Thema: Automatisering in weide- en voederbouw

Transcriptie

1 Verslag 169 e NVWV bijeenkomst 9 november 2016 te Reusel Thema: Automatisering in weide- en voederbouw Dagvoorzitter Stijn Bossin (Innovatiesteunpunt van de Boerenbond Vlaanderen) opende de dag met een toelichting op het Innovatiesteunpunt in Vlaanderen. Het Innovatiesteunpunt ondersteunt landbouwers om nieuwe ideeën te realiseren. Daarnaast organiseert het workshops en inspiratietours om nieuwe ideeën te verzamelen en levert ze begeleiding op maat voor ondernemers. Voorbeelden hiervan zijn: nevenstromen benutten, samenwerking tussen veehouders en begeleiding in het ontwikkelen van ondernemersvaardigheden. Het innovatiesteunpunt heeft een kenniscentrum om innovaties te realiseren. Voor meer informatie zie: Stijn is daarnaast betrokken bij het EuroDairy project. Dit project is een Europees thematisch voor melkveehouders in Europa. Er zijn 30 Operational Groups met in totaal 130 Pilot farms naast andere deelnemende melkveebedrijven. De bedoeling is om innovaties te detecteren in Europese landen en deze door te geven naar de andere groepen en individuele ondernemers. De netwerk wordt toegespitst op vier thema s: socio-economische weerbaarheid, dierenwelzijn, biodiversiteit en resource efficiency. Uit een recente enquête in het kader van het eerste thema is gebleken dat de melkveehouders zelf aangaven dat het vinden van de juiste balans tussen werk en vrije tijd de belangrijkste bedreiging is voor het gezinsbedrijf. Omdat automatisering kan bijdragen aan het vinden van een oplossing voor dit probleem, is het thema van deze themadag uiterst relevant.

2 De eerste spreker was Corné Kempenaar met een presentatie over precisielandbouw en bemesting. Corné is lector bij Aeres hogeschool Dronten en werkzaam bij Wageningen Plant Research. Volgens Kempenaar is precisielandbouw een bedrijfsmanagementvorm waarbij planten en dieren heel nauwkeurig die behandeling krijgen die ze nodig hebben, optimaal naar ruimte en tijd, binnen economische en maatschappelijke randvoorwaarden. Het gaat hierbij om detectie, beslissen en uitvoeren van nieuwe technieken. De samenwerking tussen techniek en biologie is hierbij leidend. Ook de schaal speelt hierbij mee. Van grote oppervlaktes naar plant / dier specifiek. Via kun je informatiefilmpjes vinden over precisielandbouw. Parallel aan de technologische vooruitgang, kan men volgens Corné de precisielandbouw opdelen in drie versies: precisielandbouw 1.0, 2.0 en 3.0. Precisielandbouw 1.0 zoals dit sinds 2010 bedreven wordt omhelst controlled traffic farming oftewel het gebruik van GPS s op de trekker. Voorbeelden zijn ploegen en zaaien met behulp van GPS. Bij precisielandbouw 2.0 staat het gebruik van sensoren centraal die de variatie in bodem of gewas meten. Op basis van deze gegevens gaat men delen van een perceel specifiek behandelen of naar de behoefte bemesten. Ook wordt er onderzoek gedaan naar nieuw sensoren en toepassingen rondom specifieke gewasbescherming en ziekteherkenning. Een systeem dat in de praktijk al gebruikt wordt is het satellietdataportaal.nl waarbij percelen in kaart gebracht worden op basis van bijvoorbeeld biomassa of bodemparameters. Hierbij zijn verschillende toepassingen ontwikkeld, zoals het maken van een doseerkaart voor gewasbescherming die doorgestuurd kan worden naar de spuitmachine zodat deze weet waar en welke dosering gegeven moet worden binnen een perceel. Zo kan fors bespaard worden op het gebruik van gewasbeschermingsmiddelen of meststoffen. De informatie voor het maken van de taakof doseerkaarten kan ook van een drone komen die uitgerust is met sensoren. Precisielandbouw 3.0 gaat in de toekomst veel meer in op het ontwikkelen van nieuwe sensoren gericht op kwaliteit, plantstress, ziekten en inhoudsstoffen. Hierbij wordt het gebruik van big data een belangrijk item. De ervaring van Corné situeert zich voornamelijk binnen de akkerbouw, maar de principes zijn volgens hem evengoed toepasbaar in de voederwinning. Zo is er bijvoorbeeld de RUUD: een machine die d.m.v. sensoren zuring in grasland kan identificeren en deze planten uit de zode boort. Een vraag n.a.v. het gebruik van de sensoren voor variabele bemesting van gewassen op basis van sensoren die de plantenbiomassa meten was: Hoe kan de sensor weten of de oorzaak van een slechte plantengroei ligt aan een tekort aan bemesting? Het zou ook kunnen dat deze planten slecht groeien door structuurschade, en dat los je niet op door extra te gaan bemesten Corné gaf aan dat van de huidige sensoren dit onderscheid nog niet kunnen maken. Kennis van de boer over de historie van et perceel blijft nodig. Grondmonsters spelen een grote rol hierbij. De volgende spreker was melkveehouder Frank Mijs van melkveebedrijf Mijs-Craens. Frank gaf een algemene inleiding over het bedrijf dat hij met zijn moeder Toos Mijs uitbaat en gaf toelichting over wat zij doen met automatisering en precisielandbouw op hun bedrijf. Na de toelichting volgde een bedrijfsbezoek met verdere verdieping op het onderwerp automatisering. Op het bedrijf worden 120 koeien gemolken met een gemiddelde productie van ca liter per koe per jaar. Het bedrijf 2

3 heeft 27 ha huiskavel waarvan ruwweg de helft begraasd wordt door de melkkoeien. Er wordt niet gestreefd naar een maximale grasopname, maar wel naar een zo constant mogelijke grasopname door gebruik te maken van strip grazen. De koeien worden gemolken met 2 melkrobots. Deze robots dateren van 2010 en 2014; de meest recente robot is uitgerust met een celgetalmeting die ca metingen per jaar oplevert. Deze metingen worden gebruikt om het droogzetbeleid en de fokkerij bij te sturen. Een fokdoel op het bedrijf is het opdrijven van de melksnelheid, zonder daarbij het celgetal te laten stijgen. Toos gaf aan dat het robotmelken niet zozeer tot een arbeidsbesparing leidt, maar dat deze wel een veel betere combinatie van werk en gezin toelaat. Door verstandig gebruik te maken van een automatische beweidingspoort slagen ze er in robotmelken en beweiding goed te combineren. In samenwerking met het nabij gelegen bedrijf Van Den Borne aardappelen experimenteren Frank en Toos ook met het gebruik van precisielandbouw op de akkers en bij de ruwvoederproductie. Zo werd de bodem van een deel van de akkers gescand met een sensor die een idee geeft over het organische stofgehalte van de bodem. Deze informatie wordt gebruikt om gericht compost toe te dienen. Mijs werkte vorig jaar mee met BLGG in een praktijkproef om het gebruik van gewassensoren bij de uitbating van grasland te testen. Er werd nagegaan of het gewenste tijdstip van maaien bepaald kan worden en of er gericht bemest kan worden. Een moeilijkheid hierbij bleek om graslandopbrengst aan een bodemkaarten te linken omdat bij het maaien, schudden en harken van gras wordt nogal wat gras verplaatst over grote afstanden (tot zelfs 25 m). Toekomst visie Mijs: Binnen het bedrijf wil hij zoeken naar meer biodiversiteit. Dit is niet gemakkelijk voor precisielandbouw. Het is volgens hem wel nodig voor het verbeteren van de kwaliteit van de grond. Hierbij blijft hij bemesten met compost en wordt er verder ingezet op precisiebemesting met gebruik van NIRS sensoren. 3

4 De eerste spreker na de lunch was Idse Hoving van Wageningen Livestock Research die uitleg gaf over het onderzoek naar grasgroei en grasvoorspelling. Veel van dit onderzoek is uitgevoerd binnen twee publiek/private samenwerkingsprojecten (pps en): Pps amazing grazing Pps precisielandbouw Binnen het onderzoek wordt op drie locaties (Dairy campus, Vredepeel en Zegveld) grasgroei gemeten in een maaiproef en simultaan worden waarnemingen gedaan met sensoren. Daarbij wordt 5x gemaaid op 4 tijdstippen per snede. Binnen de proef wordt gewerkt met 3 stikstoftrappen. De waarnemingen die gedaan worden zijn gericht op de maaiopbrengsten. Vervolgens wordt de maaiopbrengst vergeleken met de opbrengst volgens sensoren met als doel groeivoorspelling door sensoren te ondersteunen. Vanuit het project is ook een tool ontwikkeld om grasgroei te voorspellen. Het gaat hierbij om een grasgroeimodel waarbij factoren als bodemvocht en bodemtemperatuur, weersvooruitzichten en stikstofbemesting een rol spelen. Conclusie vanuit het project is dat er behoefte is aan kenmerken die direct inzicht geven in de kwaliteit van een meting. Hiervoor zijn ground truth (harde metingen) nodig die op de grond de metingen van de sensoren van bijv. een drone ondersteunen en aangeven of deze sensoren veehouders en onderzoekers ook van de juiste informatie voorzien. Voor de toekomst wil Idse verder kijken naar welke indexen het beste een verband met opbrengst laten zien. Drone beelden moeten aanvullend zijn op satellietbeelden en geïntegreerd worden met elkaar. App s op de smartphone bieden uitkomst. De techniek is er, vooral de kwaliteit en beschikbaarheid moeten verbeterd worden. De volgende spreker was Marcia Stienezen, eveneens van Wageningen Livestock Research. Ze gaf uitleg over automatisering, graslandbeheer en beweiding. Voorraadbeheer van vers gras is belangrijk om te kunnen sturen in het rantsoen en beweidingsmanagement. Eén van de nieuwe ontwikkelingen is de tool grip op gras. Deze tool helpt via wekelijkse grashoogtemetingen de droge stofopbrengst te modeleren voor een systeem van omweiden. Doel is om op termijn de grashoogtemeter te vervangen door metingen die met een drone gedaan worden. Grip op gras is beschikbaar op Marcia presenteerde ook sensoren die de grasopname door koeien kunnen meten. De graastijd wordt al gemeten via Smarttag Neck en de beweging wordt gemeten via IceQube. Er is een duidelijke relatie tussen de metingen van deze twee technieken en de grasopname van de koeien. Vervolg onderzoek en evaluatie van deze metingen zijn nodig om betrouwbare resultaten te krijgen. Een laatste ontwikkeling is het virtual fencing: het afrasteren van een perceel zonder dat er een fysieke barrière is. De dieren hebben een halsband aan met een sensor. Als de dieren te dicht bij de virtuele draad komen, start een geluid. Als ze op de lijn komen, krijgen ze een elektrische schok. Op basis van GPS coördinaten worden de grenzen bepaald. Marcia s belangrijkste boodschap is dat automatisering ons als hulpmiddel veel te bieden heeft. Wat blijft staan is: Vakmanschap is meesterschap ook binnen beweiding. 4

5 De volgende spreker was Gerard Abbink van Groeikracht b.v. Die legde ons uit hoe hij data over maïsopbrengsten van percelen naar praktijkadviezen vertaalt. Doel is kwaliteit en kwantiteit van ruwvoeropbrengsten te verhogen via datameting bij loonwerkers. Door de snijmaisopbrengst te meten en te vergelijken met die van omringende boeren, kan de landbouwer volgens Gerard heel veel leren. Het belangrijkste volgens Abbink is om op basis van de productie en resultaten in gesprek te gaan met de boeren en te kijken waar verbeterpunten kunnen liggen. Belangrijk is niet hoeveel mest er in totaal op de grond mag, maar het gaat er om hoeveel mest er beschikbaar is op het moment dat het gewas het nodig heeft. Hierbij moet de basis beter worden. Dit begint bij een ph van minimaal 5.5 en vervolgens de organische stof in de bodem. Gerard noemt zijn aanpak geen precisielandbouw, maar wel een preciezere landbouw. Van links naar rechts: Gerard Abbink, Alfred Scholten, Frank Mijs, Wilke Rijks en Marcia Stienezen tijdens de plenaire slotdiscussie Wilke Rijks van Lely Nederland presenteerde de totaalaanpak van gras tot glas die de firma Lely aanbiedt. Lely is een bedrijf dat ten dienste van de veehouder wil werken aan een betere voedervoorziening, voerwinning en melkproductie door de koe. Van gras tot glas gaat dan ook over het totale pakket aan producten beginnend van machines voor maaien, schudden, harken en inkuilen tot aan een automatisch voersysteem, voer aanschuiven en automatisch melken van de koeien. Al deze producten leveren data die gebruikt worden om het management te verbeteren. Denk aan herkauwactiviteit, robotbezoek, voeropname, gewicht van het dier, kg melk en melkkwaliteit. De data wordt omgezet door rekenprogramma s en software in rapporten met streefwaarden die een veehouder kan gebruiken. Bij attenties kan de veehouder direct ingrijpen. Nieuwe ontwikkelingen zijn het combineren van data in een praktische signalering waarbij de veehouder in één overzicht krijgt te zien wat een bepaald dier heeft. De veehouder kan hier direct op anticiperen. Vraag voor de toekomst blijft: Hoe worden data uit selectiepoorten en de grasland Voyager van Lely gebruikt bij het beweiden van koeien? De laatste spreker van de middag was Alfred Scholten, melkveehouder te Winterswijk. Hij werkt met automatisering op zijn bedrijf van kalf tot volwassen melkkoe. De boerderij staat in een coulisselandschap. Hierdoor is zijn bedrijf verdeel over veel kleine percelen, waardoor de loonwerkkosten hoger zijn. In 2000 waren er 70 stuks melkvee. In 2012 groeide het bedrijf naar 120 melkkoeien en in 2015 volgde uitbreiding naar 180 melkkoeien en 1.5 miljoen kg melk. Tegenwoordig zijn er 3 melkrobots, een voerrobot, en een kalverdrinkautomaat. In totaal door alle veranderingen 5

6 levert dit ongeveer 4 uur tijdsbesparing per dag op. Doelstelling voor 2016 is grondgebonden en zelfvoorzienend 1.5 miljoen kg melk produceren. Nieuwe ontwikkelingen vinden plaats door het zaaien van maïs in een ruit i.p.v. in de rij zoals gangbaar gedaan wordt. Dit zou leiden tot minder uitspoeling, een lagere onkruiddruk, eerder dichtgroeien van het gewas en een lager gewasbeschermingsmiddelengebruik. Automatisering leidt tot meer vrijheid en tijd voor je sociale leven en daardoor meer plezier in het werk en in een betere verdeling van de tijd. Een voorbeeld is de vector waarbij voor drie dagen voer kan worden klaar gezet. Kleine groepen voer kunnen gemakkelijker gevoerd worden ook als het maar om 100 kg voer gaat. Door het precieze voeren zijn voerefficiëntie en andere kengetallen makkelijk terug te rekenen. De hoge mate van automatisering leidt tot veel data. Deze data leveren de veehouder ook vragen op. Wat gaan we doen met de data? Kunnen de data ook geld opleveren, of moet ik ervoor betalen als anderen, zoals adviesdiensten, een app maken mede op basis van de data van de voorlopers? Volgens Alfred ligt de toekomst in sensoren. Bijvoorbeeld een sensor op de voergrijper om elke hap voer die in de voerbunker komt te bekijken en de samenstelling te analyseren. Daarnaast moet het bemesten nog gerichter. Nu doet Alfred dit nog zelf en weet hij welke stukken land meer of minder bemest moeten worden. Ook hierbij zouden sensoren uitkomst kunnen bieden. De powerpoint presentaties van de inleidingen zijn te vinden op de website van de NVWV ( 6