• No results found

Grote verschillen in vers-graskwaliteit binnen bedrijven

N/A
N/A
Protected

Academic year: 2021

Share "Grote verschillen in vers-graskwaliteit binnen bedrijven"

Copied!
3
0
0

Bezig met laden.... (Bekijk nu de volledige tekst)

Hele tekst

(1)

● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● 20 Praktijkonderzoek 97-2

Figuur 1 laat de gemiddelde gehaltes zien aan VEM, ruw eiwit, fosfor (P) en kalium (K) van ruim 3000 vers-grasmonsters uit 1994 en 1995, onderzocht door BLGG Oosterbeek. Het ver-loop in het groeiseizoen was voor beide jaren vrijwel gelijk. Het weerpatroon van beide jaren

was ook vergelijkbaar.

De VEM, ruw-eiwit- en P-gehaltes daalden naar-mate het groeiseizoen vorderde. In de droge zomermaanden werd de opname van mineralen door gras beperkt, waardoor vooral het P-gehal-te lager was. De stikstofopname was nog ruim,

Grote verschillen in vers-graskwaliteit

binnen bedrijven

Ina Pinxterhuis, Geert André (PR) en Martin Vervoorn (BLGG Oosterbeek) Uit twee jaar vers-grasonderzoek bleek dat de gemiddelde VEM tussen 1050 in het voorjaar en 950 VEM/kg droge stof in de zomer lag. Het eiwitgehalte was hoog. Het gemiddelde fosforgehalte was alleen in de droge juli- en augustusmaanden iets beneden het optimale gehalte. Kalium was ruim boven de behoefte van melkvee. Er waren verschillen in voederwaarde en mineralengehaltes tussen bedrijven, zodat bedrijven verschillende hoeveelheden krachtvoer moesten bijvoeren. De voederwaarde en mineralengehaltes binnen de bedrijven varieerden sterk, ook na correctie voor het verloop in het groeiseizoen. Op de bedrijven zijn dus grote verschillen tussen de sneden of percelen. Verbetering van de afstemming van bemesting op de bodemvruchtbaarheid kan leiden tot gelijkmatiger voederwaarde en mineralengehaltes binnen het bedrijf.

Figuur 1 Gemiddelde samenstelling vers gras in 1994/1995 en normen uit het Handboek Rundveehouderij

. apr mei juni juli aug sept okt

950 975 1000 1025 1050 1075 400 kg N/ha/jr 1) 300 kg N/ha/jr VEM (kg droge stof)

. apr mei juni juli aug sept okt 200 220 240 260 280 300

Ruw eiwit (g/kg droge stof)

400 kg N/ha/jr 1) 300 kg N/ha/jr

. apr mei juni juli aug sept okt

30 35 40 45 50 P (g/kg droge stof)

. apr mei juni juli aug sept okt 30

35 40 45

K (g/kg droge stof)

Het groene verticale balkje geeft weer in welk traject het werkelijke gemiddelde voor Nederland lag (met 95% zekerheid), gebaseerd op de door het BLGG zijn genomen monsters.

(2)

21

● ● ● ● ● ● ● ● ● ● ● ● ●

Praktijkonderzoek 97-2

want het ruw-eiwitgehalte daalde niet. In beide jaren viel in september veel regen, zodat de mineralengehaltes, ruw eiwit en dus ook de VEM, weer stegen. In de figuur staan de normen voor VEM en ruw-eiwitgehalte uit het Handboek voor de Rundveehouderij (1993). De VEM van 1994/1995 lag iets hoger, wat samenging met een hoger eiwitgehalte. De stijging in het najaar is niet iets dat volgens het Handboek in een ”gemiddeld” jaar voorkomt.

Bijsturing voeding in de zomer

De seizoensverschillen in voederwaarde en mineralengehaltes waren duidelijk. Door hier-mee rekening te houden kan ook in de zomer de behoefte en verstrekking van krachtvoer beter op elkaar worden afgestemd. Een alge-meen probleem hierbij is dat de grasopname van het vee niet wordt gemeten. In het Koe-model (basis van veel programma’s voor rant-soenberekeningen), wordt met dier- en bedrijfs-gegevens (o.a. leeftijd, lactatiestadium, bewei-dingssysteem) een schatting van de opname gemaakt. Het Koemodel gaat er van uit dat bij een lagere VEM de opname ook lager is. In dat geval moet in de zomer meer krachtvoer bijge-voerd worden dan in het voorjaar. In het najaar nam de VEM weer toe, maar de krachtvoergift kan dan niet altijd naar beneden omdat andere factoren gaan meespelen (bijv. bosvorming en roest die de smakelijkheid van het gras aantas-ten).

De variatie in het groeiseizoen van het P-gehal-te was groP-gehal-ter dan de variatie van de VEM. Het verschil tussen het voor- en najaar en de zomer was ongeveer één g/kg droge stof, of ruim 20%. Bijvoeding met P-houdende producten in de

zomer is misschien nodig, afhankelijk van de behoefte (lactatiestadium, leeftijd) van het vee. Een koe kan een tijdelijk P-tekort opvangen met reserves in de botten, maar dit vermogen wordt minder naarmate de koe ouder wordt en naar-mate de koe in het verleden voer met hogere P-gehaltes heeft gehad.

Kalium en kopziekte

Opvallend was het K-gehalte van vers gras in het voorjaar. Voor kuilgras (zie Praktijkonder-zoek 1996-5) vertoonde het K-gehalte hetzelfde verloop als het P-gehalte: in voor- en najaar waren de gehaltes hoger. Voor vers gras was dat voor P ook het geval, maar het K-gehalte lag in het voorjaar lager. Blijkbaar wordt er goed reke-ning mee gehouden dat weidegras in het voor-jaar te hoge K-gehaltes kan hebben waardoor de kans op kopziekte groter is. Zo wordt bijvoor-beeld minder drijfmest uitgereden op de perce-len die eerst beweid worden.

Een analyse van het kopziektegevaar, waarbij rekening wordt gehouden met de gehaltes aan ruw eiwit, K en magnesium (Mg), liet echter zien dat het Mg-gehalte lang niet altijd voldoen-de was (figuur 2). In april had ruim 70% van voldoen-de vers-grasmonsters onvoldoende Mg, in mei was dit nog steeds ruim 60%. Behalve het K-gehalte speelt het (hoge) eiwitgehalte dus ook duidelijk een rol. Er wordt in de praktijk dan ook vaak beperkt beweid in deze maanden, en er worden andere producten bijgevoerd. Zo komt het niet tot echte diergezondheidsproblemen.

Ook in het najaar moet er rekening worden gehouden met tekorten aan Mg.

Verschillen tussen monsters

Een analyse liet zien dat een deel van de ver-schillen tussen alle vers-grasmonsters werd bepaald door het gemiddelde verloop in het groeiseizoen, zoals in figuur 1 is weergegeven. Maar ook als er met dit verloop rekening werd gehouden, bleef er nog veel variatie over. Er is gekeken waar deze verschillen door werden veroorzaakt. Voor de VEM en het P-gehalte is de verdeling van de variatie weergegeven in tabel 1. Een deel werd verklaard door verschillen tus-sen de twee jaren, door provinciale en regionale verschillen en verschillen tussen bedrijven. De deelnemers waren door het hele land verspreid en binnen de provincies weer onderverdeeld in regio’s, die werden bepaald door de eerste twee cijfers van de postcode. Provincies en regio’s verschillen door bijvoorbeeld andere weersom-Figuur 2 Het percentage vers-grasmonsters

met een lager dan gewenst magnesiumgehalte

apr mei juni juli aug sep okt 0 10 20 30 40 50 60 70 80 90 1994 1995

(3)

22

● ● ● ● ● ● ● ● ● ● ● ● ●

Praktijkonderzoek 97-2

standigheden, grondsoorten of historisch/locaal bepaalde bedrijfsstructuren (zoals verkaveling of bedrijfsintensiteit). Bedrijven verschillen in bij-voorbeeld bedrijfsintensiteit, graslandgebruik en bemestingsregime. De deelnemende bedrijven moesten dus duidelijk verschillende hoeveelhe-den krachtvoer bijvoeren.

Grootste deel van de variatie binnen het bedrijf Het grootste deel van de variatie werd binnen de bedrijven gevonden. Dit zijn verschillen in snedezwaarte of verschillen tussen percelen, bij-voorbeeld in bodemvruchtbaarheid en bemes-ting. Eerdere analyses van grondonderzoekresul-taten hebben al aangetoond dat er grote ver-schillen in mineralengehaltes in de grond optre-den binnen bedrijven (zie Praktijkonderzoek 1996-2 voor het P-AL-getal en Praktijkonder-zoek 1996-4 voor het K-getal). De betrouwbaar-heid van de monstername speelt ook mee. Twee plukmonsters die tegelijkertijd op hetzelfde per-ceel worden genomen zullen enigszins verschil-lende onderzoeksresultaten opleveren.

Door een beter afgestemde bemesting moet een meer evenwichtige voederwaarde en

mineralen-gehaltes mogelijk zijn. Enkele MDM-bedrijven (deelnemers aan het project Management op Duurzame Melkveebedrijven) gebruiken het vers-grasonderzoek al om de bemesting op af te stemmen. Doordat een beter beeld ontstond van de mineralentoestand op het bedrijf, waren besparingen op bemesting mogelijk.

Een koppeling tussen vers-grasonderzoek en grondonderzoek zou ook behulpzaam zijn. Echter, evaluatie achteraf is nu nog moeilijk, omdat tot nu toe niet veel aandacht wordt besteed aan eenduidige perceelsnamen. Op individuele basis (per bedrijf) is koppeling haal-baar, maar met grotere gegevensbestanden is het nu niet mogelijk. Toch zouden dit soort gege-vens en analyses zeer nuttig zijn, om een duide-lijker beeld te krijgen van de relaties tussen grond en gewas in de praktijk. Dit kan gebruikt worden om bemestingsadviezen verder te ver-beteren.

Conclusies

•Er was een duidelijk verloop in voederwaarde en mineralensamenstelling in het groeiseizoen

•Er kwamen grote verschillen voor binnen de bedrijven

•Met een betere afstemming van de bemesting zijn besparingen mogelijk en moet een even-wichtigere voederwaarde en mineralensamen-stelling binnen het bedrijf mogelijk zijn. Tabel 1 De verdeling van de variatie in

VEM en P-gehalte in procenten, na correctie voor het verloop in het groeiseizoen

Verschillen VEM P-gehalte

tussen jaren 5 11 tussen provincies 9 4 tussen regio’s 4 5 tussen bedrijven 14 14 binnen bedrijven 68 67 De kwaliteit van vers gras ver-schilt veel tus-sen de percelen; door een beter afgestemde be-mesting moet een meer even-wichtige kwali-teit mogelijk zijn.

Referenties

GERELATEERDE DOCUMENTEN

Zoals in Tabel 1 te zien is de uitkomst van de analyse niet-significant met een p-waarde van 0,86; ook de hoofdvariabelen familie (0,517) en busyness

Regionale postvervoerders zijn buiten de eigen regio afhankelijk van het netwerk van PostNL voor landelijke bezorging de volgende dag.. Wat houdt het

Er werd ook gesproken over de rol van veredeling, in veel gewassen die nu geteeld worden zijn de inhoudsstoffen weg veredeld, maar wellicht is uit oude literatuur nog wel informatie

ii) Data analysis will also be done qualititatively, through the use of discourse analysis to answer the remaining research questions, namely: © How ethical is the

These assays include the modified comet assay (to measure to capacity of cells for base- and nucleotide excision repair), relative quantification of gene expression (to

Deze is bovendien, bij aanhouden van een gelijke afstand voor de veld- kavels (i.e. 1600 m ) , mede bepalend voor de gemiddelde afstand voor het bedrijf als geheel.Door

toevoegen of verwijderen. De computer vraagt de gebruiker het minimum percentage op te ge- ven dat de huisbedrijfskavel van de bedrij fsoppervlakte moet in- nemen. - De gebruiker

From the spectral fitting, shown for the full spectrum in Figure 2.10, a good fit was obtained to the observed spectrum (in black), where a good overall fit (over-plotted in red)