Een aantal voorbeelden daarvan is tevens opgenomen bij de resultaten voor de bedrijven.

1.8.

Vergelijking tussen de modellen NDICEA, ROTASK en XCLNCE

Om de vraag naar de mineralisatie van stikstof uit bodemorganische stof, organische meststoffen en gewasresten te voorspellen zijn in het verleden verschillende methoden ontwikkeld van eenvoudige rekenregels tot meer complexe simulatiemodellen (Koopmans en Zwart, 2001). In deze studie is voornamelijk met NDICEA gewerkt. Uiteindelijk is NDICEA echter voor alle percelen vergeleken met ROTASK, eveneens een dynamisch simulatiemodel, bestaande uit dezelfde componenten als NDICEA, maar met een verschillende berekening voor de mineralisatie en gewasopname (Jongschaap, 1996) en XCLNCE een model gebaseerd op de IKC rekenregels (Beijer & Westhoek, 1996; Lammers, 1983) en ontwikkeld door Zwart (2001). Doel was om de prestaties van de verschillende modellen met elkaar te vergelijken en aan te geven welke complexiteit blijkbaar nodig is om de stikstofbeschikbaarheid in de bodem met een zekere nauwkeurigheid te kunnen berekenen. Meer resultaten van deze vergelijking zullen in een apart rapport verschijnen.


11

2.

Materiaal en methoden

2.1.

Locaties

Het onderzoek heeft plaatsgevonden op diverse biologische bedrijven. Het betreft telkens 2 percelen op de geselecteerde bedrijven. Het betrof hier 4 praktijkbedrijven (BIOM bedrijven), 3 BSO bedrijven, Boomteelt praktijkonderzoek (Horst) en Bloembollen (De Noord). Tabel 1 geeft een overzicht van de locaties en de gevolgde vruchtwisselingen.

2.2.

Duur van het onderzoek

Het experimentele deel van het onderzoek vond plaats in de periode 1999- 2001. Ten behoeve van de simulaties met de modellen zijn bij een eerste bedrijfsbezoek de beschikbare gegevens van de jaren 1997 en 1998 gevraagd en gebruikt in de simulaties. Slechts voor de biologische boomteelt in Horst was dit niet mogelijk doordat in voorafgaande jaren een andere proef op de betreffende locatie had gelegen.

2.3.

Metingen

2.3.1.

Metingen op de bedrijven

Begin 1997 zijn in bedrijfsbezoeken gegevens gevraagd die betrekking hadden op de jaren 1997 en 1998. Een overzicht van de methode van gegevensverzameling is gegeven in bijlage 1.

Weergegevens Voor de weersgegevens is gebruik gemaakt van een lokaal weerstation. Hierbij zijn de gemiddelde dagelijkse temperatuur- (gemiddelde in °C), neerslag (mm/week) en referentie evapotranspiratiecijfers (Emakkink, mm/week) gebruikt.

N-mineraal bepalingen Om de 14 dagen zijn de percelen bemonsterd in de periode maart-november tot een totaal van 12 tot 15 keer per jaar. Op alle bedrijven zijn steeds 2 bodemlagen onderscheidden (0-30 cm en 30-60 cm). Deze lagen zijn per perceel afzonderlijk bemonsterd (40 steken bovengrond, 20 steken ondergrond). Ammonium (NH4-N) en nitraat (N 03-N) zijn colorimetrisch bepaald met een autoanalyzer in een 0,01 M CaCI2 extract.

Cewasgegevens Boven- en ondergronds gewasproductie is bepaald op de percelen van de praktijkbedrijven. Voor de onderzoeksbedrijven zijn de productiecijfers van het PPO gebruikt en aangevuld met producties van de groenbemesters. Gewassen zijn gedroogd bij 70°C gedurende 72 uur en het percentage N is bepaald. Alle mest en compostgiften zijn geregistreerd. Deze meststoffen zijn geanalyseerd op droge stof, organische stof, NH4-N, N-totaal, P20 5 en K20.


10

03 03

03 03

03 03

03 03

E E

u-

i_

03 03 03 03 ^r O O o> o 4-> t/1

CU 03 03 CU CU CU CU CU

03 03

O O >

o o

CD CD

03 03

E

TD

>

E E E E £ “3 "3 TD "3 TD \ \ \ \ 3 03 03 3 3 3 .CU CU 3 3 O 03 03 3 3 o 3 3 3 3 > > 4— > 4— 1 4-» 4-> 4— OO OO l/l OO OO CD CD
oo CD CD CD CD CD CD 3 E ME ■> 4-> 4-> 4-> — 4—> 4— OO OO 00 OO OO "3 ’ 3 03 03 3 3 3 TD "C5 > > > > >

CD E

“3 \ 3 3 O o > 4— 1 oo 3 3 O O

CD . 3 3 CD 4-1 OO O 3 O

CD E

E E "3 \ 3 3^ 3 3 4-> OO
E

3

3 3^ O O > 4-» OO

3

3 3 3 4-1 4-» 4-» 00 in 3 3 3

3

3 3 O O

E

CD CD

O \ 4—*

"3

“3 "3 \ \ 3 3^ 3 3 O cu' O 3 > 4-» 4-» 00 oo

E E E

t

CD _o _Q \

i— 3 TO

3 4-» OO O 3 O

> > > > > > > > >

OO 3 "3 3 o 3 3 "3 CL 4-» OO _o 3o E 3 _Q 15 o > \ OJ \ 4-1 \ OO \ hr LI— OJ 00 o o . , o cl E E t/i \ 3 4-> oo o o o E O \ u 4-1 CL

3

3

_X

\

E o

3 3

t > O

o

CD CD -r-j

_x rs

3

O O

E

-3 U 3 >
Q_ E CD ~3

o

_Q c CD

g

.S i

s oo _x CD

cn • I

d cl

CL 03 "3 03 03 \

CD _Q Q_ 00

-S --

'

tu

l/l

o . \ c ^ "P C D\ n\ ~ - n3 P 3 oo CD P O ;§ _> 00 p m o O c E 3 E CT) m

_x \ ■ ■

CD

fSI _x ^ '5

o o

CD _Q "3 03 CD ^ > \ I e

CD CL S - i . U CL Q_ O O. £ E > 03 E TO 03 ■ g U 03 X "I x 03 \ £= - a T cd 3 S o CD 03 '3 > \ tu \ 03 C D •P" tu _3 3 > f03 -X \ . 03 1 -E JS p 2 .53 ^ . 4-»

N :1p

2 iS

oo

CL CL \Cj 03 E \ \ i/i in oo ■— v * \ oo 4—1 rn m - P N's 03 03 E E

CD CL

*or 03

OJ O

3

i/l

bl

03

M

\

■¥ x

cn

CD o "5

o

TO "Ö3 >

E

a

iS

"ÖÏ " E

tn

n

\

c

> 03 -X

1

03 U

cl

X -8 .E

E cn JC g_X

£

X

8

>->

03 - E \ X _3 E - oo __ in

‘E 2 * oo CD CN

(D > 03

a -3 ^ T O , S

5 CD

u _cu oo \

E £

lj

^

CD

CJ j 1-t—

N 2 -12 caj Co i/i a) o ch.S2 Q-J3 • M \ c 03 E t X _ro S Ol ui

Cl

J u

_x

|

JS

\

3 CD CD CL OO

O _Q \

g ü E ^ ra E

x -¥ 2 rsj cd ~a \

|

O TO _L -Q O -t-i

-X rsi tu ■5 ^ &

-S \ I 03 CD __ 03 O \ > 03 E 53 > OO X 03 a .£

03 r\i cn \ \ o 03

03

in

£ cn

O

\

CD

cn

_TO

X

CD

rs i

\

cn C D 1— CL

\

CL CD £= C CD _I= \ +-> 0)

lg CD

\ CD > 03 CD > 03

_CD

£

> 03

cn OO CD 3 3 CD rsi

_x o

■ a CD 4—1 OO o r”

« :— CD — \ CD U u > 03 o v/1 __ U oo •

£ 2 . c

cn |

CD "3 3

o CD ~3

O C L C L C L C L C L C L Q -C L C L

^ i ^ r— C L CL CL

CU > CD o ü CD > O

>

03 M

r—

*4— -X :h t' CD _Q

03

a

"3 3 3 Cü CL

TJ

c= CU rsi

cp -X

rsi

rn

-X :Z T *

_x : zr*

's}_X IZT'

iS

iS

iS

3

3

3

oI

oI

CL

03 fSI

_X ■ n 3

4—1 3

S

CD -X o o 3 3

E 4->

O O 3

5

“C5 c 03 rsi

LT) CL

03 LO LT)

CL

rsi

cl

cl

■ a 3 03 rsj

"C5

3 O 3 3

"3

O V

3 Q

CD (D 4—* E O O 00

O O

3

03 rsi

oo a.


CD

O O -X

£

_X

> .£ CU CU

2.3.2.

Mineralisatie van bodem en organische producten

De potentiële mineralisatie is de hoeveelheid stikstof die maximaal kan vrijkomen uit de bodem gegeven gunstige vocht en temperatuurcondities. De potentiële stikstofmineralisatie is gemeten in het laboratorium (20°C, 70% WHC) in goed gehomogeniseerde grondmonsters. Initiële NH4-N en N 03-N concentraties zijn bepaald in 1M CaCl2 extract. Incubaties vonden plaats in petrischalen gedurende 5 weken. Het verschil in N-mineraal op t=0 en t=5 geeft de potentiële mineralisatie. Deze is uitgedrukt in mg N-min per kg grond per week of in kg N per ha per week. De respiraties (C 0 2-productie) tijdens incubatie zijn eveneens gemeten. Dit is een maat voor de snelheid waarmee de organische stof in de bodem wordt afgebroken en dus een indicator voor de microbiële activiteit. Deze is tevens bij 20°C en 7 0 % WHC gemeten. De C 0 2 productie is gemeten na 1 ,3 en 5 weken door middel van het opvangen van C 0 2 in KOH en terugtitratie met behulp van HCI (Anderson, 1982). De potentiële N-mineralisatie van de organische meststoffen is bepaald door de luchtdroge meststof (25 g droge stof per kg grond) te mengen met een standaard zandgrond uit Meterik (N. Limburg) en gedurende 5 weken in het laboratorium te incuberen bij 20°C en 70% WHC. Alle meststoffen werden in 4 herhalingen ingezet en een standaardgrond zonder mest werd meegenomen als controle. De geïncubeerde meststof is indien nodig verkleind tot 0,5 cm lengte om te grote spreiding te voorkomen. Het verschil in N-mineraal op t=5 en t=0 is de hoeveelheid N die is gevormd als gevolg van de mineralisatie. Het verschil tussen de mineralisatie in de standaardgrond en die met de meststof kan worden toegeschreven aan de mineralisatie van de meststof. Een statistische analyse is gedaan met GenStat (2001). Met de SELECT procedure (Biometris, 2001) zijn op basis van beschikbare factoren en variabelen alle regressie modellen berekend. Op basis van biologische relevantie, R2 en Maliows Cp (beoordelingscriterium) is het beste model geselecteerd.

2.3.3.

Fractionering van organische stof

Voor de karakterisering van de kwaliteit van de organische stof is de "Particulate Organic Matter (POM) fractie bepaald volgens de methode van Cambardella en Elliott (1992). Hiertoe is de grond (20 g) opgelost in 100 ml sodium hexametaphosphate (50 g /l) gevolgd door 12 uur schudden. De opgeloste grond is gezeefd over een 53-p.rn zeef. Het materiaal dat op de zeef achterbleef (POM-fractie in een zandmatrix) is gedroogd bij 70 °C gedurende 24 uur. Organische C en N fractie zijn bepaald m.b.v. een massaspectrometer.

2.3.4.

Bodemstructuurbepalingen

Bij de bepaling van de bodemstructuur is een visuele bodembeoordelingsmethode gebruikt (Koopmans en van der Burgt, 2001). Voor de verschillende percelen is 6x per jaar de bodemstructuur beoordeeld. Met een spade werd op drie plaatsen in een perceel een kleine kuil gegraven van 30 cm diep en aan de zijkant een ongestoorde kluit naar boven gehaald van 10 cm dikte. Deze kluit is beoordeeld op de aanwezigheid van de scherpe, ronde en kruimel structuurelementen. Het geheel is herhaald in de laag 30-60 cm. Het is mogelijk de gewichts- of volumeverdeling van de verschillende structuurelementen in te schatten. Verder zijn factoren genoteerd die invloed kunnen hebben op het structuur- en bewortelingspatroon zoals extreem droge of natte condities.

2.3.5.

Inzet van het model NDICEA

Doel van de analyse van de stikstofdynamiek was o.a. om de verschillende bronnen van stikstof (bodemorganische stof, basisbemesting en hulpmeststoffen) vast te stellen teneinde tot suggesties voor mogelijke verbeteringen te komen. Het model NDICEA is hierbij als een hulpmiddel ingezet. Het model NDICEA staat voor Nitrogen Dynamics In Crop rotations in Ecological Agriculture (Habets en Oomen, 1993; Koopmans en van der Burgt, 2001). Met het model is het mogelijk de langjarige effecten van een bepaald bouwplan door te rekenen. Het model NDICEA bestaat uit de integratie van drie modules: (i) de mineralisatie van stikstof op basis van de afbraak van de organische stof, (ii) de waterbalans en


12

daarmee stikstoftransport in de bodem en (iii) gewasgroei en daarmee de water- en stikstofopname door het gewas. De stikstof die uit mineralisatie vrijkomt wordt verrekend met de opname door het gewas, de berekende stikstofuitspoeling en de berekende denitrificatie. Dit geeft uiteindelijk de minerale stikstof in de grond als een belangrijke uitkomst van het model. Een beschrijving van het model is opgenomen in bijlage

2

.

Om het model te kunnen laten werken moet een aantal bedrijfsgegevens worden ingevoerd (tabel 2). Tabel 2. Invoergegevens voor het model NDICEA. Onderdeel Klimaat

Invoer Beregening Temperatuur (wekelijks) Cewasverdamping

Opmerkingen Regionaal weerstation

Bodem

Textuur %C % N pH Laagste grondwaterstand Hoogste grondwaterstand

Uit bodemanalyse Uit bodemanalyse op meerdere tijdstippen Uit bodemanalyse op meerdere tijdstippen Uit bodemanalyse Opgave teler Opgave teler

Mest en compost

Hoeveelheid Week van toediening Analyse incl. NH4 Initial age Bruto opbrengsten Analyse

Registraties LBI/PPO

Cewasproductie

N-mineraal

N-mineraal 0-30 cm N-mineraal 30-60 cm

Analyse LBI/PPO Standaarden LBI Veldbepalingen LBI/PPO Analyse PPO/LBI Wekelijkse metingen LBI

In alle gevallen is het gemeten organische stofgehalte aan het begin van de experimenten gebruikt als initiële organische stof en in NDICEA opgenomen in de parameter 'old organic matter'. Met de uitvoer van het model zijn inzichten te verkrijgen over de ontwikkeling van de organische stof en de N dynamiek in de percelen (tabel 3).

Toetsing van het modei Voor de toetsing van het model zijn de berekende minerale stikstofgehalten in de grond vergeleken met de gemeten minerale stikstof uit de bodemanalyses. Daarnaast is getoetst of het model voldoet door te controleren of de gewassen in het model in staat zijn de hoeveelheid N op te nemen die ze nodig hebben (en ook hebben opgenomen in de praktijk). Tenslotte kan het model getoetst worden door te kijken of het berekende organische stofgehalte in de bodem door de jaren heen overeen komt met de in de praktijk gemeten waarden. De drie jaren van deze studie waren echter te kort om deze laatste toets in deze studie uit te voeren.


13

Tabel 3. Overzicht van de belangrijke uitvoer van het model NDICEA Uitvoer

Wat valt eraan af te lezen?

N-mineraal in de bodem

heb ik voldoende minerale N in de bodem voor de groei van mijn gewas, of teveel in het najaar zodat er mogelijk uitspoeling plaatsvindt? hoe ontwikkeld zich de bodemvruchtbaarheid, neemt de organische stof af, blijft die gelijk of neemt die toe wat is de bijdrage van de bodemorganische stof, de gewasresten of de mest aan de stikstofvoorziening waar blijft mijn stikstof? Uitsplitsing naar gewasopname, uitspoeling, vervluchtiging vastlegging in de bodem? overzicht van aanvoer en afvoer van mineralen op het bedrijf maar ook hoe efficiënt ga ik met mijn mineralen om?

Organische stof Bronnen van mineralisatie Stikstof flux Mineralenbalans

KaHbratie van het model NDICEA Bij de analyse van de stikstofdynamiek met het model NDICEA is gebruik gemaakt van versie 4.23. Na invoer van alle gegevens in het model is het model gekalibreerde met de kalibratieprocedure in NDICEA die gebaseerd is op het Price algoritme (Price, 1977). Daarbij is gefit op 9 parameters die moeilijk te kwantificeren zijn (Jager, 2001). Tabel 4 geeft een overzicht van de range waarbinnen de parameters zijn gekalibreerd. Tabel 4. Overzicht van de parameters en de parameter ranges waarop het NDICEA model gekalibreerd is. Parameter Etbare MWU CNM ADM DNF Text! NLF1 NLF2 Oage

Minimum 0,20 0,60 5 0,20 0 0,50 0,50 0,50 17,0

Maximum 0,80 0,90 9 0,50 0,30 1,0 1,0 1,0 27,0

Etbare: beschrijft de waterverdamping uit de bodem. De waarde varieert afhankelijk van de vochtigheid van de toplaag. Ook de dikte van deze toplaag bepaald het watertransport van deze laag. In NDICEA is slecht één waarde mogelijk. Dit heeft als gevolg een onderschatting bij vochtige condities en een overschatting bij droge condities. MWU: De 'Minimum Water Uptake' is een factor om de N-opname te corrigeren bij watergebrek. De waarde is een drempelwaarde. Wordt deze overschreden dan neemt de potentiële N-opname af. Watergebrek hangt af van het gewas en het klimaat. CNM: staat voor de C/N verhouding van de micro-organismen en is afhankelijk van de microbiële samenstelling in de bodem. ADM: staat voor de Assimilatie/Dissimilatie verhouding. Samen met de CNM bepaald deze de afbraaksnelheid van de organische stof. De waarde hangt samen met de samenstelling van de microbiële biomassa en dus het voedselweb in de bodem. DNF: Denitrificatie factor. De denitrificatie in de bodem is een complex proces en afhankelijk van anaërobe plekken in de bodem. De vochtigheid en de zuurstofdiffusie zijn belangrijke factoren. Het is lastig om tot


14

één waarde op veldschaal te komen. DNF is in NDICEA gerelateerd aan de hoogte van de minerale stikstof in de bodem. T e x t l: de textuurfactor is een indicatie van de fysieke protectie van organische stof in de bodem. In kleigronden zal over het algemeen méér protectie optreden dan in de zandgronden. In NDICEA fungeert de factor eveneens als de invloed van bodembewerking, vochtcondities tijdens het seizoen en structuur van het bodemprofiel. NLF1 en NLF2: deze factoren staan voor de synchronisatie tussen stikstofuitspoeling en de waterstroming in de bodem. Er zijn vele factoren die de stikstofuitspoeling doen vertragen t.o.v. de directe waterstroming, zoals waterretentie, stikstofconcentratie en bodemdiepte. Voor het grootste gedeelte wordt dit bepaald door de pF curve. De factoren kunnen gezien worden als een verfijnde afstemming. NLF1 staat voor de toplaag 0-30 cm, NLF2 voor de tweede laag 30-60 cm. OAge: Deze factor staat voor de initial age van de oude organische stof. Deze waarde geeft de positie van de organische stof op de afbraakcurve volgens Janssen (1984). De Price procedure in NDICEA genereert benaderingen door de gesimuleerde N-mineraal waarden te vergelijken met de gemeten N-mineraal waarden. De procedure genereert at random parameter combinaties binnen de aangegeven grenzen. Door iteratie worden steeds betere parameter combinaties gegenereerd en steeds worden de slechtste parameter combinaties verwijdert. Plet criterium hierbij is de Cfunctie. Deze is een combinatie van verschillende doelfuncties met het doel de residu waarde tussen modeluitkomst en gemeten waarde te minimaliseren. In NDICEA zijn 5 optionele functies opgenomen (Jager, 2001). In deze studie zijn de functies "kalibratie op N-mineraal in de l e steek (0-30 cm) en T steek (30-60 cm)" en de totale N opname door het gewas gebruikt. Voor elke variant op een bedrijf is een kalibratie uitgevoerd. Voor deze datatsets zijn in totaal maximaal 3400 iteraties in het Price algoritme uitgevoerd.

2.3.6.

Vergelijking van de modellen NDICEA, ROTASK en XCLNCE

Om de prestaties van het NDICEA model te kunnen evalueren en in een breder perspectief te plaatsen is er een vergelijking gemaakt tussen het NDICEA model en het dynamische simulatiemodel ROTASK en het spreadsheet model XCLNCE. Daarbij is als uitgangspunt genomen dat het model in staat moest zijn de vele bodemtypes en gewassen uit de studie te simuleren. ROTASK is eveneens een dynamisch simulatiemodel bestaande uit dezelfde componenten als NDICEA, maar verschillende berekeningen voor de mineralisatie en gewasopname (Jongschaap, 1996). Zo onderscheidt ROTASK drie verschillende organische stoffracties bij de afbraak van organische stoffen waar NDICEA slechts één fractie onderscheidt waarvan de afbraaksnelheid daalt met de tijd (Janssen, 1984). Verder worden in ROTASK meerdere bodemlagen onderscheiden. In tegenstelling tot NDICEA wordt de gewasgroei dynamische berekend in een apart gewasgroeimodel op basis van de invallende straling (bijlage 2). Het model XCLNCE maakt gebruik van de IKC-rekenregels (Beijer & Westhoek, 1996) en Lammers (1983) voor de berekening van de mineralisatie (Zwart, 2001). De bodemmineralisatie wordt berekend op basis van een vaste snelheid afhankelijk van de grondsoort en het organische stofgehalte voor één bodemlaag. Organische mesten gewasresten mineraliseren op basis van drie fracties met verschillende verdeling per meststof, elk met een vaste mineralisatiesnelheid (Lammers, 1983). Op basis van het neerslagoverschot wordt per dag berekend welke fractie van de N-mineraal uit de bodem verdwijnt. Cewasopname vindt plaats op basis van een logistieke opname curve voor stikstof voor eenjarige gewassen en een Arrheniusvergelijking voor gewassen die overwinteren (bijlage 2).


15

Om de vergelijkende berekeningen met de drie modellen mogelijk te maken is gebruik gemaakt van dezelfde set gegevens verzameld in deze studie van 18 biologische percelen uit de akkerbouw, vollegrondsgroenteteelten biologische bloembollenteelt in de periode 1999-2001. Voor de simulaties met het model is verder gebruik gemaakt van de weersgegevens van het dichtstbijzijnde meteo station. Ter toetsing van de berekeningen zijn de berekende N-mineraal waarden vergeleken met de gemeten waarden.


16

3.

Resultaten

3.1.

De bodem en mineralisatie van organische producten

3.1.1.

Mineralisatie van de bodemorganische stof

Van de onderzochte bedrijven zowel uit de praktijk als de proefbedrijven is de potentiële mineralisatie bepaald. Figuur 1 geeft een overzicht van de potentiële N mineralisatie van de onderzochte percelen in 2001. Bijlage 3 geeft het complete overzicht van de bodemanalyses en de potentiële mineralisaties voor de zand en kleigronden. De stikstofmineralisatie van de geanalyseerde zandgronden lag tussen 3 en 8 mg N /kg/week. Bij de kleigronden lag deze tussen 6 en 15 mgN/kg/week.

Figuur 1. De potentiële stikstofmineralisatie in de geanalyseerde zand- en kleigronden. Er is onderzocht of er een verband is tussen de potentiële stikstofmineralisatie en de samenstelling van de grond. De stikstofmineralisatie blijkt goed te beschrijven met de formule mineralisatie = 0.4131 * Noplosbaar + 1.9782 (r2 = 0.60). Een dergelijk verband is door Zwart et al. (1999) gevonden voor de beschrijving van de N mineralisatie van organische producten. Ook voor deze gronden bleek de correlatie echter te voldoen (figuur 2)

Figuur 2. Correlatie tussen de potentiële stikstofmineralisatie van de gronden en N-oplosbaar in CaCI2.


17

Een betere correlatie (r2 = 0.77) wordt echter gevonden tussen de potentiële N mineralisatie en de N-totaal (figuur 3).

Figuur 3. Correlatie tussen de potentiële stikstof mineralisatie van de gronden en N-totaal. Ook is middels een multivariate analyse (Censtat, 2001) naar de N mineralisatie op zandgronden versus kleigronden gekeken. Deze analyse laat zien dat N-totaal/N-oplosbaar en de periode (maand) 56% van de variatie in de stikstofmineralisatie op zandgronden verklaart (Cp 0,86). N-totaal/N-oplosbaar verklaarde 3 5 ,7 % van de variatie en de maand 26,6% . In tegenstelling tot de zandgronden zijn het bij kleigronden juist de organische stof, C/N verhouding van die organische stof, NH4-N, N-totaal en POM-N die de variatie in de stikstofmineralisatie van kleigronden verklaard voor 9 0 ,6 % (Cp 5,04). De statistische analyse met 4 verklarende variabelen laat zien dat de 8 9,3% van de variatie verklaard wordt door de organische stof, C/N van de organische stof, NH4-N en POM-N (Cp 6,99). Het organische stof gehalte van de gronden verklaart het hoogste percentage variatie in de stikstofmineralisatie, namelijk 54,3% . De stikstofmineralisatie van bodemorganische stof voor kleigronden kan het best voorspelt worden met behulp van het organische stof percentage, gevolgd door C/N verhouding en daarna NH4. Voor zandgronden kan de stikstofmineralisatie juist het best voorspelt worden met N-totaal/N-oplosbaar. Dat de potentiële mineralisatie een indicatie kan geven voor de mineralisatie gedurende het seizoen kon met deze methode niet worden aangetoond. Ook zijn de gevonden waarden een veelvoud van de mineralisatie die in het veld zal kunnen plaatsvinden. Dit is niet geheel verassend gezien dat het hier gaat om laboratorium incubaties waarbij de grond tevens wordt gemalen. Een vergelijking tussen de gemeten potentiële mineralisatie in het laboratorium en de door het model NDICEA berekende mineralisaties laat zien dat de gemeten mineralisatie circa een factor drie hoger liggen dan wat kan worden verwacht op basis van de NDICEA simulaties met correcties voor temperatuur en vocht.

3.1.2.

Mineralisatie van organische mest en compost

Van de organische producten die in de praktijk zijn toegediend is de stikstofmineralisatie bepaald door middel van incubaties in het laboratorium (figuur 4). Tevens is de stabiliteit van het organisch materiaal bepaald, door de koolstofafbraak in een periode van 8 weken te meten. De chemische samenstelling van de toegepaste meststoffen, stikstofmineralisatie en koolstofafbraak is aangegeven in bijlage 5.


18

Figuur 4. Stikstofmineralisatie en een selectie van de geteste organische producten. Producten met dezelfde naam zijn afkomstig van een verschillende bron. De meeste stikstof wordt geleverd door bloedmeel gevolgd door kippenmest. Als er een negatieve stikstof mineralisatie is betekend dat er immobilisatie of vastlegging van stikstof plaats vindt. Dit is met name het geval bij de koolstofrijke compostsoorten, zoals groencomposten en strorijke vaste mestsoorten. De C/N verhouding van deze organische meststoffen ligt rond de 20 of hoger. Composten leverden in vergelijking tot dierlijke meststoffen weinig stikstof, deze organische meststoffen zijn dus niet een meststof waarbij snel stikstof beschikbaar is. Wel hebben deze organische meststoffen positieve invloed op het op peil houden of verhogingen van de organische stof gehalte in de bodem. De analyse laat dan ook een hoog % C zien bij compostsoorten, wat duid op een hoge stabiliteit.

Correlatie N-mineralisatie en samenstelling product Er is onderzocht of er correlaties zijn tussen de stikstofmineralisatie en de samenstelling van het product. Er blijkt een correlatie te zijn tussen stikstofmineralisatie en N-oplosbaar (figuur 5).

Figuur 5. Correlatie tussen stikstofmineralisatie en oplosbaar stikstof in organische meststoffen.


19

25

Figuur 6 Correlatie tussen de totale hoeveelheid stikstof en de stikstofmineralisatie van organische producten. Ook is er sprake van een correlatie tussen de totale hoeveelheid stikstof en de stikstofmineralisatie (figuur 6). Als de totale hoeveelheid stikstof in het product toeneemt dan neemt de stikstofmineralisatie ook toe. Er is geen of een zwakke correlatie gevonden tussen het C/N quotiënt, C-totaal, organische stof percentage en de stikstofmineralisatie van de organische producten. Uit de multivariabele analyse blijkt dat Noplosbaar, droge stof en N-totaal samen 78 % van de variatie verklaren (Cp 4,76). Uit de multivariabele analyse blijkt eveneens dat de stikstofmineralisatie van organische producten het best voorspelt kan worden met behulp van N-oplosbaar, gevolgd door droge stof en daarna N-totaal (N-oplosbaar 47% , droge stof 23% , N-totaal 9% en anderen 20% ).

3.1.3.

Fractionering van organische stof

In de literatuur wordt wel aangegeven dat op biologische bedrijven sprake is van een betere bodemkwaliteit die verklaart zou kunnen worden door een grotere fractie aan jonge, actieve organische stof. In dit project is de Particulate Organic Matter (POM) bepaald. In figuur 7 is de POM als fractie van de totale organische stof weergegeven. De POM fractie blijkt op de zandgronden iets hoger te liggen dan op de kleigronden. Dit is niet zo verwonderlijk daar op de zandgronden sprake is van een grotere toediening van organisch materiaal.

■ POM-C ■ POM-N

Figuur 7. Particulate organic matter fractie (POM) als percentage van de totale organische stof en de POMN fractie als percentage van N-totaal op de onderzochte zand- en kleigronden.


20

Figuur 8 en 9 laten de POM zien in het najaar en voorjaar op de zand- en de klei bed rijven. Doordat sprake is van een jonge organische stoffractie verloopt de decompositie van deze fractie relatief snel en vinden we dit terug in het feit dat op de meeste percelen de POM-C tendeert naar lagere waarden in het voorjaar dan in het najaar. Met name op de percelen waar sprake is geweest van grote organische stofinputs in het najaar zien we een behoorlijke afname van deze jonge fractie naar het voorjaar toe.

Figuur 8. Particulate organic matter (POM) fractie op de zandgronden in het najaar van 2000 en voorjaar van 2001.

re re >4-*

50 45

0-» + 1

40

o

35

c

30

re

> OI S O

CL

■ najaar ■ voorjaar

25

h

t

L

i

i

i

Figuur 9. Particulate organic matter (POM) fractie op de kleigronden in het najaar van 2000 en voorjaar van 2001. Uit de statische analyse (GENSTAT, 2001) komt naar voren dat het soort organisch materiaal uitgedrukt in POM-C niet correleert met de potentiële stikstof mineralisatie op zowel de klei- als de zandbedrijven (r2 = 0,14). Ook is er geen duidelijke correlatie gevonden tussen de potentiële N mineralisatie en het soort organisch materiaal uitgedrukt in POM-N (r2 = 0.31). Theoretisch gezien zou de stikstofmineralisatie afhangen van het soort organische materiaal dat in de bodem aanwezig is. Men zou verwachten dat bij een hogere POM in de bodem de stikstofmineralisatie ook toeneemt. Uit onderzoek van Chan (1997) blijkt dat ook. In zijn studie is een relatie gevonden tussen POM-C (uitgedrukt in g per kg grond) en de stikstofmineralisatie van gras- en akkerbouwland. De spreiding in de studie van Chan van zowel de stikstofmineralisatie als de POM-C fractie is echter veel groter dan in de huidige studie. In deze studie was


21

de spreiding van de POM-N 16% boven het gemiddelde en 16% van het gemiddelde beneden het gemiddelde met een STDV van 0,005 tussen de uitkomsten onderling. Hoewel in deze studie geen direct verband is gevonden tussen de POM en de potentiële stikstofmineralisatie bepaald in het laboratorium, is niet geheel uitgesloten dat deze fractie toch een belangrijk deel van de mineralisatie voor zijn rekening neemt. In het geval van de potentiële mineralisatie wordt immers een maximale mineralisatie bepaald die niet in overeenstemming bleek met de mineralisatie die in het veld mag worden verwacht. Ook wordt bij de potentiële mineralisatie alle organisch materiaal mineraliseerbaar doordat er sprake is van het vermalen van de aggregaten. In deze aggregaten kan met name op klei een deel van de organische stof opgesloten liggen waardoor er geen mineralisatie kan optreden in het veld. Duidelijk is wel dat de POM fractie een dynamische fractie is die mogelijk als snelle indicator kan dienen voor veranderingen in het organische stofgehalte. Daarnaast zijn er inmiddels indicaties (project Biokas) dat de POM fractie gepaard gaat met een grote activiteit van het bodemleven en correleert met de ziektewerendheid van zandgronden (Cuijpers, pers. comm.).

3.1.4.

Bodemstructuur

In het algemeen blijkt uit de gegevens dat de bodemstructuur sterk wisselt door het jaar heen, dit geldt voor alle geanalyseerde percelen. Door de grote variatie door het jaar heen van de bodemstructuur op de onderzochte percelen kunnen we concluderen dat de bodemstructuur geen stabiliteit vertoont. In de analyse kwam naar voren dat er een beperkte relatie is met grondbewerking en de geteelde gewassen en de bodemstructuur. Aan de hand van twee bedrijven wordt dit verder toegelicht.

Praktijkbedrijf 7 De bodem op dit bedrijf is een matig lichte zavel. De bouwvoor is 30 cm diep en bevat 2 ,1% organische stof. De laag onder de bouwvoor (30-60 cm) heeft een organische stof gehalte van 2% . De bouwvoor heeft een pH van 6,3. De vruchtopvolging op perceel 1 is van dit praktijkbedrijf 1 is weergegeven in tabel 5. Tabel 5. Vruchtwisseling op perceel 1 van praktijkbedrijf 1. Jaar 1999 2000 2001

Gewas Haver Aardappelen Kool

Bemesting Najaar runderdrijfmest Voorjaar geiten dm Voorjaar runderdrijfmest

Groenbemester Haver groenbemester Gerst groenbemester

In figuur 10 zijn de resultaten weergegeven over de 3 jaren met vermelding van het geteelde gewas. Opvallend is dat het percentage kruimels sterk toeneemt tijdens de teelt van de haver groen bemesten Dit geldt ook voor de teelt van gerst als groenbemester in het najaar 2000. Waarom de structuur na de haverteelt in 1999 ineens in de maand december over ging naar ronde- en scherpe elementen is onduidelijk. Als haver en gerst als groenbemester met elkaar vergeleken worden wat betreft onderhouden van de bodemstructuur dan lijkt het dat gerst de bodemstructuur beter kan onderhouden dan haver.


22

Figuur 10. Bodemstructuur uitgedrukt in percentage elementen over 3 jaren op Praktijkbedrijf 1 in de laag 30 cm. De pijlen geven het tijdstip van ingrijpende grondbewerkingen aan. Het gewas kool is geen structuur verzorgend gewas, dat te zien is aan het toenemen van rond- en scherphoekige elementen tijdens de teelt. Ook de oogst van aardappelen vraagt veel van de bodemstructuur: na de aardappel teelt is er een hoog percentage rond- en scherphoekige elementen waargenomen. De bodemstructuur herstelt in de teelt van de gerst (groenbemester) gezaaid na de aardappelen. Vorstperioden hebben een positief effect op de kruimel ontwikkeling van de bodem. In de winter 20002001 is er een duidelijke toename van het kruimelpercentage te zien; dit was niet het geval in de winter het jaar ervoor. Neerslag kan deze fysieke structuurverbetering te niet doen.

Praktijkbedrijf 3 De bouwvoor is een zware zavel en de laag daaronder is een lichte klei. De bouwvoor bevat 4 ,5% organische stof, de laag daaronder (30-60 cm) een gehalte van 3,1 %. De vruchtopvolging op perceel 1 van dit praktijkbedrijf is weergegeven in tabel 6. Tabel 6. Vruchtwisseling op perceel 1 van praktijkbedrijf 3 Jaar 1999

Gewas Winterpeen

Groenbemester Haver groenbemester

Bemesting

2000

Koriander

Gele mosterd groenbemester

2001

Spinazie

Haver/wikke groenbemester

Voorjaar runderd rijf mest, zomer runderdrijfmest (juni) Voorjaar runderdrijfmest

Opvallend aan het verloop van de bodemstructuur (figuur 11) is dat de oogst van winterpeen en koriander een structuur achterlaat met een lage tot zeer laag kruimelpercentage: een ongewenste structuur. Terwijl de structuur aan het begin van deze teelten door grondbewerking een betere kwaliteit liet zien. Dit geeft aan dat grondbewerking een tijdelijk effect geeft van verbeterende structuur. Dit is ook goed te zien aan de teelt van spinazie: voor spinazie heeft grondbewerking plaatsgevonden die heeft gezorgd voor een toename van de kruimelelementen. Terwijl dit tijdens de teelt afnam.


23

□ scherp Drond □ kruimel Figuur 11. Bodemstructuur uitgedrukt in percentage elementen over 3 jaren op Praktijkbedrijf 3 in de laag 0-30 cm. De pijlen geven het tijdstip van ingrijpende grondbewerkingen aan. De groenbemesters hebben nauwelijks of een beperkte positieve invloed op de visuele bodemstructuur. Tijdens de teelt van gele mosterd neemt het percentage kruimel- en ronde elementen lichtjes toe; tijdens haver/wikke is er zelfs een afname van kruimel- en ronde elementen. Dat haver/wikke en gele mosterd geen positief effect hebben op de bodemstructuur komt overeen met andere ervaringen (Bokhorst en van der Burgt, 2002). Ook op dit perceel is een toename te zien van de kruimelstructuur in de winter, zowel in 1999-2000 als

2000 2001 -

.

Discussie Door de grote variatie door het jaar heen van de structuurverdeling op de onderzochte percelen kunnen we concluderen dat de bodemstructuur weinig stabiliteit vertoont. Daarbij is er slechts in beperkte mate overeenkomst tussen het geteelde gewas en de bodemstructuur: groenbemesters (haver, gerst) hebben een positief effect op de bodemstructuur op Praktijkbedrijf 1 terwijl bij Praktijkbedrijf 3 bij de gele mosterd en haver/wikke geen positief effect op de structuur is waar te nemen. De bodemstructuur op de twee percelen vertoont een grote variatie. Het oogsten van gewassen zorgt in de meeste gevallen voor een afname van kruimelelementen en dus een verslechtering van de structuur. Interessant is om te onderzoeken of de gesimuleerde N-mineralisatie uit NDICEA gecorreleerd is met de gemeten bodemstructuur. Verder onderzoek is noodzakelijk om te bepalen hoe de bodemstructuur (en uiteindelijk ook het bodemleven) in NDICEA is op te nemen als een verklarende variabele.

3.2.

N dynamiek in de biologische akkerbouw en groenteteelt

3.2.1.

Basisinvoer

Bodemanaiyses Ten behoeve van de invoer voor het model NDICEA zijn in het voorjaar van 1999 alle percelen bemonsterd voor de lagen 0-30 cm en 30-60 cm. Een overzicht van de analyses is in bijlage 3 gegeven. De totale hoeveelheid organische stof in NDICEA is afgeleid uit deze gegevens waarbij de initiële hoeveelheden verse en jonge organische zijn gesimuleerd op basis van de twee jaar voorafgaande aan de veldmetingen.


24

Gewasanalyses In bijlage 4 is een overzicht gegeven van gewasanalyses voor de praktijkbedrijven. Voor de berekeningen van de proefbedrijven is naast eigen analyses gebruik gemaakt van de analyses verzameld door de PPO proefbedrijven.

Gebruikte meststoffen Voor een overzicht van de gebruikte meststoffen (hoeveelheden en samenstelling) wordt verwezen naar de invoergegevens voor de bedrijven zoals die zijn weergegeven in bijlage 5. Kaübratie

Bij de berekeningen met NDICEA is onderscheid gemaakt tussen de niet-gekalibreerde en gekalibreerde versies van het model. Hiertoe is de procedure uit par. 2.3.5 gebruikt. Tabel 7 geeft een overzicht van de prestaties van NDICEA vóór en na kaübratie. De modelsimulaties zijn beoordeeld aan de hand van een aantal statistische parameters die zijn voorgesteld door Janssen en Heuberger (1995) en die de vergelijking met andere modelbenaderingen vergemakkelijken. Uit deze analyse blijkt dat de gemiddelde afwijking tussen de modelsimulaties en de metingen (Average Error, AE) zeer gering zijn in de bovengrond maar in de ondergrond met 10 kg N per ha nog behoorlijk. De NRMSE geeft een soort variatie coëfficiënt rond het gemiddelde van de waarnemingen en is laag. De modelling efficiency (ME) kwantificeert de relatieve verbetering van de modelbenadering ten opzichte van een eenvoudig model weergegeven door het gemiddelde van de waarnemingen. Elke positieve toename kan worden geïnterpreteerd als een verbetering ten opzichte van het eenvoudige model 'het gemiddelde van de waarnemingen'. Een waarde dichter bij 1 betekent hierbij een verbetering. De r2 laat zien dat de kaübratie toch een aanzienlijke verbetering van de prestaties van het model heeft opgeleverd voor de bovengrond. Tabel 7. Prestatie van de NDICEA berekeningen voor de niet gekalibreerde en gekalibreerde versies.

Aantal MO AE RMSE NRMSE ME r2

Bovengrond 0-30 cm Niet-gekalibreerd Gekalibreerd 777 777 39,1 39,2 -0,5 -0,8 41,7 30,3 0,8 1,1 0,5 0,1 0,2 0,5

Ondergrond 30-60 cm Niet-gekalibreerd Gekalibreerd 689 689 35,4 35,5 -10,5 -10,3 47,9 51,9 1,4 1,5 0,2 0,0 0,2 0,1

MO = gemiddelde van de waarnemingen AE = average error RMSE = root mean square error NRMSE - Normalized RMSE ME = modelling efficiency R2 = correlation coefficient


25

In tabel 8 is een samenvatting gegevens van de parameterwaarden waarmee het model is gekalibreerd en die in detail zijn beschreven in par. 2.3.5. Tabel 8. Parameterwaarden van NDICEA voor de niet-gekalibreerde en gekalibreerde versies. Zie voor toelichting op de parameters par. 2.3.5.

Parameter Etbare MWU CNM ADM DNF Text! NLF1 NLF2 Oage

grondsoort

geen kalibratie

na kalibratie

zand klei zand klei zand klei zand klei zand klei zand klei zand klei zand klei zand klei

0,45 0,45 0,75 0,75 8,3 8,3 0,5 0,5 0,3 0,3 1,00 0.73-0.83 1,00 0.73-0.83 1,00 0.73-0.90 24 24

0,58 0,43 0,74 0,74 7,1 6,8 0,4 0,4 0,2 0,4 1,00 0,90 0,78 1,00 0,69 0,99 22 24

Het opvallende in deze analyse is de synchronisatie tussen de stikstofuitspoeling en de waterstroming (NLF1 en NLF2) in de bodem op zand. De prestaties van het model worden verbeterd indien verondersteld wordt dat de stikstofuitspoeling vertraagd is ten opzichte van de waterstroming op de zandgronden en dat dit effect op deze zandgronden gemiddeld wat sterker is dan op de kleigronden.

3.2.2.

Simulatie van minerale N

Om te beoordelen of NDICEA een goede beschrijving geeft van het verloop van de minerale stikstof zijn de gesimuleerde waarden van de N-mineraal vergeleken met de experimentele waarden. Als voorbeeld is figuur 12 gegeven. In bijlage 6 is een compleet overzicht van de resultaten van de gemeten en berekende N-mineraal waarden opgenomen. Minerale Stikstof

Minerale Stikstof

A B Figuur 12. Verloop van gemeten (punten) en berekende (lijn) N-mineraal in de laag 0-30 cm voor Meterik p4 (A) en praktijk 3 pi (B).


26

Om de nauwkeurigheid van de simulaties vast te stellen is gebruik gemaakt van een visuele en statistische beoordeling. In figuur 13 zijn de gesimuleerde waarden uitgezet tegen de gemeten waarden voor de laag 0-30 en 30-60 cm. Tevens is de lijn uitgezet waarop alle punten zouden moeten liggen indien de gesimuleerde waarden exact overeen zouden komen met de gemeten waarden. Uit figuur 13 blijkt dat visueel gezien voorde hogere N-mineraal waarden relatief grote absolute afwijkingen tussen de gesimuleerde en gemeten waarden kunnen voorkomen. Deze afwijking is sterker in de laag 30-60 cm dan 0-30 cm. Door perceelsspecifieke kalibratie van het model kunnen de afwijkingen aanzienlijk teruggebracht worden. Een deel van de N-mineraal waarden wordt echter niet verklaart door het model en moet naast een mogelijke onnauwkeurigheid van het model zelf ook worden toegeschreven aan veldvariabiliteit en onzekerheden in modelinput die gepaard gaan met toepassing van het model in praktijksituaties.

Figuur 13. Berekende en gemeten waarden voor de N-mineraal (kg N /h a /ja a r) op 18 biologische percelen in de laag 0-30 cm en 30-60 cm. Naast de regressielijn is de 1:1 lijn aangegeven. Het percentage berekende gehaltes dat minder dan 10, 20, 30, 50 en 100 kg N afweek van de gemeten waarden staat weergegeven in tabel 9. Hieruit blijkt dat bij een geaccepteerde afwijking van de model prestaties van 20 kg N per ha, de niet-gekalibreerde versie van NDICEA in 6 1 % van de gevallen voldoet. Met perceelsspecifieke kalibratie kan dit worden verbeterd zodat 7 2 % van de gevonden N-mineraal waarden met een nauwkeurigheid van 20 kg N per ha kan worden beschreven. Dit geeft aan dat ook het niet gekalibreerde model in veel gevallen voldoet, maar indien de perceelsspecifieke informatie aanwezig is, een perceelsspecifieke kalibratie de voorkeur verdient. Tabel 9. Het percentage berekende waarden voor de laag 0-30 cm dat binnen 10, 20, 30, 50 of 100 kg N van de gemeten waarde valt.

Afwijking kg N/ha <10 <20 <30 <50 <100

% goede berekeningen niet-gekalibreerd 37 61 76 88 97

gekalibreerd 48 72 84 92 98

Een overzicht van de prestatie per perceel is toegevoegd in tabel 10. Hieruit blijkt dat de prestatie van het NDICEA model nogal verschillen per perceel. Als belangrijkste oorzaken van een mindere prestatie moeten worden genoemd: (i) onzekerheid omtrent de gewasopname (praktijk 2 en Kooyenburg), (ii) onvoldoende zicht op bemesting door de buurman (praktijk 2) en (iii) zeer verdichtte bodemstructuren (praktijk 2,


27

Kooyenburg en Westmaas) waardoor afwijkingen kunnen optreden in de waterstroming, meststoffen nauwelijks lijken te mineraliseren (anaërobe) en mogelijk verliezen door denitrificatie toenemen. Tabel 10. Prestatie van hetN DICEA model voorde individuele akkerbouw en vollegrondsgroente percelen. Bedrijf

Perceel

Praktijk 1

Pi p2 p5 p6 p4 p il p l -2 p l -5

Praktijk 2 Meterik Kooyenburg Praktijk 3

Pi p4

Praktijk 4

Pl p4 p40 p44

Westmaas

Ni* N-Ni* r* (kg N /ha) (kg N /ha) 0-30 cm 27,8 2,0 0,67 30,3 9,5 0,35 -24,7 91,3 0,51 118,3 -4,2 0,72 32,2 0,54 3,0 28,4 0,47 0,5 30,4 0,74 -3,0 37,9 -6,2 0,23 45,3 0,76 - 0,1 7,2 0,67 39,3 44,5 2,4 0,82 32,8 0,91 -1,3 0,44 22,1 4,5 34,7 0,70 4,1

% afwijking % afwijking < 20 kg N/ha < 50 kg N /ha 79 68 33 42 70 75 76 53 72 56 86 88 79 71

95 84 64 72 93 94 98 76 100 95 98 100 100 93

* Cem. Ni: gemiddelde van de veldwaarnemingen N-Ni: verschil tussen gesimuleerde en veldwaarnemingen r: correlatie tussen N en Ni

3.2.3.

Bronnen van stikstof

Wordt aangenomen dat na kalibratie van het model een goede schatting van de stikstofdynamiek is verkregen dan is het mogelijk de herkomst van de beschikbare stikstof in de bodem vast te stellen uit de berekeningen. Tabel 11 geeft hier een overzicht van. Tabel 11. De hoeveelheid stikstof die beschikbaar komt op de percelen door mineralisatie (kg N /h a/ja ar) uitgesplitst naar diverse bronnen B e m e s tin g

P e rc e e l

P ra k tijk 1

P1 p2 p5

134

19

129

282

142

144

325

156

39 57

155

368

p6

158

48

193

3 99

p4 p11

123

65 96

120 59

308 258

49

111

297

P ra k tijk 2 M eterik K o o ye n b u rg P ra k tijk 3 P ra k tijk 4 W e s tm a a s

Initiële o rg. sto f

G e w a s re s te n

B e d rijf

T o ta a l

p1 -2

103 137

p1 -5

104

6

77

187

P1 p4

89

25

117

231

96

45

181

322

P1 p4 p40

266

41

52

3 59

100 46

73 25

46 100

219

p44

90

43

137

270

171

Uit de berekeningen over 5 jaar blijkt dat de initiële organische stof een aanzienlijk bijdrage levert aan de stikstofbeschikbaarheid op de percelen. De bijdrage van de bemesting zal in het model echter met de jaren toenemen doordat een steeds groter deel van de stikstof in feite een nawerking is van de toegediende meststoffen.


28

In bijlage 6 is de dynamiek van de mineralisatie door het jaar heen per perceel weergegeven en uitgezet met het verloop van de gewasopname. De "pieken" in de mineralisatie geven de toediening van organische meststoffen weer. In een aantal gevallen (met name praktijk 2) valt deze meststofgift in een periode dat het veld nog gedurende een aantal weken braak zal blijven liggen. Hierbij is dus nog een verbeteringen in de afstemming van de meststofgift (en daarmee van de mineralisatie) met de gewasopname mogelijk. Met name bij praktijk 1 blijkt de gewasopname vrij nauwkeurig te zijn afgestemd op de mineralisatie. Ook komen hier slechts korte perioden van braak voor, hetgeen een zeer gunstige werking heeft op de stikstofdynamiek en handhaving van de organische stof.

3.2.4.

Stikstofverliezen

Met behulp van de gekalibreerde versie van het model is een analyse mogelijk van waar de stikstof uiteindelijk terecht komt (tabel 12). Tabel 12. StikstofverdeIing over de processen N opname, denitrificatie en uitspoeling (beneden de wortelzonde op 60 cm) in kg N /h a/jaar.____________________________________________________ Bedrijf Pecolatie Concentratie Perceel N opname Denitrificatie > 60 cm > 60 cm (mg N /liter) Praktijk 1 Praktijk 2

Pl P2 p5

Meterik

p6 p4

Kooyenburg

PU p l -2 p i -5

Praktijk 3

Pl p4

Praktijk 4

Pl p4 p40 p44

Westmaas

137 162 214 147 143 180 205 150 137 140 141 233 151 137

122 122 14 24 91 4 42 37 46 69 165 15 25 60

58 70 190 271 145 143 95 67 67 148 86 68 64 112

14 18 57 74 26 31 16 13 16 27 20 18 12 20

De N opname in deze analyse is gebaseerd op de gemodelleerde gewasopname. In bijna alle gevallen stemt deze opname overeen met de bepaling van de gewasopname in het veld. De berekende denitrificatie is een onzekere factor in de berekeningen omdat over dit proces niet zoveel bekend is en de berekening vrij eenvoudig in het model zijn opgenomen (bijlage 2). Bij de uitspoeling is gerekend met de verliezen die zullen optreden met het percolatiewater beneden de wortelzonde dieper dan 60 cm. Het is niet waarschijnlijk dat alle verloren stikstof ook daadwerkelijk in diepere lagen of in de meetbare drainage terecht zal komen. Vertonen de bodems anaërobe verschijnselen en bevat de bodem organische stof dan is verdere denitrificatie in de laag beneden 60 cm of dieper waarschijnlijk. Toch laten de gegevens zien dat op verschillende percelen de verliezen met het percolatiewater aanzienlijk kunnen zijn. In alle gevallen liggen ze boven de EU nitraatnorm van 11,4 mg N 03-N per liter en worden in één geval zelfs enkele keren overschreden. Bijlage 6 geeft een overzicht van wanneer de verliezen op de percelen optreden. De grootste verliezen treden op wanneer de percelen braak liggen in de herfst en het vroege voorjaar. Gecombineerd met het neerslagoverschot treden met name op de zandgronden dan piekverliezen op. Daarnaast kunnen echter ook zeker bij zwaarbemeste gewassen tijdens de groei significante verliezen optreden zoals bij prei (praktijk 2, Meterik), Chinese kool (Meterik) en suikerbiet (Kooyenburg). Daarnaast blijkt dat ook een haver vanggewas niet optimaal is om stikstofverliezen te voorkomen (praktijk 1).


29

3.2.5.

Verloop van de organische stof

Een periode van 3 jaar is tekort om significante veranderingen in het verloop van de totale organische stof experimenteel vast te stellen. Daarom is ervoor gekozen om experimenteel naar de POM-fractie te kijken omdat hiermee veranderingen in het organische stofgehalte sneller zichtbaar worden (zie par. 3.1.3.). Met behulp van NDICEA kan het verloop van de organische stof worden ingeschat. Ook is het mogelijk te fitten op de experimentele bepalingen van het organische stof verloop in de bodem. Door de relatief korte periode is er echter voor gekozen, het model niet de fitten op het (grillige) verloop in de experimentele organische stofwaarden. Tabel 13 geeft de modelschatting van het verloop van de organische stof op de percelen. Opvallend is dat op de proefbedrijven door de uitgekiende vruchtwisselingen sprake lijkt van een gelijkblijvend of toenemend organische stofgehalte. Op de praktijkbedrijven 1, 2, 3 en 4 lijkt echter sprake van vruchtwisselingen en bemestingen die het organische stofgehalte niet op pijl kunnen houden. Analyse leert dat dit mede wordt veroorzaakt door de afwezigheid van groenbemesters is het teeltplan. Tabel 13. Verloop van de gesimuleerde organische stof (% toe- of afname van de initiële hoeveelheid in 3 jaar). Bedrijf

Perceel

Initiëel (% )

Praktijk 1

Pl p2 p5 p6 p4 p il

2,1 3,1 2,9 3,4 2,9 2,8 2,9 4,3 4,5 3,9 4,4 4,3 4,6

Praktijk 2 Meterik Kooyenburg

pl "2 pl -5

Praktijk 3

pl p4

Praktijk 4

Pl p4 p40 p44

Westmaas

3.2.6.

Toe- of afname (% van initiële hoeveelheid).

5,1

-7,6 -5,9 -0,7 -2,7 -1,1 0,9 4,1 -2,0 -2,3 1,5 -7,0 5,5 4,7 -0,9

Scenario’s voor Meterik

Effecten van de vruchtwisseüng op langere termijn Ten behoeve van het BSO onderzoek in Meterik is met behulp van NDICEA gekeken naar het effect van een intensieve biologische vruchtwisseling op zand op de langere termijneffecten en met name op de (1) bodemvruchtbaarheid zoals weergegeven door de hoeveelheid organische stof; (2) de gevolgen voor de uitspoeling van stikstof en (3) gevolgen voor de stikstofbeschikbaarheid voor de gewassen. Hiertoe werd met behulp van NDICEA de gehele vruchtwisseling van 6 jaar doorgerekend, welke werd samengesteld uit de metingen op perceel 4 (totaal 5 jaar) aangevuld met een jaar triticale met doorzaai van klaver in het 6e jaar. Vervolgens is dit scenario doorgerekend voor een periode van 24 jaar (d.w.z. 4x de gehele vruchtwisseling).


30

In tabel 14 is de complete vruchtwisseling, die is doorgerekend, aangegeven. Tabel 14. Complete vruchtwisseling van 6 jaar. Gewas Kropsla vroeg Kropsla zomer Chinese kool zomer Chinese kool herfst Prei herfst Stamslaboon Tagetes Aardbei Triticale Klaver

Jaar 1 1 2 2 3 4 4 5 5 6

Zaai/Plant (week)

Oogst (week) 22 32 24 40 38 27 37 32 83 51

15 28 17 32 25 16 29 18 48 18

Uit de berekeningen bleek dat deze vruchtwisseling en met name de aanvoer van organische stof via de perspotjes de bodemvruchtbaarheid goed op peil kan houden en dat er zelfs sprake is van een lichte toename van organische stof. Tevens bleek dat door de veroudering van diezelfde organische stof in feite sprake is van een geringe afname van de mineralisatie. Hierdoor zouden verliezen door uitspoeling geleidelijk afnemen. Tevens nam het risico van stikstoftekorten voor de gewassen echter geleidelijk toe. Na 20 jaar kan bij de Chinese kool sprake zijn van een licht tekort aan stikstof gegeven gemiddelde weerscondities.

Effecten van de bemesting en weertype op stikstofopname en stikstofuitspoeüng in prei Voor de preiteelt, het jaar met de hoogste stikstofverIiezen, is een nadere analyse van de stikstofbeschikbaarheid gedaan. Hiertoe zijn een aantal combinaties van weertype en stikstofbemesting met elkaar vergeleken. Tevens is gekeken of het onderploegen van stro een bijdrage zou kunnen leveren aan het verminderen van de stikstofuitspoeüng bij de teelt van prei, terwijl tegelijkertijd de beschikbaarheid voor het gewas voldoende op peil zou moeten blijven. Tabel 1 5 geeft een overzicht van de scenario's. Tabel 15. Bemesting en weer in de verschillende scenario's. Scenario

Bemesting

Ton/ha

Week van bemesting (jaar

Weer

Neerslag 1999 (m m /jaar)

Eindhoven

825

Zeer nat

1139

Eindhoven

825

Eindhoven Eindhoven Zeer nat

825 825 1139

3) 1

2

3 4 5 6

Vaste rundveemest Rundvee drijf mest Bloedmeel Vaste rundveemest Rundvee drijf mest Bloedmeel Vaste rundveemest Rundvee drijf mest Geen Vaste rundveemest Vaste rundveemest

30 20 0,04 30 20 0,04 30 20

12 16 34 12 16 34 12 16

-

-

30 30

23 23

In tabel 16 zijn de effecten voor de stikstofbeschikbaarheid voor het gewas en de te verwachten verliezen weergegeven.


31

Tabel 16. StikstofuitspoeIing in kg per hectare in de verschillende scenario's in de periode voor, tijdens en na de teelt van prei, en de stikstofconcentratie in het uitspoelende water bij verschillende weerscenario's. Scenario

Braak voor (kg N /ha)

Prei (kg N /ha)

Braak na (kg N /ha)

1 2 3 4 5 6

57 34 57 45 53 28

63 158 63 26 35 103

89 44 87 30 61 43

N-conc (mg N 03N /l) 43 28 41 21 30 20.5

N tekort gewas (kg N /ha) 0 33 0 5 0 37

Geconcludeerd kan worden dat wanneer getracht wordt zo scherp mogelijk te bemesten, de berekeningen van NDICEA aangeven dat de toediening van enkel vaste rundveemest, twee weken voor het planten van het preigewas het meest gunstig is aannemende dat er geen extreme regenval zal plaatsvinden (scenario 5). In geen enkele variant zal echter het beneden de wortelzone percolerende water voldoen aan de nitraatnorm van 11,3 m g/l N 03-N. Ook de door de beheerders voorgestelde maatregel om 5 ton stro toe te dienen in het najaar van het jaar voorafgaande aan de teelt van de prei om zo de uitspoeling van stikstof tijdens de preiteelt te voorkomen heeft nauwelijks effect en reduceert de N concentratie in het percolerende water tot zo'n 31 mg/l N 03-N. De teelt van rogge als groenbemester na de teelt van de prei lijkt in dit geval een tegenvallend effect te hebben doordat de gemiddelde uitspoeling reduceert tot ca. 30 mg/l N 03-N.

3.2.7.

Scenario voor Kooyenburg

Leidt een biologische vruchtwisseüng tot een toename van de bodemmineraüsatie? In de theorie rond biologische landbouw wordt wel aangenomen dat de biologische landbouwpraktijk ten opzicht van de gangbare landbouwpraktijk leidt tot een toename van de bodemvruchtbaarheid en daarmee tot een toename van de bodemmineralisatie waar in de praktijk rekening mee kan worden gehouden. Om deze hypothese te toetsen voor de onderzoekslocatie Kooyenburg zijn een aantal vruchtwisseüng scenario's met behulp van NDICEA doorgerekend op basis van de verzamelde gegevens van Kooyenburg. Uit deze berekeningen kwam naar voren dat de mineralisatie op Kooyenburg: •

onder de huidige gemiddelde condities (1999) leidt tot een mineralisatie van 120 kg N /h a/ja ar;

•

verwacht mag worden dat er sprake is van een toename met 9 kg N /h a /ja a r met de huidige biologische vruchtwisseüng, als een evenwicht in de organische stof is bereikt;

•

door de toepassing van 2 extra groenbemesters, een bladrammenas en gele mosterd, een toename kan worden bereikt van 38 kg N /h a/jaar.

Uit de berekeningen kon worden geconcludeerd dat, voor Kooyenburg, met de huidige biologische vruchtwisseüng slechts sprake zal zijn van een zeer geringe toename van de bodemmineralisatie. Een toename van 40 kg N per ha per jaar lijkt echter haalbaar indien er sprake is van de inzet van groenbemesters in het hele bouwplan. Dit sluit ook aan bij de praktijkervaringen van omgeschakelde boeren waarbij door aanpassingen in het bouwplan (minder intensief en meer gebruik van organische mest en groenbemesters) een toename in de bodem stikstoflevering wordt ervaren. Deze toename lijkt dus in de orde van 40 kg N per ha te kunnen liggen.


32

3.3.

N dynamiek in de biologische bollenteelt op De Noord

3.3.1.

Introductie

Op proefbedrijf De Noord worden biologische en geïntegreerde teelten bedrijfsstrategieën ontwikkeld en getoetst voor de bloembollenteelt op zandgrond. Het onderzoek wordt op (semi-)praktijkschaal uitgevoerd. De Noord werkt als een "normaal" bollenbedrijf. Het BSO beteelde oppervlak bedraagt ca 10 ha. In het biologische systeem worden geen gewasbeschermingsmiddelen en kunstmeststoffen gebruikt en wordt gestreefd naar minimale emissies van nutriënten. Het systeem voldoet aan de Skal-normen voor de biologische teelt. Organische stof wordt aangevoerd met CFT-compost, stalmest, tussenteelten, grasklaver en eigen compost. De teelten in dit systeem zijn afhankelijk van deze organische bemestingen. Het geïntegreerde systeem is erop gericht de huidige natuur- en milieudoelstellingen in te passen in een gangbare bedrijfsvoering, met minimale teeltrisico's. In dit systeem wordt GFT toegediend op een niveau van de helft van de maximaal toegestane dosering (6 ton/ha droge stof per 2 jaar). Binnen elk systeem is een verschillende vruchtwisseling aangelegd waarbij de gewaskeuze overeenkomt met de meest geteelde gewassen in het gebied. Tabel 17 geeft een overzicht van de vruchtwisselingen in de twee systemen. Nadere details over het systeem en de resultaten over de periode 1994-2001 zijns te vinden in Snoek et al. (

2002 ).

Tabel 17. Biologische en geïntegreerde vruchtwisselingen op proefbedrijf De Noord. Biologisch 1. tulp - bladrammenas 2. narcis - gele mosterd 3. krokus 4. grasklaver 5. lelie Grasklaver

3.3.2.

Geïntegreerd 1. tulp - bladrammenas 2. narcis - gele mosterd 3. krokus - grasklaver 4. lelie

Invoer van het model

De simulaties van de proefvelden hebben zich geconcentreerd op het geïntegreerde perceel 15 en het biologische perceel 25a. De diverse verzamelde gegevens zijn daarbij ingevoerd in het model NDICEA (tabel 18) en het verloop van de minerale N in de lagen 0-1 5cm en 1 5-30 cm beschreven. Verder zijn voor de input van het model de gegevens volgens tabel 18 verzameld.


33

Tabel 18. Bronnen van invoer voor de simulaties op proefbedrijf De Noord. Onderdeel Weer

Bodem

Mest en compost

Gewasproductie en groenbemesters •

Grondbewerking

3.3.3.

Invoer Neerslag (wekelijks) Temperatuur (wekelijks) Standaard gewasverdamping (E-Makkink, wekelijks) Textuur % Organische stof pH Laagste grondwaterstand Hoogste grondwaterstand

Opmerkingen locatie De Noord locatie De Noord

Hoeveelheid Week van toediening Analyse Bruto opbrengsten 4 momenten van de groeicurve Analyse

Proefbedrijf Proefbedrijf Analyse LBI/proefbedrijf Proefbedrijf Landman 1994 Proefbedrijf

Week en aard van de bewerking

Proefbedrijf Alleen ploegen en woelen meegenomen

De Kooy Opgave LBO Meting voorjaar 1999 Meting voorjaar 1999 Opgave LBO Opgave LBO

Simulatie van de percelen 15 en 25 op De Noord

De resultaten zijn in figuur 14 weergegeven voor perceel 15 en 25a. Hierbij is gerekend met een tijdstap van 1 week en de output ook als zodanig weergegeven. Voor de simulaties zijn de gegevens van een periode van 4 jaar (1997 - 2000) gebruikt. Minerale Stikstof

Minerale Stikstof

A B Figuur 14. Verloop van gemeten (punten) en berekende (lijn) N-mineraal in de laag 0-1 5 cm voor De Noord perceel 1 5 (A) en perceel 25a (B). Geconcludeerd kan worden dat het model NDICEA in staat is om de dynamiek in N-mineraal redelijk goed te beschrijven. Hierbij is géén verdere kalibratie nog voor de locatie, nog specifiek voor het perceel doorgevoerd. Tabel 19 geeft een overzicht van de prestaties van NDICEA en de belangrijkste statistische kenmerken. De afwijkingen van 10 kg N per ha en 20 kg N per ha zijn hierin aangegeven. Met name in de laag 1 5-30 cm treden nog afwijkingen op.


34

Tabel 19. Statistische vergelijking tussen de berekende (N) en gemeten (Ni) N-mineraal (kg N /ha) in de laag 0-15 cm en 1 5-30 cm. Laag 15-30 cm p25a pl 5 28 26 13,51 13,65

n: Gem. Ni:

[kg N /ha]

Laag 0-15 cm pl 5 p25 35 39 17,91 11,99

Verschil Gemiddeld: SE:

[kg N /ha] [kg N /ha]

-6,6 10,40

-0,25 11,76

-5,5 14,07

0,81 17,37

Regressie N op Ni Abcis: Tangent:

[kg N /ha] [-]

r:

[-]

-0,78 0,67 0,760

4,68 0,59 0,361

5,38 0,19 0,130

-1,59 1,18 0,616

57 89

62 92

58 81

57 86

Aantal in de range: +/- 10 kg: [%] +/- 20 kg: [%]

n: aantal waarnemingen Gem. Ni: gemiddelde van de veldwaarnemingen SE: Standard Errorvan N-N i Regressie van N op Ni: Abcis: N-gemodelleerd wanneer N-gemeten=0; Tangent: helling van N op Ni; r: correlatie tussen N en Ni

Geconcludeerd mag worden dat, zonder specifieke kalibratie van het model meer dan 5 5 % van de waarnemingen op deze percelen op 10 kg nauwkeurig kan worden beschreven. Voor bijna 9 0 % (80% voor de laag 15-30 cm) van de waarnemingen is dit binnen een afwijking van 20 kg N nauwkeurig mogelijk. Concluderend kunnen we zeggen dat de stikstofdynamiek adequaat lijkt te worden beschreven op deze zandgrond en dat het model gebruikt kan worden voor een analyse van de N dynamiek op perceelsniveau. Ook lijkt het model bruikbaar voor de bedrijfsadvisering mits deze percelen representatief worden verondersteld voor de rest van de praktijkpercelen. Bovendien mag verwacht worden dat door perceelsspecifieke kalibratie een verdere verbetering van de beschrijving van de N dynamiek mag worden verwacht.

33.4.

Analyse van de N dynamiek voor p15 en p25

Voor de vierjarige onderzoeksperiode is het mogelijk de herkomst van de stikstof verder te identificeren. In Tabel 20 en 21 zijn de drie belangrijkste bronnen weergegeven en is voor elke teeltperiode de gesimuleerde bruto stikstofmineralisatie aangegeven.


35

Tabel 20. De hoeveelheid stikstof die vrijkomt op het geïntegreerde perceel 15 door mineralisatie (kg N/ha/periode) uitgesplitst in drie bronnen. Teelt Braak Narcis Braak Gele mosterd Braak Krokus Braak Grasklaver Lelie Som

Begin (week) 1 40 83 84 91 113 129 134 168 209

Gemiddelde (kg N /h a/ja ar Totaal (% )

Initiële organische stof 98 69 2 13 19 23 10 39 48 321

Gewasresten en groenbemesters 0 0 -1 -3 52 39 10 30 69 196

Bemesting

Totaal

0 125 0 26 0 69 -2 21 191 430

98 194 1 36 71 131 18 90 308 947

80 34

49 21

108 45

237 100

Tabel 21. De hoeveelheid stikstof die vrijkomt op het biologische perceel 25a door mineralisatie (kg N /ha/periode) uitgesplitst in drie bronnen. Teelt Braak Grasklaver Lelie Braak Luzerne Som

Begin (week) 1 30 116 147 177 209

Gemiddelde (kg N /h a/jaar) Totaal (%)

Bemesting

Totaal

63 136 51 24 34 308

Gewasresten en groenbemesters 0 0 411 75 64 550

0 21 105 18 69 213

63 157 567 117 167 1071

77 29

138 51

53 20

268 100

Initiële organische stof

De totale stikstofmineralisatie wordt door'het model ingeschat op zo'n 237 kg N per ha per jaar voor de 4 jaar van de simulatie. Hierbij blijkt op perceel 1 5 iets minder dan de helft van de gemineraliseerde stikstof afkomstig van de bemesting. Op perceel 25a lag de nadruk op de groenbemesters. Hierdoor was op dit perceel de helft van de bruto stikstofmineralisatie afkomstig van de gewasresten en groenbemesters. Tabellen 22 en 23 geven aan waar de stikstof uit de bouwvoor blijft gedurende de 4 jaar. Op perceel 15 blijkt de opname op zo'n 178 kg N /h a /ja a r te liggen en 217 kg N /h a /ja a r blijkt naar diepere lagen te percoleren. Hierbij is aannemelijk dat de denitrificatie in deze diepere lagen door de aanwezigheid van organisch stof nog aanzienlijk is. In perceel 25a ligt de opname door de teelt van de groenbemesters met 288 kg N per ha hoger. Ook zijn de verliezen met het percolerende water hoger waardoor de concentratie stikstof in dit percolatiewater met 35 mg N /l hoger lag gedurende de 4 jaar dan in perceel 1 5. De grootste verliezen traden hierbij op bij de teelt van de lelie na de grasklaver.


36

Tabel 22. StikstofverdeIing over de processen N opname, denitrificatie en uitspoeling op het geïntegreerde perceel 1 5 (kg N/ha/periode). Teelt

Begin (week)

Braak Narcis Braak Gele mosterd Braak Krokus Braak Grasklaver Lelie Som

1 40 83 84 91 113 129 134 168 209

Gemiddelde (kg N /h a/ja ar) Totaal (% )

0 3 0 0 0 1 0 0 6 11

Percolatie > 30 cm (kg N /h a /ja a r) 121 169 0 2 80 134 6 33 323 869

Concentratie > 30 cm mg N /liter 38 44 0 2 14 130 30 5 40 30

178

3

217

30

44

1

55

N opname gewassen (kg N /h a/ja ar) 0 69 0 175 0 2 0 463 0 710

Denitrificatie (kg N /h a/jaar)

Tabel 23. Stikstofverdeling over de processen N opname, denitrificatie en uitspoeling op het biologische perceel 25a (kg N/ha/periode). Teelt

Begin (week)

Braak Grasklaver Lelie Braak Luzerne Som

1 30 116 147 177 209

Gemiddelde (kg N /h a/ja ar) Totaal (% )

N opname gewassen (kg N /h a/ja ar) 0 695 32 0 423 1151

Denitrificatie (kg N /h a/ja ar) 0 0 33 0 10 34

Percolatie > 30 cm (kg N /h a /ja a r 83 142 504 131 95 955

288

9

239

54

2

44

Concentratie > 30 cm mg N /liter 30 13 157 26 17 35

Als extra toets voor het model is in perceel 25 na de lelie een stuk braak aangehouden om te kijken of het model in staat is ook de bodemmineralisatie goed te voorspellen. Figuur 1 5 geeft het verloop van de minerale stikstof in dit stuk braak weer. Het model blijkt het verloop in minerale N goed te simuleren waardoor verondersteld mag worden dat het model de bodemmineralisatie goed inschat.


37

Minerale Stikstof

Tijd (week sinds 1-1-1997) — Simulatie (0-15 cm) ■ Gemeten (0-15 cm) Figuur l 5. Verloop N-mineraal in een stuk braak na lelie in perceel 15.

3.3.5.

N beschikbaarheid uit bloedmeel: invloed van het weer

Om de werking van bloedmeel die in de bollenteelt in het najaar aan het gewas wordt toegediend te onderzoeken, zijn een aantal scenario berekeningen met NDICEA uitgevoerd. Hierbij was de hypothese dat een najaarstoediening van bloedmeel in een nat jaar weinig zin heeft wegens de uitspoeling terwijl bij een droge winter de stikstof uit het bloedmeel mogelijk het gewas nog wel ten goede komt. Figuur 16 laat het verloop van de minerale N zien na een toediening van 500 kg bloedmeel (60 kg N). Hierbij was sprake van een natte winter met 470 mm neerslag in de periode eind september tot eind maart (week 38-64) en een droge winter met een totale neerslag van 352 mm neerslag bij hetzelfde temperatuurverloop. Uit de figuren valt te concluderen dat zowel in het natte maar ook in de droge winter een groot deel van de gemineraliseerde stikstof door uitspoeling als verloren moet worden beschouwd. Een piek in minerale N voorraad wordt bereikt in week 76 met een totale N mineraal voorraad van ca 6 kg N per ha uit het bloedmeel. Wordt het bloedmeel op 1 maart toedient dan blijkt de N beschikbaar aanzienlijk groter te zijn (figuur 17). In dat geval blijkt er vrij snel meer dan 10 kg N beschikbaar te zijn, oplopend tot een totale N beschikbaarheid van 30 kg N per ha rond week 76. De vier natte versus droge weken in maart blijken van slechts zeer geringe invloed op de N beschikbaarheid in juni (rond week 76). Overigens moet worden opgemerkt dat de hoeveelheid N in de bouwvoor in de maande juni en juli sterk afhankelijk is van de neerslag en dus van week tot week nogal kan verschillen.


38

Minerale Stikstof

Figuur 16. Verloop N-mineraal in de laag 0-30 cm bij toediening van 500 kg bloedmeel op 1 november (week 44) met een natte winter (links: week 38 - 64; 470 mm neerslag) en een droge winter (rechts: week 38 - 64: 352 mm neerslag). Minerale Stikstof

Tijd (weken)

Tijd (weken) NDICEA simulatie

— NOICEA simulatie

Figuur 17. Verloop N-mineraal in de laag 0-30 cm bij toediening van 500 kg bloedmeel op 1 maart (week 61) onder met een natte winter (links: week 38 - 64; 470 mm neerslag) en een droge winter (rechts: week 38 - 64: 352 mm neerslag).

3.3.6.

N mineralisatie uit bloedmeel

Het doel van dit experiment was na te gaan hoe snel de mineralisatie uit bloedmeel verloopt ten behoeve van de ijking van simulatiemodellen zoals NDICEA. Nagegaan is wat de invloed van inwerken en strooien van bloedmeel over een strodek betekend voor de N beschikbaarheid Het experiment kende 4 behandelingen in 3 herhalingen: (A) blanco; (B) bloedmeel op bodemoppervlak; (C) bloedmeel 5 cm inwerken en (D) bloedmeel over strodek van 25 ton/ha 'nieuw' stro. Elk veldje was 6 m2 en er werd verder géén gewas geteeld. De toegediende dosering bloedmeel bedroeg 1000 kg/ha en werd toegediend op 5 april 2001. Na 0, 2 en 5 weken zijn per veldje 10 bodemmonsters gestoken tot een diepte van 30 cm. Figuur 18 laat het met NDICEA gesimuleerde verloop van de N-mineraal in de uiteenlopende behandelingen zien. Het model NDICEA maakt geen onderscheid in toediening aan het bodemoppervlak of inwerking in de eerste laag. Dit betekent dat de toegediende bloedmeel altijd in de eerste onderscheiden laag van het model terecht zal komen. Ook in de veldmetingen (Wondergem, pers. comm) blijken de verschillen overigens gering. Blijkbaar wordt de bloedmeel in deze zandige grond redelijk snel ingespoeld in de bouwvoor. Toediening van de bloedmeel op een strodek betekent, zoals uit de veldmetingen blijkt, een verlaging van de gevonden N-mineraal in de bouwvoor. Ook in dit geval vergt de simulatie enige creatieve omgang met het model. Een strodek is immers niet expliciet opgenomen in het model. Aangenomen is dat het strodek


39

leidt tot een vertraging van ca 2 weken voordat de stikstof in de bouwvoor komt. Vooralsnog blijkt deze veronderstelling niet weerlegd door de fit van de simulatie op de gevonden N-mineraal waarden. De N mineralisatie in de braakperceeltjes blijkt door het model licht te worden onderschat.

A

B

D C Figuur 18. Verloop N-mineraal in de laag 0-30 cm bij toediening van 1000 kg bloedmeel op 5 april 2001 bij 4 behandeling. Géén bloedmeel (A), bloedmeel op bodemoppervlak (B), bloedmeel 5 cm inwerken (C) en bloedmeel over een strodek (D).

3.4.

Biologische boomteelt Meterik

3.4.1.

Introductie

Boomteelt op zandgrond betekend teelt op een uitspoelinggevoelige grond. Hierdoor is er kans op een sterke belasting van gronden oppervlaktewater met stikstof en fosfaat. Anderzijds moet er steeds voldoende stikstofaanbod zijn voor de groei van de gewassen. In de biologische boomteelt is de sturing van de stikstofbeschikbaarheid een uitdaging en tevens een knelpunt voor de teelt. Om deze stikstofbeschikbaarheid te optimaliseren en anderzijds de verliezen beperkt te houden kan inzicht in de stikstofdynamiek en bekendheid met de bronnen van stikstof een hulpmiddel zijn. Hiervoor is voor twee percelen van de biologische boomteelt proef in Horst, de stikstofdynamiek met NDICEA geanalyseerd.

3.4.2.

Invoer in het model

Het biologische deel van de proef in Horst kent 10 percelen. Details van de proefopzet zijn beschreven in de Beuze et al. (2002). In de periode 1999-2001 zijn 2 percelen met respectievelijk thuja (p4) en roos (p8) gevolgd. Om een controle te hebben of het model in staat is de processen goed te beschrijven zijn de modelberekeningen vergeleken met de gemeten N-mineraal in de laag 0-30 cm en 30-60 cm. Hiervoor is de N-mineraal in de periode 1999-2001 ca. 32 keer gemeten Voor de simulaties zijn de invoergegevens volgens Tabel 24 gebruikt.


40

Tabel 24. Bronnen van invoer voor de simulaties va het biologische proefbedrijf voor de boomteelt in Horst. Onderdeel Weer

Bodem

Mest en compost

Cewasproductie

Grondbewerking

3.4.3.

Invoer Neerslag (wekelijks) Temperatuur (wekelijks) Standaard gewasverdamping (E-Makkink, wekelijks) Textuur % organische stof pH Laagste grondwaterstand Hoogste grondwaterstand

Opmerkingen Meteo station Horst Meteo station Horst Eindhoven Opgave PPO Meting voorjaar 1999 Meting voorjaar 1999 Opgave PPO Opgave PPO

Hoeveelheid Week van toediening Analyse Bruto opbrengsten 4 momenten van de groeicurve analyse

Proefbedrijf Proefbedrijf Analyse LBI Proefbed rijf/LBI Opgave PPO Proefbedrijf

Week en aard Van de bewerking

Proefbedrijf Alleen ploegen en woelen meegenomen

Simulatie voor de percelen p4 en p8

In Figuurl 9 zijn de gesimuleerde en gemeten N-mineraal waarden in de bodem weergegeven. De berekeningen zijn zowel standaard als met kalibratie uitgevoerd. De simulaties blijken redelijk overeen te komen met de metingen. In tabel 25 is de nauwkeurigheid van de berekeningen na kalibratie weergegeven. Minerale Stikstof

Minerale Stikstof

— Simulatie (0-30 cm) ■ Gemeten (0-30 cm)

P4 Figuur 19. Verloop van gemeten (punten) en berekende Boomteelt in Horst perceel p4 en perceel 8.


41

P8 N-mineraal in de laag 0-30 cm voor de

Tabel 25. Statistische vergelijking tussen de berekende (N) en gemeten (Ni) N-mineraal (kg N /ha) in de bovengrond (0-30 cm) en ondergrond (30-60 cm).

[kq N /hal [kg N /ha]

3,25 11,92

[kg N /ha]

Regressie N op Ni Abcis: Tangent: r:

[-] [-]

Aantal in de range: [%] +/- 20 kg: +/- 40 kg: [%]

CL

Verschil Gemiddeld: SE:

00

[kg N /ha]

Laag 30-60 cm Q_

n: Gern. Ni:

Laag 0-30 cm p4 p8 32 31 26,2 26,7

32 21,6

30 21,11

0,56 13,63

0,62 7,85

-1,13 8,83

4,45 0,95 0,856

16,73 0,38 0,628

2,26 0,92 0,892

10 0,47 0,733

81 100

84 100

97 100

97 100

n: aantal waarnemingen Gem. Ni: gemiddelde van de veldwaarnemingen SE: Standard Errorof N-Ni Regressie van N op Ni: Abcis: N-gemodelleerd wanneer N-gemeten=0; Tangent: helling van N op Ni; r: correlatie tussen N en Ni

Uit Tabel 25 blijkt dat het model na de perceelsspecifieke kalibratie goed in staat is om de dynamiek in de beschikbare stikstof te simuleren. In ruim 8 0 % van de gevallen is de afwijking minder dan 20 kg N /ha in de bovengrond en voor de ondergrond geldt dit in 9 7 % van de gevallen. Door kalibratie nam de r van bovengrond van perceel 4 toe van 0,63 tot 0,86, in de bovengrond van perceel p8 van 0,51 naar 0,63. In de ondergrond werd nauwelijks een verbetering door de kalibratie gevonden. Overigens wil dit niet zeggen dat de situatie per definitie goed beschreven is. Doordat fouten in het model elkaar opheffen zouden ook andere uitkomsten mogelijk kunnen zijn.

3.4.4.

Stikstofbeschikbaarheid en optredende verliezen

Uit de vergelijking tussen de stikstofmineralisatie en de gewasopname (Figuur 20) blijkt dat deze redelijk goed op elkaar zijn afgestemd in deze proef. Met name tijdens de eerste compostgift in 1999 zien we dat de mineralisatie bij de Thuja sneller verloopt dan het gewas de stikstof opneemt. Hierdoor neemt de kans op stikstofverliezen toe. Bij de roos lopen stikstofmineralisatie en gewasopname vrijwel synchroon. Doordat er echter steeds iets meer stikstof mineraliseert dan er wordt opgenomen treden er toch telkens verliezen op. De bronnen van stikstof voor de beide percelen zijn aangegeven in tabel 26


42

Tijd (week sinds 1-1-1999) — Bruto beschikbaar — Netto beschikbaar — Opname

— Bruto beschikbaar — Netto beschikbaar — Opname

P4 P8 Figuur 20. Cumulatieve bruto stikstofmineralisatie in de bodem (0-30 cm), netto beschikbaarheid en opname voor de Thuja (p4) en roos (p8) in Horst. Tabel 26. De hoeveelheid stikstof die beschikbaar komt op de percelen door mineralisatie (kg N /h a/ja ar) uitgesplitst naar diverse bronnen. Bedrijf

Perceel

Initiële org. stof

Cewasresten

Bemesting

Totaal

Boomteelt

p4

87 78

17 0

104 26

208 104

p8

Op deze zandgrond treden er ook verliezen tijdens de groei op. Dit zal met name bij grotere hoeveelheden neerslag het geval zijn (tabel 27). Tabel 27. Stikstofverdeling over de processen N opname, denitrificatie en uitspoeling (beneden 60 cm) in kg N /h a /ja a r Bedrijf

Perceel

N opname

Denitrificatie

Pecolatie > 60 cm

Concentratie > 60 cm (mg N /liter)

Boomteelt

p4

41 37

20 39

117 99

28 22

P8

3.4.5.

Discussie en conclusies

Geconcludeerd moet worden dat de mineralisatie van stikstof in deze proef redelijk is afgestemd op de gewasbehoefte waardoor de kans op verliezen beperkt is gebleven. Afhankelijk van de vraag of we te maken hebben met een nat of een droog jaar zullen deze verliezen respectievelijk groter- of kleiner zijn. De vraag is of er met een lagere basisbemesting had kunnen worden volstaan. Uit de berekeningen met het NDICEA model blijkt dat de basisbemesting met essentieel was als bron van stikstof. Ook zonder deze basisbemesting was er in principe voldoende stikstof aanwezig voor de gewassen Thuja en roos. Uit het oogpunt van de organische stofvoorziening is de toevoeging van een basisbemesting echter wel aan te raden. In het geval van de Thuja had kunnen worden volstaan met een basisgift van 40 ton/ha natuurcompost in plaats van de toegediende 100 ton/ha. Voor de roos zou met 50 ton/ha het organische stof niveau gehandhaafd kunnen worden. Overigens is hiermee niets gezegd over de bijdrage die een dergelijke gift betekend voor de stimulering van het bodemleven of de ziektewerendheid die met compostgiften mogelijk bereikt worden. Ook de vraag óf en hoeveel de bijbemesting met bloedmeel in het tweede jaar zou moeten bedragen is met behulp van het model berekend. Ook hier moet geconcludeerd worden dat er steeds voldoende N


43

beschikbaar zou moeten zijn, ook zonder de extra bijbebemesting met bloedmeel in het tweede jaar. Dit nodigt uit tot verder experimenteren in de praktijk. Mogelijk dat de relatief eenvoudige opname curven van het NDICEA model een piek in de stikstofbehoefte van het gewas nog onvoldoende in rekening brengen.

3.5.

Vergelijking van NDICEA, ROTASK en XCLNCE

C.J. Koopmans (LBI) en K.B. Zwart (Alterra)

3.5.1.

Prestaties van de modellen

Op basis van de verzamelde gegevens van de biologische percelen is een vergelijking gemaakt tussen de resultaten van het model NDICEA en het dynamische model ROTASK (Jongschaap, 1996) en het spreadsheet model XCLNCE (Zwart, 2001) De resultaten van NDICEA laten zien dat met dit model de N dynamiek op de biologische percelen vrij goed kan worden beschreven (figuur 21). Afwijkingen treden met name op daar waar onzekerheid bestaat omtrent de exacte gewasopnames (proefbedrijf Kooyenburg) of onzekerheden m.b.t. de mesttoediening (1 praktijkbedrijf). In enkele situaties blijkt na een jaar met grasklaver de piek in N-mineraal beschikbaarheid zoals die in de praktijk wordt gemeten, onvoldoende te worden gevolgd door het model. De performance van ROTASK laat zien dat hier nog veel verbeteringen nodig zijn wil dit een bruikbaar model voor de praktijk worden (figuur 21). Probleem van dit model ontstaat met name door de simulatie van de gewasopname. Met de hoeveelheid gewassen die in de praktijk voorkomen kan het model niet goed overweg, waardoor de performance achterblijft. Een meer gewasspecifieke module zou hier dus nodig zijn wil dit model in de toekomst voldoen. Het model XCLNCE werd in de loop van dit project ontwikkeld (Zwart, 2001). Waar het model begon als eenvoudige toepassing van de rekenregels van het IKC en Lammers zagen we in eerste instantie dat de resultaten sterk achterbleven. Door toevoegen van gewasopname, bodemspecifieke mineralisatie en door te werken met het dagelijkse neerslagoverschot is de performance aanzienlijk verbeterd en goed te noemen (Figuur 21). De complexiteit is echter eveneens sterk toegenomen ten opzicht van de oorspronkelijke rekenregels. Het geeft wel aan dat een zekere complexiteit nodig is om de dynamiek van de mineralisatie en het effect daarvan op N-mineraal goed te kunnen beschrijven.

Gemeten

G e m e te n

in

♦ NDICEA 0 -3 0____

1:1 lijn ♦ R O T A S K 0-30 ----

Gemeten 1:1 lijn ♦ X C L N C E 0-30 ----

Figuur 21. Berekende en gemeten waarden voor de N-mineraal (kg N /ha) op 18 biologische percelen in de laag 0-30 cm. Naast de regressielijn is de 1:1 lijn weergegeven.

3.5.2.

Discussie en conclusies

Willen we met de voorspellingen van de stikstofbeschikbaarheid op perceelsniveau toe naar een nauwkeurigheid van 20-30 kg N per ha, om de stikstofverliezen op niveaus van de nitraatrichtlijn te


44

brengen, dan zien we dat dit in 70 tot 80 % van de gevallen met de modellen NDICEA en XCLNCE mogelijk is (tabel 28). Voor de praktijk betekend dit echter wel een inspanning die verder gaat dan thans gebruikelijk is. Met name de informatie over (i) de samenstelling van de meststoffen en (ii) verbeterde indicaties van opbrengsten van groenbemesters en (iii) bepaling van de samenstelling van gewassen, is noodzakelijk om in de toekomst met deze gewenste nauwkeurigheid te kunnen bemesten. Tabel 28. Nauwkeurigheid van de berekeningen voor de N-mineraal in de laag 0-30 cm met het model NDICEA, ROTASKen XCLNCE Afwijking Kg N /ha <10 <20 <30 <50 <100

Percentage goede berekeningen (% ) ROTASK NDICEA 24 48 40 72 50 84 65 92 87 98

XCLNCE 43 67 78 90 98

Over het algemeen kunnen we uit deze vergelijking concluderen dat: •

De voorraad minerale N in de bodem redelijk goed kan worden berekend door zowel het dynamische model NDICEA alsook het spreadsheet model XCLNCE;

•

Dit geldt voor een grote combinatie van gewassen, organische mest en zowel zand-, zavel- als kleigronden en over meerdere jaren;

•

ROTASK kan verbeterd worden door de gewasmodule gewasspecifiek te maken; De resultaten van de toepassing van de modellen kunnen worden gebruikt om de bemesting nog verder te verbeteren.


45

4. Conclusies Mineralisatie van bodem en organische producten -i

Het gehalte oplosbaar stikstof en N-totaal correleren op de onderzochte gronden redelijk met de potentiële stikstofmineralisatie uit de bodemorganische stof. Deze mineralisatie ligt echter (ver) boven wat in de praktijk mag worden verwacht en is, ondanks correcties voor temperatuur, niet direct geschikt om als absolute indicator te dienen voor de mineralisatie uit de bodemorganische stof. Wel blijft de potentiële mineralisatie bruikbaar om verschillende percelen met elkaar te vergelijken.

-i

De stikstofmineralisatie van organische producten kan het best voorspelt worden met behulp van oplosbaar stikstof, gevolgd door droge stof en stikstoftotaal.

-i

De particulate organic matter (POM) is een bruikbaar instrument om de jonge fractie aan organische stof in de bodem te bepalen.

-i

Op de onderzochte zandgronden is de POM hoger dan op de onderzochte kleigronden. Dit sluit aan bij de hogere bemestingsniveaus die op de zandgronden gebruikelijk zijn.

-i

Het soort organisch materiaal uitgedrukt in POM-C en POM-N laat geen correlatie zien met de stikstofmineralisatie. Een reden hiervoor kan de relatief hoge C/N verhouding van de POM zijn.

-i

De POM is in het najaar hoger dan in het voorjaar. Er zijn indicaties dat de POM fractie gevoeliger is voor veranderingen in het organische stofniveau dan de totale organische stoffractie. Hierdoor zou de POM een snelle indicator kunnen zijn voor veranderingen in het organische stofniveau van een perceel.

Inzet van het model ND/CEA voor akkerbouw en voUegrondsgroente -i

De modelsimulaties voor de akkerbouw en vollegrondsgroente laten zien dat de N-mineraal in de bouwvoor goed met het model NDICEA kunnen worden beschreven. Daarmee is het NDICEA model een instrument waarmee beleid getoetst kan worden en dat ook op bedrijfsschaal effectief ingezet kan worden.

-i

Dit geldt voor een grote combinatie van gewassen en organische mestsoorten en zowel voor zand-, zavel- en kleigronden en over meerdere jaren.

-i

Door kalibratie kan een verbetering van de modelprestaties worden bereikt. Bedrijfsspecifieke inzet van het model en kalibratie op perceelsniveau leidt tot een verbetering.

-i

Met een perceelsspecifieke kalibratie kan 72% van de N-mineraal waarden met een nauwkeurigheid van 20 kg N per ha worden beschreven.

-i

Afwijkingen tussen de gemeten waarden en de modelsimulaties treden met name op daar waar onzekerheden bestaan m.b.t. de totale gewasopname (Kooyenburg) en de totale mestgift (praktijk 2).

->

In de jaren na een vol jaar grasklaver wordt de piek in N-mineraal, die in de praktijk wordt gevonden, nog niet goed door NDICEA gesimuleerd. Mogelijk is een ontbrekende biotische component in het model hier de oorzaak van.


46

-i

De grootste stikstofverliezen treden op wanneer de percelen braak liggen in de herfst en het vroege voorjaar. Gecombineerd met het neerslagoverschot, treden met name op de zandgronden dan de piekverliezen op. Daarnaast kunnen echter ook bij zwaarbemeste gewassen tijdens de teelt, significante verliezen optreden zoals bij prei (praktijk 2, Meterik), Chinese kool (Meterik) en suikerbiet (Kooyenburg). Ook is haver als vanggewas niet optimaal om de stikstofverliezen te voorkomen (praktijk 1). '

Inzet van NDICEA in de biologische en geïntegreerde bloembollenteelt -i

Inzet van het model NDICEA laat zien dat dit een bruikbaar instrument is om de N beschikbaarheid ook in de biologische en geïntegreerde bloembollenteelt te berekenen en zo het tijdstip van bemesting verder te optimaliseren.

-i

Wel is er sprake van maatregelen in deze teelten, die de simulaties met de huidige modellen lastig maakt, zoals het oppervlakkig toedienen van bloedmeel aan een laag stro op de bodem.

-i

Ondanks de schattingen die met het model zijn gemaakt zijn aanpassingen nodig om een dergelijk model specifiek toepasbaar te maken voorde bloembollenteelt.

Inzet van NDICEA voorde biologische boomteelt -i

Met behulp van het model is inzichtelijk gemaakt dat de bemesting en daarmee de mineralisatie op de proeflocatie in Horst, redelijk is afgestemd op de gewasbehoefte waardoor de verliezen beperkt bleven.

-i

Doordat we echter te maken hebben met meerjarige gewassen is het nodig de opnamepatronen van deze gewassen op te nemen in de huidige modellen om eventuele kleine verschillen in gewasbehoefte beter af te stemmen op de N beschikbaarheid en daarmee een eventuele bijbemesting te kunnen sturen.

Toepassing van NDICEA tb.vbem esting -i

De resultaten laten zien dat er grote verschillen tussen percelen zijn in de bronnen van stikstofbeschikbaarheid zoals bodemorganische stof, gewasresten en bemesting.

-i

Met name de bodemorganische stof levert een bijdrage waar in de praktijk nauwelijks rekening mee wordt gehouden.

-i

Op de meeste percelen liggen de stikstofverliezen direct onder de wortelzone boven de nitraatrichtlijn van 50 mg N 03/ l. In diepere lagen kan deze concentratie echter nog afnemen. Op de meeste praktijkbedrijven lijkt sprake van een lichte afname van de hoeveelheid organische stof. Op de proefbedrijven lijkt, door een uitgekiende vruchtwisseling, sprake van gelijkblijvende of licht stijgende organische stofgehaltes.

M odelinzet in de toekomst -i

Het model NDICEA is op het moment een belangrijk hulpmiddel om de mineralisatie uit de bodemorganische stof, over een bepaalde periode, op een perceelsspecifieke wijze in te schatten. Dit leidt tot betere resultaten dan de bepaling van de mineralisatie door potentiële mineralisatie in het laboratorium. NDICEA is hiermee het beste hulpmiddel om een nieuw bemestingssysteem voor de biologische landbouw te ontwikkelen, dat rekening houdt met mineralisatie uit de bodemorganische stof en gewasresten.

-i

Zo’n systeem kan aanzienlijk nauwkeuriger zijn dan het gebruik van de traditionele rekenregels die niet op een perceelsspecifieke wijze rekening houden met de bodemmineralisatie. Worden ze echter voldoende complex zoals in het model XCLNCE dan kan de voorraad minerale N in de bodem goed worden voorspelt.


47

-i

De resultaten kunnen met name worden gebruikt om de bemesting op perceelsniveau verder te verbeteren en andere management maatregelen door te rekenen.

-i

Verdere verbeteringen van de modelberekeningen zijn te verwachten door: 1. Te bepalen hoe de bodemstructuur (en uiteindelijk ook het bodemleven) in NDICEA op te nemen en hierdoor de bodemstructuur de dynamiek mede te laten bepalen; 2. De eigenschappen van de verschillende bronnen van organische materialen, verkregen middels lab experimenten in het model in te bouwen; 3. De waarden van N mineraal in de ondergrond en daarmee de uitspoeling beter in te schatten. De afwijkingen tussen meting en berekening zijn nu nog te groot. Hiervoor zal verdere toetsing van NDICEA, ROTASK en XCLNCE nodig zijn. Ook om de waterbalans en stikstofbalans onafhankelijk van elkaar te toetsen.

->

De nauwkeurigheid waarmee het model NDICEA in staat is de minerale stikstof in de bodem te beschrijven, geeft goede hoop dat dit een instrumentarium is waarmee beleid in de toekomst getoetst zou kunnen worden en dat ook op bedrijfsschaal effectief ingezet zou kunnen worden.


48

Referenties Anderson, J.P.E., 1982. Soil respiration. In: A.L. Page, R.H. Miller & D.R. Keeney (eds.). Methods of soil analysis. Part 2 Chemical and Microbiological Properties, p. 831-871. Agronomy Monograph no. 9. American Society of Agronomy, Madison, USA.

Beijer, L. & H. Westhoek, 1996. Meststoffen in de rundveehouderij, samenstelling, werking en gebruik. Informatie- en Kennis Centrum Landbouw, Rapport nr 17, Ministerie van LNV.

Beuze, M. de, A.A. Pronk & HJ.W.M. Pittens-van der Heijden, 2002. Op weg naar biologische boomteelt. Praktijkonderzoek Plant en Omgeving, Wageningen. Publicatie nr. 410. 20 p. Biometris, 2001 . Manual Censtat procedure, library release 4.2. Bokhorst, J. & G.J. van der Burgt, 2002. Onderzoek biologische bedrijfssystemen OBS en Meterik 19961999. Louis Bolk Instituut, Driebergen.

Bradbury, N.J., A.P. Whitmore, P.B.S. Hart & D.S. Jenkinson, 1993. Modelling the fate of nitrogen in erop and soil in the years following application of 1 5N-labellede fertilizer to winter wheat. Journal of Agricultural Science 121 :363-379.

Cambardella, C.A. & E.T. Elliottt, 1992 Particulate soil organic matter changes across a grassland cultivation sequence. Soil Sci. Soc. Am. J. 56: 777-783.

Chan, K.Y., 1997. Consequences of changes in Particulate Organic Carbon in Vertisols under Pasture and Cropping. Soil Sci. Soc. Am. J. 61: 1376-1382.

Christensen, B.T., 1992. Physical fractionation of soil organic matter in primary particle size and density separates. CRC Press, Inc, USA.

De Ruiter, P.C., & van Faassen, H.G., 1994. A comparison between an organic matter dynamics model and a food web simulation model simulating nitrogen mineralization in agro- ecosystems. In: Neeteson, J.J & Hassink J. (eds). Nitrogen mineralization in agricultural soils. AB-DLO thema's no 1. AB-DLO Haren/Wageningen pp. 207-220. Genstat, 2001. Lawes Agricultural Trust, Rothamsted Experimental Station. Fith Edition - release 4.21. Habets, A.S.J. & G.J.M. Oomen, 1993. Modellering van de stikstofdynamiek binnen gewasrotaties in de biologische landbouw: NDICEA. Wageningen universiteit, 45 pp.

Hassink, J., 1995. Organic matter dynamics and N mineralization in grassland soils. Proefschrift Landbouwuniversiteit Wageningen.

Jager, G., 2001 . The parameterization of NDICEA. A study to find correlations between soil type and plausible parameter ranges. MSc thesis Wageningen University.

Janssen, B.H., 1984. A simple model for calculating decomposition and accumulation of 'young1soil organic matter. Plant and Soil, 76, 297-304.

Janssen, P.H.M. & P.S.C. Heuberger, 1995. Calibration of process-oriented models. Ecological Modelling 83 55-66


49

Jongschaap, R.R.E., 1996, ROTASK 1.0: a dynamic simulation model for continuous cropping and tillage systems: reference manual. AB-DLO rapport, 40 pp. Koopmans, C.J. & J J. Bokhorst, 2002, Nitrogen mineralisation in organic farming systems: a test of the NDICEA model, Agronomie 22. In press. Koopmans, CJ. & C J. van der Burgt, 2001. Mineralenbenutting in de biologische landbouw. Een integrale benadering. Louis Bolk Instituut, 118 pp.

Koopmans, CJ. & K. Zwart, 2001 . Van rekenregel naar computermodel. Ekoland 4: 22-23. Lammers, H.W., 1983. Gevolgen van het gebruik van organische mest op bouwland. Wageningen, Consulentschap voor bodemaangelegenheden in de landbouw, 44 pp. Price, W.L., 1977. A controlled random search procedure for global optimization. Computer Journal 20: 367-370.

Snoek, A.J., M.J. Wondergem, J.E. Jansma & J.A.A. van Zuilichem, 2002. Biologische bloembollenteelt. Ervaringen Proefbedrijven "De Noord" en "De Zuid" 1994-2001. Praktijkonderzoek Plant en Omgeving, Lisse, Publicatie nr. 7 0 1 ,7 9 p.

Van Kraalingen D.W.G., 1995. The FSE system for crop simulation, version 2.1. Quantitative Approaches in System Analysis, 1, AB-DLO, Wageningen.

Verberne, E.L.J, Hassink, J., De Willigen, P., Groot, JJ.R. & Van Veen J.A., 1990. Modelling organic matter dynamics in different soils. Netherlands Jourmnal of Agricultural Science 38: 221-238

Zwart, K.B., 2001 . XGLNCE, een Excel spreadsheet voor stikstof en koolstof in de bodem. Alterra Rapport nr. 4 2 7 ,3 8 pp.

Zwart, K.B. & CJ. Koopmans, 2002. Stikstofdynamiek in de biologische landbouw: modellen of rekenregels? In: F.G. Wijnands, J J . Schöder, W. Sukkel en R. Booij (eds.). Biologisch Bedrijf onder de loep. P 1 55-164. Praktijkonderzoek Plant en Omgeving, publicatie 303, Lelystand.

Zwart, K.B., A.P. Whitmore, & J.G. Bokhorst, 1999. Beheer van organische stof in open biologische, ecologische en geïntegreerde teeltsystemen. Rapport 102 AB-DLO. 88 p.


50

Bijlage 1. Methode van gegevensverzameling • Geschiedenis Gewasrotatie, opbrengsten en bemestingsgegevens (soorten hoeveelheid) van de jaren 1997 en 1998. Bemesting (soort en hoeveelheid) en teelt groenbemesters (soort en datum onderwerken) na de oogst van 1998 • Vanaf 1999: Bodembewerking Zaaien en /o f planten Oogst Groenbemesters Beregening/irrigatie Bodembemonstering Gewasbemonstering Bemonstering van mest en groenbemesters Bodembewerking: Zaaien en /o f planten: Oogst: Groenbemesters: soort,

Beregening/irrigatie: Bodembemonstering:

Weersgegevens:

datum, type (ploegen, ploegdiepte, frezen aanaarden etc) datum, gewas, hoeveelheid (drogestof) datum, hoeveelheid (drogestof), N-totaal. Alleen bovengrondse delen, behalve bij boomteelt, daar ook hoeveelheid en N-totaal wortelstelsel, datum zaaien en onderploegen, opbrengst (drogestof). Bepalen van afsterven tussen 1 en 1 5 november. Klaver en gras/klaver die na de winter wordt ondergeploegd voor de winter en vlak voor het onderploegen de opbrengst bepalen. Van alle groenbemesters N-totaal. datum, aantal mm. Plaats: in beddenteelt onder het bed, elders volvelds. Laag 0-30 en 30-60 cm overal, dieper waar noodzakelijk Aantal steken: minimaal 40 van de bovengrond, minimaal 20 van de ondergrond Aantal keren: om de 2 weken Analyses: droge stof, NH4 en N03, pH, deeltjesgrootte, organische stof en organisch stikstof in het voorjaar. Dagelijks van het bedrijf zelf of van het meteo station in de buurt

• Herhalingen: Op elk perceel worden drie plots geselecteerd (oppervlak aanpassen aan bedrijfstype). Als op een plot meerdere monsters worden verzameld (bijvoorbeeld bodemmonsters) worden ze per plot samengevoegd tot een verzamelmonster, aan deze verzamelmonsters worden de analyses verricht.


51

Bijlage 2. Beschrijving van het model NDICEA Het model NDICEA staat voor Nitrogen Dynamics In Crop rotations in Ecologicai Agriculture (Habets en Oomen, 1993). Het model is ontwikkeld uitgaande van de hele vruchtwisseling. Op basis van de bedrijfsvoering, de opbrengsten en het klimaat kan worden gereconstrueerd hoe de stikstofhuishouding van een bodem verloopt. De processen zijn dynamisch door ze afhankelijk te maken van de wekelijkse veranderingen van temperatuur, vocht en de pH van de grond. Met het model wordt het mogelijk de langjarige effecten van een bepaald management door te rekenen. Het model NDICEA bestaat uit de integratie van drie modules: (i) de mineralisatie van stikstof op basis van de afbraak van de organische stof, (ii) een waterbalans en daarmee stikstoftransport in de bodem en (iii) gewasgroei en daarmee de water- en stikstofopname door het gewas. De stikstof die uit de mineralisatie vrijkomt wordt verrekend met de opname door het gewas, de berekende stikstofuitspoeling en de berekende denitrificatie (gebaseerd op Bradbury et. al., 1993). Dit geeft uiteindelijk het minerale stikstofgehalte van de grond als een belangrijke uitkomst van het model. Centraal in het model staat de afbraak van de organische stof en de interactie van organische stof met de gehele stikstofdynamiek. Daardoor kunnen de meerjarige effecten van organische mest, oogstresten en groenbemesters worden berekend. Dit onderdeel van het model is vooral gebaseerd op het werk van Janssen (1984). De mineralisatie van stikstof wordt berekend op basis van de aard en de hoeveelheid organische stoffen zoals organische meststoffen, groenbemesters, oogstresten en de bodemorganische stof. Hierbij gaat het model er van uit dat alle soorten organische stof op vergelijkbare wijze worden afgebroken maar de ene organische stof gevoeliger is voor afbraak dan de andere. De ene organische stof begint daarom als het ware net met de afbraak terwijl de andere al in een vergevorderd stadium is. In welk stadium een organisch materiaal zich bevindt wordt gekarakteriseerd door de 'Initial age'. Deze is verwant met de humificatie coëfficiënt en zal bepalend zijn voor de hoeveelheid organische stof die er na verloop van tijd nog over is. Oude organische stof in de grond kan een initial age van 24 jaar hebben; jongere van 5 jaar, stalmest 2,5 jaar en oogstresten van 1 jaar. De afbraaksnelheid hangt naast de initial age ook af van de temperatuur en het vochtgehalte van de grond. Daarnaast is de berekening aangepast door een effect van textuur en zuurgraad op de mineralisatiesnelheid op te nemen. Of er bij de afbraak ook stikstof vrijkomt hangt samen met de koolstof-stikstof verhouding van de organische stof (C/N-verhouding). Immobilisatie, dat wil zeggen tijdelijke vastlegging van stikstof is mogelijk, bijvoorbeeld na het onderploegen van stro. In de waterbalans wordt uit de neerslag, beregening en gewasverdamping het vochtgehalte van de bodem en de eventuele uitspoeling of capillaire opstijging berekend. De waterbalans hangt voor een groot deel af van de textuur. Op basis van deze gegevens zijn in het model forfaitaire waarden opgenomen aangaande de waterbalans, voornamelijk gebaseerd op de pF-curve. Daarnaast kunnen parameters ingevoerd worden die de relatie leggen tussen de waterbeweging en de stikstofbeweging: niet altijd neemt stromend water een evenredig deel van de aanwezige minerale stikstof mee. Voor de opname van stikstof door de gewassen zijn eenvoudige groeicurven in het model opgenomen. Deze bestaan uit drie trajecten: • begin van de stikstofopname (een of meerdere weken na zaaien of poten) tot volle gewasgroei. In deze periode neemt de stikstofopname lineair toe met de tijd. • de volle gewasgroei waarin de stikstofopname evenredig is met de gewasverdamping • afrij pi ngsfase. Bij een aantal gewassen neemt de stikstofopname de laatste weken van de groei tot de oogst af, bijvoorbeeld bij granen.


52

Beschrijving van het model ROTASK Kor Zwart, Alterra ROTASK is een dynamisch simulatiemodel voor gewasrotaties onder gematigde klimaatomstandigheden, geschreven in FORTRAN 77 en werkend onder FSE (Fortran Simulation Environment, Van Kraalingen, 1995). De auteur van ROTASK is R.E.E. Jongschaap van Plant Research lnternational(Jongschaap, 1996) De dynamiek van de bodem-organische stof is gebaseerd op een aangepaste versie van de SOM module (Verberne et al 1992). Organische stof wordt verdeeld in twee partities: labiel (LOM) en stabiel (SOM). LOM en SOM hebben elk hun eigen karakteristieken met betrekking tot de bodemorganismen. Bij de afbraak van LOM en SOM wordt rekening gehouden met de beschermende werking van klei (FHassink 1995). Koolstof en stikstof turnover worden beschreven volgens le-orde afbraak, turnover-efficiency, microbiële biomassa en transitie naar andere organische pools. De afbraakconstanten zijn volgens De Ruiter & Van Faassen (1994) welke zijn afgeleid voor een temperatuur van 10 °C. Mest, gewasresten en andere organische toevoegingen bestaan uit drie fracties: afbreekbaar (DPM), structureel (SPM) en resistent (RPM) materiaal, de verdeling over deze fracties wordt bepaald door het C-N quotiënt. Bij de start is de partitie gefixeerd op 0.10 DPM, 0.45 SPM en 0.45 RPM. De initiële hoeveelheid C en N is gelijk aan die in de verschillende bodemlagen die door de gebruiker in ROTASK kunnen worden aangebracht, het percentage OS is gelijk aan 1.73 * C%, het percentage N is gelijk aan C% / C-N-quotient. De gewasgroei wordt berekend met behulp van LINTUL en SUCROS modules voor een aantal gewassen: graan, suikerbiet, aardappel, gras, kool, koolzaad, bloembollen, thuja, roos. Voor de overige gewassen die voorkwamen in de experimentele set is de koolzaadmodule gebruikt, waarbij alleen de hoeveelheid opneembare stikstof werd aangepast aan het specifieke gewas. Dit maakt dat de berekening van de Nopname van deze overige gewassen met grote onzekerheden is omgeven. De groei wordt bepaald door de Light Use Efficiency (LUE) en de onderschepte straling wordt gecorrigeerd voor het foto-actieve deel, en effecten van vocht- en stikstof-stress. De drogestof verdeling is afhankelijk van het ontwikkelingsstadium van het gewas en wordt bepaald door de temperatuursom. De stikstofopname is de som van de vraag naar stikstof van een aantal organen (bladeren, stengels, opslagorganen en wortels). Als er minder stikstof beschikbaar is dan de vraag vereist, wordt de opname tussen 0 en 1 afgeremd, afhankelijk van het tekort. ROTASK maakt gebruik van het watermodel DRSAF1E dat is gebaseerd op het 'tipping bucket' principe. De bodem kan in een aantal verschillende lagen worden opgedeeld, waarvan 1 laag de ruimte buiten de bodemlagen vertegenwoordigt. Elke bodemlaag heeft z'n eigen karakteristieke kenmerken. Voor de bovenste laag geldt dat neerslag en irrigatie de inkomende flux bepalen, waarbij geldt dat de eerste 10 mm neerslag altijd infiltreren, 15% van de rest wordt als run off beschouwd. Evaporatie is sterker in de bovenste lagen dan daaronder, transpiratie wordt bepaald door de worteldiepte van het gewas en het ontwikkelstadium. Bij de stikstoffluxen wordt rekening gehouden met een natte stikstofdepositie van tussen de 30 en 50 kg per ha per jaar, waarbij een deel ervan via run off niet in de bodem hoeft terecht te komen. De stikstof spoelt proportioneel uit met het grondwater dat het systeem verlaat


53

Beschrijving van het model XCLNCE Kor Zwart, Alterra XCLNCE is een MS-Excel spreadsheet voor de berekening van de stikstof (N) en koolstof (C) dynamiek in de bovenste bodemlaag (Zwart, 2002). De oorspronkelijke bedoeling van de spreadsheet was het toepassen van de zogenaamde IKC-rekenregels voor de toepassing van dierlijke mest voor verschillende grondsoorten, gewassen en verschillende tijdstippen van toediening. Daarmee kan worden berekend of er voor het te telen gewas voldoende stikstof beschikbaar is. De rekenwijze was echter niet geschikt om de N-mineraal voorraad in de bodem op verschillende momenten te berekenen, waardoor er enige drastische aanpassingen zijn doorgevoerd. De afbraak van organische stof is in principe gelijk gebleven aan die van de IKC rekenregels, welke was gebaseerd op Lammers (1983). Alleen is een onderscheid aangebracht in de organische stof die in de bodem zelf zit bij de start van de berekening en die van mest en gewasresten die gebruikt worden gedurende de teelt. De afbraak van bodem-organische stof verloopt volgens 1e orde afbraak, waarbij de reactiesnelheid constante k afhankelijk is van het oorspronkelijke organische stofgehalte. De afbraak van mesten gewas-organische stof verloopt eveneens volgens 1e orde snelheid. De verdeling over drie fracties, makkelijk afbreekbaar, moeilijk afbreekbaar en resistent en de bijbehorende k-waarden voor mest zijn overgenomen van Lammers (1983). Voor gewasresten is een schatting gemaakt van de verdeling over de drie fracties. De k-waarden zijn gelijk aan die van mest. Daarnaast is voor bepaalde meststoffen en gewasresten, waarvan bleek dat ze sneller mineraliseerden dan op de bovenstaande wijze berekend kon worden, een extra fractie toegevoegd, de zeer makkelijk afbreekbare fractie, die vergelijkbaar is met bijvoorbeeld eiwit. De k-waarde voor deze fractie is geschat aan de hand van incubatieexperimenten (Zwart et al. 1999). De mineralisatiesnelheid wordt verder alleen bepaald door de temperatuur volgens dezelfde Arrheniusvergelijking als bij Lammers (1983). Verondersteld wordt dat de mineralisatie voor C en N volgens hetzelfde patroon verlopen. Een deel van de organische stof die wordt afgebroken wordt omgezet in biomassa, waarbij ook een deel van de N wordt vastgelegd. De C-N ratio van de biomassa is vast. Als de organische stof die wordt afgebroken een hoog C-N quotiënt heeft wordt niet alleen alle N eruit vastgelegd, maar daarnaast ook minerale N uit de bodemvoorraad (N-immobilisatie). In dat geval wordt deze gedempt bij aflopende N-min gehaltes en stopt volledig als N-min volledig is gebruikt. Op dat moment stopt de afbraak van OS echter niet, maar wordt dat deel dat niet in biomassa kan worden omgezet volledig omgezet in C02. Alle afbraakprocessen staan onder invloed van de temperatuur. De temperatuur wordt op dagbasis berekend met behulp van een sinoïdale functie vanuit de langjarige maandgemiddelde temperatuur van het dichtstbijzijnde KNMI weerstation. Denitrificatie verloopt volgens de oorspronkelijke IKC-rekenregels, die zijn afgeleid van Lammers (1983), waarbij een vaste fractie van de N-min verdwijnt door denitrificatie gedurende de maanden oktober t/m februari. Uitspoeling verliep oorspronkelijk ook volgens de lKC-regels: een vaste fractie van de N-min, eveneens gedurende de maanden oktober t/m februari. Bij eerdere berekeningen (Zwart & Koopmans 2001), bleek echter dat hiermee een vrij grote overschatting van de N-min voorraad werd berekend, doordat geen rekening werd gehouden met het grote effect dat zware buien op de uitspoeling kunnen hebben. Aangezien XCLNCE alleen berekeningen uitvoert voor de bovenste bodemlaag, en er met zware buien veel N-min uit deze laag kan verdwijnen is die berekening aangepast. Nu kan elke bodem een maximum hoeveelheid vocht bevatten, afhankelijk van de grondsoort. Wordt het vochtgehalte door neerslag of irrigatie hoger dan dit maximum, dan spoelt een evenredig deel van het vocht uit de bodemlaag en neemt daarbij een proportionele hoeveelheid N-mineraal mee. Door verdamping verdwijnt er eveneens vocht uit de bodem, tot een ingesteld minimum, afhankelijk van de grondsoort. De (dagelijkse) neerslag- en verdampinggegevens zijn afkomstig van KNMI-weerstations. Er wordt geen rekening gehouden met


54

specifieke gewas evapotranspiratie. Bij neerslag of irrigatie wordt eerst het vochtgehalte opgevuld tot het maximum, daarna begint de uitspoeling. Een deel van de N-mineraal in de mest verdwijnt door vervluchtiging van ammoniak. De ammoniakvervluchtiging is afhankelijk van de wijze waarop de mest wordt ingewerkt en de fractie die vervluchtigd is afkomstig uit Beijer en Westbroek (1996). De stikstofopname door gewassen is gelijk aan de gemeten hoeveelheid. Het patroon van opname verloopt volgens een eenvoudige logistieke vergelijking. De N-opname start op de datum van zaaien of planten en eindigt op de oogstdatum. Het zou wellicht beter zijn om de startdatum aan te passen aan de datum van opkomst en bij de beëindiging meer rekening te houden met afrijping., dat is nog niet het geval. Het kan voorkomen dat de N-opname op een bepaalde dag groter is dan er beschikbaar is aan N-min plus de hoeveelheid uit de mineralisatie. De N-min voorraad zou dan lager dan 0 dreigen te worden, waardoor de uitkomsten van de berekening zeer instabiel worden. In die situaties wordt de N-opname snelheid dan tijdelijk afgeremd, op dezelfde wijze als voor de N-immobilisatie voor bodem-biomassa gebeurt. Voor alle gewassen wordt rekening gehouden met een lagere N-opname snelheid bij lagere temperaturen, volgens eenzelfde Arrheniusvergelijking als voor os-afbraak. Daardoor kan ook de N-opname van meerjarige gewassen en gewassen die voor de winter worden gezaaid of geplant worden berekend. Van vlinderbloemigen wordt geschat hoeveel stikstof zij vastleggen door fixatie, de rest wordt net zo opgenomen als N-mineraal als de overige gewassen. Van gewassen die tussentijds worden gesnoeid of gemaaid, wordt per 'snede' de N-opname berekend. De volgende groeiperiode start dan met de hoeveelheid N die in het overblijvende deel van de plant is achtergebleven. Over de hele periode van berekening wordt de N-balans uitgerekend. De N-balans bestaat aan de invoerkant uit: N-organisch in de bodem, N-min in de bodem bij de start, aanvoer van N uit mest en gewasresten, aanvoer meet poot- of zaaigoed, depositie (vaste hoeveelheid per dag), irrigatie (indien bekend) en de totale hoeveelheid die er ontstaat door mineralisatie. De afvoerkant bestaat uit: N-opname, uitspoeling, denitrificatie, immobilisatie en de voorraad N-min en Norganisch die er aan het eind van de berekening nog over is. Een van de grote voordelen van een MS-Excel spreadsheet is de gemakkelijke wijze waarop de resultaten grafisch kunnen worden uitgevoerd. In XCLNCE worden standaard grafisch weergegeven: N-min in de bodem, zowel berekend als gemeten, gewasopname, uitspoeling en organische stofgehalte (in gewichtsprocenten). Daarnaast wordt standaard de lineaire regressie tussen gemeten en berekende N-min berekend en weergegeven. Uitbreidingen van de grafische uitvoer zijn gemakkelijk te maken door iedereen die met MS-Excel kan werken. Ook de invoer van gegevens en de eventuele uitvoer van resultaten naar allerlei andere standaard pcprogramma's verloopt op een gemakkelijke wijze. MS-Excel kent naast voordelen ook nadelen. In de eerste plaats worden er geen foutmeldingen gegeven als onverhoopt niet toegestane wijzigingen in de berekening of de uitvoer worden aangebracht. Verder worden, zeker bij langjarige berekeningen over rotaties, de bestanden aanzienlijk omvangrijk. En omvangrijke MSExcel bestanden nemen niet alleen veel schijfruimte in, ze kunnen ook instabiel worden waardoor MS-Excel abrupt stopt.


55

'

O

TM- cq rq iq T - o lq 00 CO CO ■M" CO
( O CN O O CO Q O 0 S V- ( O CO CNJ ( N ^ ( D 0 CO W N c o c o c o c o S ( O c q o d CO Tt l O co’ T-” T-’ co’ co’ l O in’ co’ C T )’ 05~ lO Tj-" h-’ oo’ -r- Tt CM co’ lO O)’ Tj- C\T C O C O S ^ ^ 't^ C O C O C O C O C O C N C O C N C O C O C O C O C O C O C O C N C O C V jT j-T f

CO N . CM T 0

m r*- 00 O ) T— o 7 CH o ’ o ’ cm’ o ’

O) o oo CM h - m co h - M- N - m cq T— o _ CM T— q CM CM CM o’ o ’ o ’ o ’ o‘ o ’ o ’ o ’ o’ o ’

o CO O r - co O 5 LO co 7 CM_ 7 q CM_ T“ CM_ m o o ’ o ’ o ’ cm’ o ’ o ’ o ’ o ’

O ) co co co M- CD CD m N- CM r*«o co o iq T— co . tn 00 og m’ co’ N-’ oo’ m’ m’ r- ’ in ’ ■M- in ’

T_ O 5 m co co CM 00 00 o LO co 00 cq cq q q q co O ) 7 in ’ m’ co’ in ’ t j-’ co’

00 o 7 7 cq in ’ co’ M-

CO M- CO

N N (O

"’♦ 3

ra ra L_

) c0 (1 0 'ê z

00 CM

o co in ’ m’

s in ’

O)

E

O)
z

T- T t C O t- C M

E

I 5 z O) z

E

S o> Z o> B ijlage 3a. Overzicht van de bod em analyses en N m ineralisatie op zand in de periode 1999-2001

z

E

o 3

Ql

CM ■ »— CM C M t- 0 ) S ( D

^

io

t-

1-

CM O) O) N (O T-

(O

1-

T-

CM CM -M- ^

CM T— T— T— O L T ) t— o c o c o o

CM Lf) CO ^

CO

CO

't

T-

N

V-

C M C O N N O D ID ^ C O O JC M C O

in T - in T— CM CM

1-

O)

O

o’

00 0O_ o

O

00 O

O)

T-“ T-” T-’ o ’ T-" X“ " o ’ T-" o ’

T-

CM CO i f i

X-

CO CM

CM 1 -

1-

N C O C O O O T tC M Q O C M C M

s

E CD D-

T- T-

CM CO CO M' CO N

r^00 00 co O m in M- co ■M- X— CM CO co co co m O CM CO m O) m CM T— co O co m 00 co co CM CO hh- 00 ■MS m M- CO 00 O) CD 00 T_ m m CO co O)

O) CCMO 0000

Tl- O

ifiin N ^ m r-QcoC M C N co

oo i n T- T-

0

N

CO 05_ T -

00

T-' o’

o’ o’ ■<-’ o’ T-" o’

h»_ O

O)

N- in o r^- co o h- O) m co MT_

Tf o

CO CD

T-_ 00 00

T-" l“’ T-" o’ o’

O) cq c m ’ c m ’

X —O 05 C cq cq cq cq ) ■q 05 cq 05_ iq 00 r^- cq Min C Mrq cq o_ m o 00 rq co’ c m ’ co’ co’ c m ’ co’ co’ M - T_ T_ co’ c m ’ co’ c m ’ c m ’ co’ co’ co’ T_ T m ’ co’ c m ’ o- T_ T m ’ c ” ~c

0 ■ *-< o o Q - co co 0 ó

o o o o o o o o o o o o o o o o o o o o o o o o o o o C Oco co co co co co co co co co C Oco C Oco co cq co co co co co co co co co 00 5 ó <3 ó cb C 5 5C 5ó C 5C 5C 5C 5C 5ó C ó ó ó ó ó ó ó ó C 5C 5ó C ó

ó

TD

CD

0 ) O

05 05 05 i

E 3

ra

05 05 05 V

q 7 in in

_

CM in in in T— CO T— T— CM CL Q. CL CL CL CL CL CL CL

i—
05 05 05 05 05 0 05 O 05 05 05 O) 05 0 05 05 05 05 05 05 0 05 CM 0 7 7 7 T— 7 Ó CD CM1 7 q3 7 7 7 1 > m CM CM CD co 05 05 CM CM CM CM CM S

O O O CM CM CM CM CM CM 1 1 CM ^z T— CM CM CM CM CM O

CM LO m

CM lO LO m C30 m CO T— T— T— CM M" T— CL CL Q. CL CL Q- CL CL Q.

00 m

O

O

O

O

O O O CM CM

O O O CM CM Tj- r^-

O O O CM CM

T— O O CM CM

O O CM CM

m

00 LO CD T— T— T— CM

CL CL Q. CL CL CL CL

O O CM CM

O O CM CM

TO O CM CM CM CM q V 00 CD CM CM O O CM CM

0 0 0 0

CM CM CM CM 05 05

~a

O) O) 0 0 O 0 E 0 0 0O 2 CÜ 05 05 05 ■*—

O) O)

0 CM <m E E T5 ■D 0 0 CM 0 0 0 ^ C C O b ■B' 0 0 O O ‘C E 0 E E 0 ra m O O z z 0 O 0 O 2 0 0 0 0 0 0 0 0 ra CG ül Q_ ^ ^ Q 0 CG CQ Cl

05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 05 vT— T— ■*— ■*— T—

O O O CM

O O O CM

O O O CM

O O O CM

O O O CM

O) O)

0 0 :=* 0 0 O O 2 >» >% z z 0 0 E 0 ra O O 2 0 0 0 0 0 0 0 CQ Q_ ^ ^ 0 0 ~2 c c 0 0

O O O CM

O O O CM

O O O CM

O O O CM

O O O CM

T— O O CM

T— O O CM

XO O CM

0 CM n E E ■ 0 0 c c 0 :=> 0 0 O E \y O m O O z 0 2 2 O O 0 CQ CL Q_ ^ * O

■O b

TO O CM

X—

T— O O CM

T— O O CM

T— O O CM

X— T— 0 O 0 O CM CM

0

z 0

O

0 0

CM

o ra ra s

■*->

o *-»

O c 0)

x t

O

io" o" T— CM

o Q.

c

ra >

è

o

O

CM

co " c d " CM x—

CM_ CO

CO

xt

CM

T-" T— “

cd "

co "

Ö

CM

CO

Q-

Xt Xt

x -_

CO

00

xt

X-

oó co"

t- ’ x-

cd X-

cd"

X-

cm‘ cm" x t

CD

CD_

cd"

LO" LO’ CO CO

h-_ o_ xt

hx~

cd"

xt

CD

CO

x-

CO

x-

CO

CO

CN

CM

X-

CO

cd"

o_ Lo" X”

x t cd"

O

CO

LD X”

co" x-

O ) fv Z

h - f"-

LD cd "

x~

x t x t O ) t - co _ X- O CO 00 CO x t CD_ x - _ oo" x t cd " x t N -" oo" c d " c d " x t c d " o " o " CO CM x- X - CM CM x- CM CM CM CM CM

co " co " CM CO

> O CD t - O CO 00 O x t CM CD CM 00 CD 00 Xt CM CO 00 x t - LD CD CD O CO x t CM CM CM CM co CM h-_ o_ CM_ CM CD 5 CD CM CD_ "O CM CO o" o " o" o " o " o " o " o ’ o " o " o " o " o " o ' o" o" o " o" o" o " o " o" o " o "

9,1 6

1 1 ,9 9

8 ,1 3

CO co"

7 ,6 3

7 ,5 0

6 ,6 8

1 2 ,7 7

8 ,4 6

1 4 ,3 7

8 ,7 6

8 ,4 2

7 ,9 8

1 3 ,7 4

6 ,9 1

1 6 ,5 2

1 5 ,0 5

1 2 ,7 9

CD O o"

1 1 ,5 0

6 ,3 2

D)

9 ,8 5

CD CD

1 5 ,9 0

2

00 o_

G)

<2 ö>

z E

s o o m o M f o n

in c N jw c o ro o o o c N ^ ^ o ifio o o

C O C M C O C M C M C M C M C M x- C D x-

t-

t-

x^

t-

x-

t-

x-

x-

x-

C M x-

't ( M

'<

t 't O

x- C M

2 O) X ^ Z

O) lf ) N

5 O3 öj Z O)

3

) C

CM CM

O

T - r - f O

f O

i n f O

C

O

't i n C

O

r - C

O

O

C

D

X- h- o

r - T - Q T - T - T - c D i n c N j f O ’t c o ^ N o o \ r ^ ^ L n o ) i n c o N

LO CD CO t -

t - CO CD r^ h- CD 00 CD 00 CD CD h- LO CD t T~ T— T_ T_ x— T_

o

T—T—T—T—T_

Ü.

CO 00 CM CM CD 00 CD LD CM O LO co O xt T— CM CD LO CO h- CD CD CM CD CM CD CD x— O T— O CD CM CO ao CD 00 CD 00 00 h- CD h- 00 h- 00 CD X- CD X” r - oo

z

00 o"

a> o

CM

T - 0 O

LD x-

z E

*♦ -

x-

o

T_

cm’

cq LO_ LO_ CD CD o cm"

x-

O) Xt

°°-

Xt o

T_ T_ T— x— T—'c— T—T—T—cm"

t-

LO LO x t

T_ T_ T—T—T_ T—

T—T—T_ T—T—T— T—

o cm"

CD CD c - CD CM CO x— T— CD CD CD o O x— 00 CD 00 O) 00

o_ x- o> xt i q x t O) o cm" "r~

T—x_

T—T—T—T—

o

2

G)

o

cm"

o CM xt Xt CD Xt i q i q CD CD CM_ o_ x t h-_ CD CD i q O) x t co_ CD_ co" Xt co" x t xt xt LO" co" co’ LO’ x t x t Xt io’ lo" cm" cm" io’ xt Xt" co" xt x t

o o O o O O O O o O O O o o o o o o O O O o O O co CO CO co CO co CO cq cq cq cq cq cq cq cq cq cq cq c? CO cq cq CO cq ó Ó ó CD Ó CD CD o CD CD CD CD CD CD ó CD CD ó CD CD o CD CD CD

(D 0 o J0 Q.

E D

ra

ra CM CL

CL

xt CL

CL

xt CL

O xt CL

xt Xt Ql

ra

o .

CD CD CD

CD CD CD

CD CD CD

CD CD CD

CD CD CD

CD CD CD

CD CD CD

CD CD CD

o o o CM

xq

q

q

q

q

q

q

q

q

T~

LO

LO

CD CO

x-

x-

x-

ra ■o

CD CO

CO

Xt

JX .

Xt j

*:

w ra ra a

ja a r

Bijlage 3b. O verzicht van de b od em analyses en N m ineralisatie op zavel en klei in de periode 1999-2001

z E

ra ra

CD ra ra

CL

ra CM CL

CL

xt CL

CL

Xt CL

O xt CL

xt xt CL

O O o CM

o o o CM

O O o CM

O o o CM

o o o CM

O O o CM

CM

có

có

CD

CD

x-

co

co

xt

xt

CD ra ra

CD ra ra

ra CL

ra CM CL

CL

Xt CL

CL

xt CL

O O o CM

o o CM

o o CM

O O CM

o o CM

O O CM

O O CM

^z

^z

CM

CM

CM

CM

CM

CM

CD

CD

oó

oó

0Ó

oó

co

co

xt

xt 2 *:

X-

x-

-x:

E E

E E

O xt CL

xt xt CL

O O CM

O o CM

CM

CM

CM CM

CM CM

(D ra ra

(D ra ra

E E

2

2 ra

ra

ra

w o

"cd 0)

ra

ra

ra

ra

Zc ra

ra

"cd 0

s ra

2 ra

2 0

CL

CL

CL

CL

5

5

CL

CL

CL

CL

CL

CL

§

5

CL

2 CL

2 ra

CL

2 Gl

2 ra

2

ra

CL

CL

CL

CL

5

5

CD CD CD

CD

CD CD CD 'c~

CD CD CD

CD CD CD

CD CD CD

CD CD CD

CD CD CD

o o o CM

o o o CM

O O o CM

O O o CM

o o o CM

o o o CM

o o o CM

o o o CM

O o CM

o o CM

o O CM

o o CM

o o CM

O O CM

O O CM

o o CM

ra ra

cd

CD

T_

T_

T_

00 0

2

0

B ijla g e 4 S e le c tie g e w a s a n a ly s e s CaCL2 extractie dr. stof

N

P205

N03-N

NH4-N

Ntotopl.

datum

(% )

(% )

(% )

mg/kg

mg/kg

mg/kg

54,6

1,05

0,71

plaats

soort

perceel

Boomteelt

roos minarty top

8

23-03-00

Boomteelt

roos humanity top

8

23-03-00

56,5

1,12

0,74

Boomteelt

roos gemengd

8

17-09-00

41,3

1,40

0,75

95

252

2467

Boomteelt

roos wortel

8

17-09-00

53,1

0,98

0,79

22

143

2477

Boomteelt

tagetes

15-11-99

30,0

1,73

2,05

55

24

232

Kooyenburg

Bladrammenas top

15-11-99

9,1

2,55

2,84

29

100

697 447

2

Kooyenburg

Bladrammenas wortel

2

15-11-99

12,2

1,65

4,22

76

37

Meterik

prei residu

4

07-10-99

14,3

1,96

1,63

2

117

456

Meterik

klaverwortels

11

15-11-99

9,3

2,76

2,92

93

39

453

Meterik

klaver

11

15-11-99

11,1

4,20

2,27

2

92

598

Meterik

klaverstoppel

11

15-11-99

11,4

1,96

1,11

0

30

175

Meterik

sla

11

17-05-00

3,6

4,63

2,74

9205

1471

22012

Praktijk 1

haver stro

1

12-08-99

91,0

0,22

1,09

1

4

62

Praktijk 1

haver stoppel

1

12-08-99

44,1

0,19

0,51

0

4

49

Praktijk 1

haver top

1

15-11-99

13,8

3,14

2,91

19

89

731

Praktijk 1

haver wortels

1

15-11-99

8,0

0,84

1,26

11

19

142

Praktijk 1

aardappel

2

09-09-99

20,1

1,23

1,55

Praktijk 1

haver top

2

15-11-99

12,1

3,83

3,30

114

106

986

Praktijk 1

haver wortels

2

15-11-99

6,1

0,91

1,27

29

23

183

Praktijk 1

Chin, kool top

2

21-09-00

5,5

2,59

3,96

1968

77

5350

Praktijk 1

Chin. Kool wortel

2

21-09-00

13,6

1,70

2,58

559

134

2643

Praktijk 1

Aardappel loof

1

13-07-00

84,0

2,56

1,82

238

1114

7719

Praktijk 1

Aardappel knol

1

24-08-00

20,3

1,04

1,53

Praktijk 1

Haver groenbemester

2

28-02-00

20,4

2,83

2,04

95

684

6929

Praktijk 1

haverwortel

1

02-11-00

9,9

1,77

1,62

2064

288

5765

Praktijk 1

haver blad

1

02-11-00

11,3

3,27

2,92

2842

707

11283

Praktijk 2

andijvi top

5

07-10-99

8,8

4,51

3,11

Praktijk 2

andijvi wortel

5

07-10-99

10,6

2,48

2,27

443

53

818

Praktijk 2

andijvi top

5

29-10-99

6,0

4,60

3,52

536

152

1497

Praktijk 2

andijvi wortel

5

29-10-99

10,9

2,76

2,10

273

85

742

Praktijk 2

prei top

6

09-09-99

11,3

3,49

2,11

Praktijk 2

prei wortels

6

09-09-99

10,7

3,77

2,14

443

179

1314

Praktijk 2

Chin, Kool krop

5

22-06-00

5,1

3,79

4,24

Praktijk 2

Chin. Kool wortel

5

22-06-00

11,0

1,98

3,76

1369

336

4616

Praktijk 2

Chin. Kool gewasrest

5

22-06-00

5,3

2,86

3,38

2096

707

8427

Praktijk 2

Tarwe groenbem. Top. (sarm 6

28-02-00

10,5

3,51

3,41

478

749

9688

Praktijk 2

Knolvenkel top

6

22-06-00

8,6

4,05

3,19

Praktijk 2

Knolvenkel knol

6

12-07-00

5,4

3,49

3,21

Praktijk 2

knolvenkel loof

6

12-07-00

9,1

4,05

2,50

14608

983

23001

Praktijk 2

Knolvenkel wortel

6

12-07-00

12,9

1,98

2,17

2376

607

8660

Praktijk 2

knolvenkel (knol+loof)

6

21-09-00

5,6

3,12

2,98

Praktijk 2

knolvenkel wortel

6

21-09-00

9,2

2,71

3,15

Praktijk 2

venkelloof

6

02-11-00

7,7

2,50

1,59

902

582

7126

Praktijk 2

knolvenkel

6

02-11-00

6,5

1,56

2,07

Praktijk 3

peen top

1

14-10-99

15,2

2,44

1,10

Praktijk 3

peen worel

1

14-10-99

9,1

1,58

1,73

Praktijk 3

spinazie

4

16-09-99

5,8

4,66

3,51 893

Praktijk 3

g.mosterd top

4

11-11-99

2,12

174

98

g.mosterd wortel

4

11-11-99

9,1 8,8

2,63

Praktijk 3

1,19

2,25

56

23

268

Praktijk 3

gele mosterd top

11-11-99

11,5

5,23

3,13

616

186

1565

Praktijk 3

gele mosterd wortels

11-11-99

17,2

2,30

3,02

Praktijk 3

gele mosterd

4

29-02-00

17,1

2,48

1,63

274

702

6122

Praktijk 3

suikermais blad+stengel

4

19-09-00

13,6

1,27

1,06

1237

91

3255

Praktijk 3

suikermais korrel

4

19-09-00

22,5

2,31

2,00

Praktijk 3

suikermais wortel

4

19-09-00

13,8

0,59

0,30

315

252

2592

Praktijk 3

g. mosterd wortel

1

06-11-00

19,7

0,65

2,00

184

87

1686

Praktijk 3

g. mosterd stengel/blad

1

06-11-00

16,2

2,06

2,24

241

462

5155

Praktijk 4

peen top

1

14-10-99

18,1

2,54

1,11

16

26

200

Praktijk 4

peen wortel

1

14-10-99

9,2

1,27

1,56

1

7

190

Praktijk 4

aardappel

4

30-09-99

20,9

1,13

1,12

Praktijk 4

peen loof

4

19-09-00

14,3

1,61

0,85

1331

31

2100

B ijla g e 4 S e le c tie g e w a s a n a ly s e s CaCL2 extractie dr. stof

N

P205

N03-N

NH4-N

Ntot.opl.

datum

(% )

(% )

(% )

mg/kg

mg/kg

mg/kg

plaats

soort

perceel

Praktijk 4

peen wortel

4

19-09-00

12,1

0,94

1,38

21

41

1657

Praktijk 4

brocolli top

1

19-09-00

9,9

3,70

2,88

1999

456

9223

Praktijk 4

brocolli wortel

1

19-09-00

18,6

1,27

1,29

394

241

2544

Praktijk 4

broccoli residu

1

06-11-00

9,7

2,97

2,40

Praktijk 4

wortelloof

4

06-11-00

21,4

1,56

1,01

Praktijk 4

broccoli wortel

1

06-11-00

23,1

1,86

2,09

Praktijk 4

broccoli

1

06-11-00

4,4

5,85

3,99

Praktijk 4

peen wortel

4

06-11-00

10,5

1,13

1,73

Westmaas

spruitkool blad

40

11-11-99

16,9

1,79

1,09

0

45

458

Westmaas

spruitkool stam

40

11-11-99

28,0

0,87

1,27

3

13

249

Westmaas

z.tarwe stro

44

01-08-99

79,9

0,16

0,29

0

3

51

Westmaas

klaver

44

11-11-99

16,6

4,50

1,91

2

67

728

Westmaas

klaver/stoppel

44

11-11-99

49,5

0,72

0,43

3

11

94

Westmaas

klaver wortels

44

11-11-99

14,1

2,32

1,92

21

31

363

Westmaas

gras

3

11-11-99

12,9

2,79

2,03

7

39

343

Westmaas

luzerne oud

5

11-11-99

25,2

1,87

0,77

6

21

250

Westmaas

venkel residu

40

20-10-00

8,8

2,61

1,55

2024

201

5504

Westmaas

venkel

40

20-10-00

6,9

1,49

1,94

762

65

4913

Westmaas

venkelwortel

40

20-10-00

15,3

0,80

1,32

45

87

1940

o r ^ o s i - 's r o r '- o r ^ '— s fo o r p iD o i rn ro fN rN O . <—. ld. lo co. sfr Pp' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o '

r— ■ s j - c D L o r o O ' s i - L D r ' ^ ro. en o

oq. LD.

lo.

i—_ ro CD.

o" r— "rsT o' o' o' i— ‘ o' o'

m rN co n in r-rN i-rN

Bijlage 5 Overzicht van de samenstelling van organische meststoffen, N mineralisatie (kg N /ton/6 weken) en C afbraak (% in 8 weken).

I

cn. sj-. sf. LO i—_ ld.

pp.

in

uo~ ro '

sf~ sj-' m ' o f sf~

o r^. I—'

s f «— LD I— in cn o o pp' ro ' Pp' r— '

oo.

o cn co oo

pp. ld. pn o . cd. cd' ld' pp' oo' pp~

ro cn ro'

,— LD CN 00 LD 00 SI o p— ,— ,— ro 00 ■sf LD LO ro P-» PN PN O ■Sf pp o LD LO. >— PN ro •sT. LO '—■. o 1— o O i— o O O i— i— fN O O O ■— o 1— o ' fN o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' o ' •—’ o ' pn' o '

00 LD LD O ro s t ro LO >— i— LO o o cd ro si P ' CO 03 LD CD PP LD O CD i—. o lo O r-. r— 00. LD O ro. LD. s t ro. CD LO "3- fN ro LO O sr o cn. o ' i—" o ' o ' o ' o ' o ' o ' o ' ld' lo' o ' o ' o ' o ' o ' o ' PN o ' co' o ' pp' pp ' PP

ld. r-. cn lp. lo. pp' ld' ro ' rN rC

\

cn oq. s f ro'

oo LO LD

o pp oo cd ■— lo lo o cn LD r— LO ^ CTl PN

cn LD. o'

lo' ld'

<—.

r>.. s f oo. cn cn cn r"*. si-' r>-' r-»' oo' o ' rN r»~ r-' i— pp pp pp

LD O

rs O

lo'

lo. pp. lo' o f

cn cn o f pn'

PP LO co' pp

ld. st. o . lo' ld' lo'

^ J -r^ L D L O r^ L D O O P O C T lL D O O L D r^ O O O Ol PO LD fN i— L D ^ T N L O '— LD>—
3 i

O

2

00 LD ■— i— fN LDr cn LO. LD LD. fN PP. O . o ' o ' o f fN ld'

> — fN ro LD P'- i - fN LO cn sfr «—. 00. P-. P-. LD fN CO O . pm' I—‘ lo' o f o ' O '

L O f N ' ^ r O ' — '— '— c n r ^ L o o r ^ i —

oo co cn s i 'sr cn o ro I—' o '

lo

m LD r r . u i CO. rn co. fN ro. ro. sp ld ro ' ro' ro' 0~ s f fN o ' ro' O P^' O) O O o '

t P N i n P O P O i s f r o

P-.. N- fN -sf. ro. ro. cn fN fN fN o ' PP~ PN

8

8 z

o si- fN ld i— s f Sf PP. 00. ro_ ld' I—' lo'

1—‘ o '

s i i— P N P N c n o c n r o -sr oo cn o . N-. lo. o . o PP~ s f' o ' sfr' PN

ld' lo' o '

LorNro'sfooocnLorN fN cnrN r— ■sj- LD. •SJ-. 00. 00. CD. 00. LD. . CD. en' p".' o '

o' o'

o'

o'

o'

>— ^ cn oo. cn. ■si e r ro ' sf

o ' lo'

o'

cd'

p^ p- p-» siro. lo. LD. ro. o ' ld' o '

pn'

cn' o '

O ro lo CD sf. o . 00. LO. LD. 00. PP. ro. i—. P->. CD. 00. O . P'-. CD. fN. o' ro oo' ro' o ' op' o ' LD PN o ' OO' PN~ PP~ Cn' lo' ro' ro' s t' pp 00 LD LD LO O O fN P M P N s tP P P N P L n i— PCD L D U ls tlD P M N L D C D

P ro 00 O . P» 00 PM 00 CD. CD. r—■_ O . LD. r—. P». LD. P'. O. r— LO. O. N". N" LD. 00. 00. pn' o ' o ' cd' o ' o ' o ' r>*~ pn' ■^-' oo' pn' ro' ro' oo' oo' pn' cd' p^~ o ' p>-' ld' ro' p*»' p >' <— > — r O C O r O P N L O ro C n C n C D C D L D L O L O L O L D 'S tC D C D L D C D fN L D C n C D cd'

CD CD CD CD E •3

s

TD

O

ro

CD CD CD CD CD CD cn CD g § s P^ ob ob pp ro o

CD CD CD CD CD O O o O cn CD cn CD CD 9 o o O ó g Sj- p[j PP pp sj- g s!f

lÓ pp

o

pp

O

O O g

O O g

O O

O O

o o o o pp S O s s PP LO LD LD CD ró ró s!r o pp cn PM pp § pp pp O O O PP PP O g

O o ó pp

ro O) £ro _gi £ w

i

:£ ^

5

e

uj

^ e

co - ^ o ) -O 7~ tr, CU O ‘+-J —

r (U (XJ o — 8 ^

O p

2 ^ O 1/1 Q _ 4->

^ o_ > q5Q -« +-^ 8. 9- ^ un n 8o a ^j E
"O QJ 3E *> Q o CL E q

cu o 4-» > q m —• o “ 2 -*-> 2 xj c -Q o E o —cl

N E § S ro §-

S oi -g ^

o

$ o M Q_

m ró

o O

O)

i/l a>

CD > ~aj O Q. >3 E o o o LU u

o

CL

00 E (U o E o c ZJ Z3 CL O) CL ai bZ O aj E c CU

ro

O O O fN O pp "ai cb CEU ~ö ■a CU o _q a l CD

P r a k t ijk 1

NDCEA4512N/9U21 |e|19* 2001 ai*?c«»rt

WHO*«532MM92) |c) 19SC-20OI

Rang. 1 520

H0KXA4592MN92) |cl 19962001

E1B«a- 052

MOICEA4632MN22I (c|19*200t

EIBeie- 052

MOÖA4692MM92) lc) 19962001
ter*« t* B- *«• s— t ü'm* e« i»

t fla W Dn ¥•* Su™w» 5'«4> Pw ÜI*oni 't/nïm H*

aai. «ttHMT.B i£ Hflf ,(EM.JSL-BB1 L J l.

,<=h,\ m m eËiMJL

Berekend v s gemeten

160

160

4 120

9 120

1 100

I 100

‘Jö’

& 80 •o

O) i 80 "D

|

60

® 60

& 40

m 40

O)

20

«

r

140

140

e

» **


■

■ ■■

s

\v -.

0.

" 60 80 100 G e m eten [kg N/ha] ->

■ 0-30 cm MOICU4512MM92) |c| 19*2001
■ «• _

20

120

140

160

0

20

■ 0-30 cm |c|19*-2U01 ihMiaWJcunr«.

60 80 100 G e m eten [kg N/ha] ->

120

Range 1 520

£'#«.- 952

Rang« 1 520

ETBaie- 052

P r a k t ijk 2

MOOA4U2WN32I (c| 199(2001

P r * ' 520

Clan- 070

P r * I 520

ETBan- 070

NOICEA4H2IW1N121 lel 19902001

Pan* 1 520

EHan- 070

IIOOA4S32IW1N32I (cl 19962001 KabeWïox.m

Rrga 1 520

E n « - 070

NDICtA* 532MN32I |c| 1936-2001

T ijd (w ee k s in d s 1-1-1997)

— Uitspoeling

Meterik

NDKXA
Rmg. 1-520

£18»- 036

NDICCA4532MN321 (c| 13862001
Range 1 520

NmUA<512IWW32| lc|l**JUT

Hang. 1KJJ

ET8«- 050

CO»- O»

Kooyenburg

NOCE*4M2 MN») Ici 19* 2001 .

,

g

k

UU2MNB) |c| 133S-2C01 ihaMiOcuarfc

T

«

l

u

b

R

a

q

c

1 MO ITla f- 061

P r a k t ijk 3

£ rie £<* Qwi tfe* SunMy

m MI&i

E»r. Qpbon* Wm*— t]

.s.a aaagUETwir» aag m. ei m Berekend v s gemeten

200

j._

j£l.g


200 180

180

160

160

«■14°

«*140

z 120

z 120

£.100

£.100

oi

o

■a

»1

£

.

80

" • B ,f ■c

■" # 50

100 G e m eten [kg N/ha] ->

150

100

200

G e m eten [kg N/ha] ->

i 0-30 cm NDKZA4M2MN37I tel 199C-2001

H512N/WJ2I |c|lWMUT chaMKïcuare

200

P r a k t ijk 4

NDICtA4S32MN»! |c| 199(2001
T ijd (w ee k s in d s 1-1-1997) — U itsp o e lin g NOICCA4532MN321 |c] 19W-2001 <

N0tCCA<512r«'tO2) |c| 199(2001

F«rg» 1 520

C U «- OS)

W estm aas

— U itsp o e lin g NDICZAIS3;N»1NU) |c|I1*-200I

R*t9« I HO

ll_IJ_____

E'fl«* - 028

IfcEl" t* B- *■» s ™ , Q'«* E»< 3p«~ tf"*- U*t> e>m \> » M O


200

MÏ01*. si

m am

?

Berekend vs gemeten

200 180

180

160

160

«■140

«•140 £ z 120

£

z 120

O) £.100

aioo

■o S 80

■O £ 80 £

60

GO

°

40

I 60 40

■ ■ ■

20

20 100 G e m eten [kg N/ha] -> ■ 0-30 c m NOICEA4532NRN32) |c]19*-MJl

150

°< ■ 0-30 cm Nom*«sj2r*»ra I1W-2UT 'Mt«l«cucirt>

■

" ■ ■

■

X ■ ■ 50

100 G em eten [kg N/ha] ->

200

150

R*ng. 1 ijl

De Noord

NOCEA4532f*».32l |c|1996-2001

P»xj. I- H

ETlax - 061

N0ICEA4U2MKH! |c| 19962001

-*

F««. 1 HO

i'.h i m i iwn'uiiwBiifwinBiiiiMwrrniiii.v.'111.1:1'T—r - —■ r-

.

E li« .- 056

«jfjüi

l £ El« E<* B » # • » & » *» T & *•> E ** 2p*°™ 't{r*m U *

« J tf J * l

aai m & m m rr — gm a m m ii _____________________

M.Ll» I502NVMI2I (c|I6962Q01
i£_ L^.Q w >yv*‘m jtn eryQ r«h0TT»Q fW u‘tfnkmÜ «A > agi a n n U f t w i am» « ie

NOKIA4532fWIH321 KI 10062001

NOICEA4532MN321 K

Hang« 1520

a

b b i

t

('•«•- 056

Boom teelt Horst

^ a u a B u m a iiii m u m ai bmm_.i i M in e ra le S t ik s t o f

— Sim . (0-30 cm ) ° Meting (0-30 cm ) — Sim . (30-80 cm ) * Meting (30-80 cm n«xi> 1 520

MOCEA4S32IWW32) |c] 19962001 Hubmecucutt

E li« - 079

NDKMI5J2MN« 1019962001 OuMKtfcuar»

amttte

« « K if t y t K ir »


100

«•»»• 1 52U

U t« - 059

WÄJJSJI -i»l-« al b b b

? _

Berekend vs gemeten

100 90

90

80

'i

I r 70

« 70

! 60 Ä 50 ■o g 40

l 50 3

j 40

I 30

! 30

1 20

"

20

10

10

o,

00

20 0-30 cm

NDIQA4512MN32| |cl 1986-2001

40 60 G e m eten [kg N/ha] ->

0

20 0-30 cm

40 60 G em eten [kg N/ha] ->

100

Stikstof en organische stof

Recommend Documents