tand van zaken praktijktoets Grasgroeivoorspelling

Nieuws

Stand van zaken praktijktoets Grasgroeivoorspelling

Gepubliceerd op
11 juli 2019

Binnen de projecten Amazing Grazing en Disac / N-sensing is een methode ontwikkeld om de dagelijkse grasgroei te voorspellen. Dit is een volledig nieuwe techniek, die alleen nog maar toegepast is op proefbedrijven. In dit groeiseizoen is de methode verder geautomatiseerd en is het streven het prototype werkende te krijgen op praktijkbedrijven die beweiding toepassen.

In deze praktijktoets werken onderzoekers samen met melkveehouders, toeleveranciers, partners en bedrijfsadviseurs om te kijken in hoeverre deze methode voor grasgroeivoorspelling ook bij melkveebedrijven in de praktijk is te gebruiken. Daarvoor zijn afgelopen maanden op vijf praktijkbedrijven en melkveeproefbedrijf De Marke van drie percelen graslandgebruik, grasgroei en ruw eiwit bepaald. Op 5 juli organiseerde Amazing Grazing een meekijkmiddag, waarop de resultaten van de praktijktoets zijn gepresenteerd.

Automatisering grasgroeivoorspelling

De dagelijkse grasgroeivoorspelling geeft inzicht in het grasaanbod voor de komende 5 - 7 dagen uitgedrukt in droge-stofopbrengst, ruw eiwit gehalte van vers gras en grasgroei per dag. Om dit te kunnen voorspellen moeten een aantal gegevens aan elkaar worden gekoppeld die onderling ook weer afhankelijk zijn, zie bijgevoegde figuur.

afebeeldinggrasopname.png

Knelpunten die tot nu toe in 2019 geconstateerd zijn, is dat het systeem op drie proefbedrijven met tijdelijke model- en data koppelingen robuust genoeg bleek, maar dat in de volledig nieuw geprogrammeerde webapplicatie alle in de figuur getoonde afhankelijkheden nog onvoldoende stabiel en robuust zijn. Daar wordt nu aan gewerkt. Ondertussen worden wel groeivoorspellingen (droge stof en ruw eiwit) op een minder geautomatiseerde manier uitgerekend en met metingen vergeleken om het perspectief van deze methode te kunnen schetsen.

Perspectief

De deelnemende bedrijven hebben zelf nog niet met de applicatie kunnen werken, maar zien perspectief voor het toepassen hiervan. Ze verwachten beter het ruw eiwitgehalte te kunnen inschatten om het optimale moment van maaien te bepalen en te kunnen stoppen met tijdrovende grashoogtemetingen voor het bepalen van het actuele grasaanbod.