Orsaker till skillnader mellan rekommenderade kvävegivor och de verkliga eller beräknat optimala i praktisk spannmålsodling kan vi öka kväveeffektiviteten? HS Skaraborg rapport nr 5/9 Maria Stenberg, Mats Söderström, Ingemar Gruvaeus, Erika Bjurling, Kjell Gustafsson, Anna-Karin Krijger, Bo Stenberg och C.G. Pettersson 1
Orsaker till skillnader mellan rekommenderade kvävegivor och de verkliga eller beräknat optimala i praktisk spannmålsodling kan vi öka kväveeffektiviteten? Maria Stenberg 1,2, Mats Söderström 2, Ingemar Gruvaeus 3, Erika Bjurling 4, Kjell Gustafsson 5, Anna-Karin Krijger 1, Bo Stenberg 2 och C.G. Pettersson 6 1 Hushållningssällskapet Skaraborg, Box 124, 532 22 Skara, Maria.Stenberg@hush.se 2 SLU, Institutionen för mark och miljö, Box 234, 532 23 Skara, 3 HUSEC AB, Box 124, 532 22 Skara 4 Lantmännen Lantbruk, Division Spannmål, Box 95, 61 19 Norrköping 5 Lantmännen Lantbruk, Division Växtodling, Östra Hamnen, 531 87 Lidköping 6 Lantmännen Lantbruk, Division Spannmål, 745 84 Enköping 2
Förord I projektet ställdes frågan huruvida uppgifter om skördar och tillfört kväve i en befintlig databas kunde vara ett underlag för att ge ökad kunskap som kan leda till ett bättre kväveutnyttjande på fält- och gårdsnivå. Data från Lantmännens databas med uppgifter om höstvete, maltkorn och havre sammanställdes och analyserades. Dessutom sammanställdes i rapporten resultat från 9 fältförsök med kvävegödslingsstegar i höstvete utförda av de regionala försöksorganisationerna. Vi tackar Lantmännen och de regionala fältförsöksorganisationerna för god hjälp med alla data och hoppas att rapporten även kan vara ett verktyg i det fortsatta arbetet inom organisationerna. Oktober 29 Författarna 3
4
Innehållsförteckning Förord... 3 Innehållsförteckning... 5 Bakgrund... 7 Frågeställningar och mål... 9 Material och metoder... Skiftesinformation... Klimat och lerhalt... 12 Dataanalys... 15 Resultat och diskussion... 16 Skiften... 16 Höstvete... 17 Maltkorn... 27 Havre... 31 Fältförsök med kvävestegar i höstvete... 34 Sammanfattande diskussion... 37 Referenser... 38 Bilagor... 4 Bilaga 1 Rekommendationer kvävegödsling SJV... 4 Bilaga 2 Hektarskördar och normskördar höstvete 2-24... 41 Bilaga 3 Kvävenedfall... 42 Bilaga 4 Alla grödor... 43 Bilaga 5 Höstvete... 45 Bilaga 6 Maltkorn... 54 Bilaga 7 Havre... 56 5
6
Bakgrund Strävan efter att insatser i jordbruket utnyttjas i så hög grad som möjligt grundar sig både på produktionsekonomiskt tänkande och på att uppnå minimerad negativ belastning på omgivande miljö. Fokus sätts ofta på kvävet i jordbruket. Kväve är tillsammans med vatten de största begränsande faktorerna för växtproduktion på många platser i världen. Kväve tillförs växtodlingen genom mineralgödselmedel, stallgödsel, kvävefixerande grödor som vallbaljväxter, ärtor eller åkerböna och till en väsentlig del genom mineralisering av det organiskt bundna kvävet i marken. Kväve står för en stor del av utgifterna i en kalkyl för växtodlingen samtidigt som det svarar för en betydande del av jordbrukets belastning på omgivande miljö. Om kvävetillförseln är överoptimal, dåligt anpassad till platsgivna förutsättningar och sker vid fel tidpunkt ökar risken för kväveförluster genom utlakning och emissioner (Esala & Leppanen, 1998; Peterssen & Djurhuus, 24). Behovet av hög kväveeffektivitet i lantbruket är därför stort både produktionsekonomiskt och med hänsyn tagen till miljön. Tillgång på kväve, både mängd och rätt tidpunkt, är av stor betydelse för proteinhalten i spannmål (Gooding & Davies, 1997). För mycket kväve kan å andra sidan leda till liggsäd vilket i sin tur påverkar både avkastningen och spannmålskvaliteten. Genom att anpassa kvävegivan utifrån behov och ekonomiskt optimum blir även det ekonomiska utbytet av spannmålsgrödan optimalt. I en undersökning utförd av Engström & Gruvaeus (1998) studerades 16 ettåriga kväveförsök utförda av Hydro Agri AB mellan 198-1997. Undersökningen visade att den optimala kvävegivan påverkas främst av mineralkvävet på våren, även skördenivån och lerhalten hade betydelse för optimum. Andra faktorer som kan ha betydelse för kvävegödslingen kan vara mullhalt, sort, odlingshistoria och om gården har eller har haft djurproduktion. Jordbruksverket ger varje år ut riktlinjer för gödsling och kalkning (se t.ex. Albertsson, 28). Råden baseras på anpassning av ekonomiskt optimal gödsling och de skall också vara miljömässigt godtagbara. Råden anpassas till förväntad avkastning och odlingsförutsättning, som förfrukt och tillförsel av stallgödsel, samt priset på spannmål och insatsmedel. Rådgivarna har förutom detta flera verktyg att för lantbrukaren och miljön ge bästa möjliga råd, t.ex. Yara N-tester, växt- och jordanalys, N-sensor och simuleringsprogrammet STANK in MIND (www.sjv.se). Olika utbildningssatsningar för lantbrukare har genomförts. Nu genomförs "Greppa Näringen" i Götaland. Inom Greppa Näringen (www.greppa.nu) återkommer en eller flera rådgivare till lantbrukaren under flera år och följer upp de åtgärder som provas. Med hjälp av olika nyckeltal ska lantbrukaren få en bra uppfattning om hur olika åtgärder kan leda till ökat utnyttjande av gårdens resurser och därmed bidra till både sänkta kostnader, ökad lönsamhet och mindre förluster till den omgivande miljön. De stora variationer i olika egenskaper som finns inom ett fält gäller även kvävet. Mineraliseringen av kväve varierar stort. Wetterlind (28) visade att kväveskörden, dvs. kväveupptaget under växtsäsongen, i ogödslade ytor varierade mellan 2 och 134 kg ha -1 inom ett och samma fält ett enskilt år. Variationen i kvävedynamik är stor även mellan år. Ett sätt att hantera variationen är att styra gödslingen efter grödans kväveupptag med hjälp av mätning av grödans reflektans av ljus. Yara N-sensor är ett redskap som används frekvent för detta ändamål vid tilläggsgödsling. Variationen i våglängdsspektra som representerar biomassa och klorofyllhalt styr hur kvävegödseln fördelas inom fältet efter kalibrering mot kväveinnehåll 7
(Söderström et al., 24). Okända faktorer är fortfarande vädret efter gödsling, grödans potential att ta upp kvävet och hur mycket kväve som kommer att mineraliseras efter gödslingstillfället. Fortsatt utveckling av kunskap om hur kvävet mineraliseras från marken och vilka faktorer som styr kan förbättra detta verktyg ytterligare. Årligen utförs ett antal fältförsök i landet där olika strategier för kvävegödsling jämförs. Detta görs bl.a. genom kvävegödslingsstegar och fördelning av givor i tiden. Förutom att avkastningen mäts, provtas ofta grödor och jord och växten analyseras på innehåll av totalkväve i kärna (protein) och i jorden analyseras mineralkväve, dvs. lättlösligt, upptagbart kväve i form av nitrat och ammonium. Dessutom används så kallade N-rutor, små ytor i försöken utan tillförsel av kvävegödsel, för att bestämma hur mycket kväve som marken levererar till grödan under växtsäsongen. Dessa resultat utvärderas utifrån det enskilda årets förutsättningar som t.ex. väder. Resultaten från fältförsöken i Sverige finns samlade i en databas (Databas för fältförsök, SLU; www.ffe.slu.se). Försöksdata tillsammans med en studie av orsakerna bakom olika fälts nyckeltal är av stort värde för framtida inriktning på rådgivning för att uppnå högt utnyttjande av insatser och liten negativ miljöpåverkan. Genom att jämföra odlingsresultatet och gödslingen med den rekommenderade givan kan vi få indikationer på om vi idag misslyckas med att ta hänsyn till olika faktorer. Det kan till exempel gälla förfruktsverkan, jordart och stallgödselvärdering. Tabell 1. Arealviktat medelvärde för kväveeffektivitet (N-eff) beräknat som kvoten mellan bortfört och tillfört kväve, skörd och mineralgödsel. Sammanställningen gäller höstvete odlat i Syd- och Mellansverige enligt IP Lantbruk År Antal skiften N-eff (%) Skörd (kg ha -1 ) Mineralgödsel (N kg ha -1 ) 1998 465 69 6 84 167 1999 764 69 6 7 158 2 1 48 69 6 53 162 21 1 491 64 6 16 156 22 1 814 69 6 75 162 23 2 9 64 5 66 155 24 1 769 71 6 75 158 Mellan 1998-24 registrerades odlingsdokumentation i Lantmännens databas över IP-odlad spannmål. Lantmännens databas innehåller information från över 22 skiften registrerade mellan 1998-24. Varje höst redovisades skriftligt eller via webben mängd använda insatsmedel (gödsel eller pesticider) och skörd. Med odlingsdokumentationen som underlag har några miljönyckeltal beräknats och bearbetats för att ge framförallt lantbrukaren, men även de som vidareförädlar råvaran till foder eller livsmedel, en återkoppling på kväveeffektivitet som i sin tur ger ett mått på lantbruksföretagets resursanvändning och miljöpåverkan (Bendz, 21). Tabell 1 visar en sammanställning från Lantmännens databas på kväveeffektivitet, skörd och mineralgödsel för höstvete odlat i Syd- och Mellansverige enligt regler för IP Lantbruk. Modellen som används i beräkningen av miljönyckeltal på skiftesnivå har utvecklats av Lantmännen i samarbete med arbetsgruppen för miljönyckeltal och Mat21 (Bendz, 21; Gustafsson et al., 21). I en rapport från Odling i Balans har erfarenheter och referensvärden avseende miljönyckeltal sammanställts (Törner, 21). I sammanställningen beräknades referensvärden (tabell 2) för kväveeffektivitet utifrån fältdata från mer än 2 skiften. Effektiviteten var i detta material beräknat som utbytet av växtnäring i skörden (inklusive bortförsel av halm) i förhållande till insatsen (mineralgödsel, stallgödsel, 8
kvävefixering för baljväxter, atmosfäriskt nedfall och kväve i utsädet). Det nyckeltal som fastlagts i arbetsgruppen för miljönyckeltal inkluderar även förfruktseffekt, nettomineralisering från mull och efterverkan stallgödsel (Gustafsson et al., 21). Törner (21) skriver vidare att det föreligger stora skillnader mellan enskilda år och att växtnäringsutnyttjandet generellt är bättre på rena växtodlingsgårdar, framförallt om gården bedriver en omfattande spannmålsproduktion. Bendz (21) konstaterade att årsmånsvariationen ofta är större än eventuella effekter från insatta åtgärder för att öka kväveeffektiviteten. Tabell 2. Beräknade referensvärden för kväveeffektivitet (%) för olika grödor utifrån fältdata från Odling i Balans 16 pilotgårdar (från Törner, 21) Gröda Kväveeffektivitet, % Havre 5 6 Kvarnvete 6 7 Fodervete 65-8 Vårvete 5-7 Rågvete 6-8 Korn 5-7 Maltkorn 6-8 Råg 6-8 Frågeställningar och mål Målet med projektet var att visa på variationer och skillnader i verklig kvävegödsling och i beräknade optimala kvävegivor genom att sammanställa data från ett stort antal enskilda lantbrukarskiften åren 2-24 i en databas med lantbrukarskiften och data från fältförsök med kvävestegar i höstvete under åren 2-28 från de områden varifrån skiftesdata i databasen kom. Skiften och fältförsök från gårdar både med och utan djur är med i sammanställningen och hänsyn har tagits till antal djurenheter per hektar vid beräkning av totalt tillfört kväve. Utifrån sammanställda data belyser vi ett antal frågeställningar: Hur stor är variationen i verkliga och beräknat optimala kvävegivor mellan år, regioner och sorter? Kan vi identifiera faktorer viktiga för kväveoptimum? Kan vi identifiera orsaker till skillnaderna mellan verklig kvävegödselgiva och beräknat optimal kvävegiva? Kan vi i datamaterialet identifiera faktorer som gav ett lägre eller högre kväveutnyttjande? Fungerar uppskattad förväntad skörd som grund för riktgiva för kvävegödslingen? Kan krav på proteinhalt orsaka en överoptimal kvävegiva? Har vi tillräckliga verktyg idag som lantbrukaren kan använda för att anpassa sin kvävegödsling? 9
Material och metoder Skiftesinformation Tabell 3. Parametrar använda i analyserna i projektet för skiftesvisa observationer och till viss del för försöksdata Variabel Förklaring Variabel 1 Variabel 1 AR År NB415 NB85 LAN_NAMN Län TMED415 CROP Aktuell gröda T2_415 T2_85 SORT Sort för respektive spannmålsslag T25_415 T25_85 NEFF eller NUT Kväveutnyttjandet i % av tillförd mängd kväve enligt Bendz NB429 NB819 (21) GODN Mineralgödselgiva, kg N ha -1 TMED429 TMED819 BER_OVRN Övrigt tillfört N beräknat av posterna nedfall, N i utsäde, mullhalt, T2_429 T2_819 förfruktseffekt samt stallgödselmineralisering, kg N ha -1 DE_HAN Kvävemineralisering utifrån De ha -1 beräknad som De ha -1 * T25_429 T25_819 2 kg N ha -1 N_NEDFALL Kvävenedfall, kg N ha -1 (länsvis, bilaga 3; STANK 4.2; NB513 Jordbruksverket, 21a) FORFRUKT Förfrukt TMED513 FORFRUKT_N Förfruktsvärde, kg N ha -1 T2_513 MULLHALT Mullhalt, % T25_513 MULLN 3,75 N kg ha -1 per procentenhet över 4 % NB527 ORGN Stallgödsel, N kg ha -1 TMED527 PRO Proteinhalt, % T2_527 SKORD Avkastning, kg ha -1 T25_527 KARNN Kväveinnehåll i skörd, N kg ha -1 NB6 TILLFN Totalt tillfört kväve, N kg ha -1 TMED6 OPT_PROT För sorten optimal proteinhalt T2_6 A Optimal kvävegiva enligt SJVs rekommendationer med hänsyn T25_6 tagen till förfrukt och antal djurenheter per ha (kg N ha -1 ) (A2 i PCA-plottar) B Differens mellan aktuell lagd kvävegiva och optimal kvävegiva enligt SJV (A) (kg N ha -1 ) (B2 i PCA-plottar) NB624 C Optimal kvävegiva beräknad från aktuell kvävegiva plus/minus TMED624 differensen D. D Differens i kvävegiva (+/-) för att uppnå för sorten optimal T2_624 proteinhalt jämfört med uppnådd proteinhalt. Optimal proteinhalt för lika sorter har antagits utifrån försöksresultat. KRNN_TLFN KärnN/TillfN inkl. beräknat övrigt N T25_624 OVERSK_N Överskott av N kg ha -1 beräknat som tillfört minus bortfört NB78 OVRSKN_TON Överskott av N, kg ha -1, per ton avkastning TMED78 ARC_ID Nummer på 2x2 km väderruta T2_78 LERHALT Lerhalt T25_78 NB41 Ackumulerad nederbörd under en tvåveckorsperiod med start 1 NB722 april. TMED41 Luftmedeltemperatur under en tvåveckorsperiod med start 1 TMED722 april. T2_41 Antal dagar med luftmedeltemperatur över 2 C under en T2_722 tvåveckorsperiod med start 1 april. T25_41 Antal dagar med luftmedeltemperatur över 25 C under en tvåveckorsperiod med start 1 april. T25_722 1 Klimatvariabler beräknade enligt NB41, TMED41, T2_41 och T25_41.
I projektet användes data från 341 skiften med kontraktsodlat höstvete, maltkorn och grynhavre under åren 2-24 från en databas med Svenska Lantmännen som datavärd. Data bestod av ett antal parametrar (tabell 3) inrapporterade till databasen av respektive lantbrukare. I databasen har ett antal nyckeltal beräknats. Till databasen har lantbrukaren skiftesvis rapporterat in gröda, sort, avkastning, proteinhalt, tillfört mineralgödselmedel, skattad mullhalt, antal djurenheter per hektar, tillförd stallgödsel, utsädesmängd, förfrukt, areal och bortförda skörderester. Inrapporterade data var alltså lantbrukaruppgifter och var inte inhämtade från leveransuppgifter eller dylikt. Oftast var data lika från respektive lantbrukare och inte individuellt för respektive skifte. Tillfört kväve från utsädet beräknades i databasen enligt ((utsädesmängd *,86 * 11,5)/5,7)/ kg N ha -1. Markkväve tillgängligt för grödan beräknades i databasen från mullhalten enligt 3,75 kg N ha -1 per procentenhet över 4 %. Kvävemineralisering utifrån antal djurenheter (De) per ha beräknades som antal De ha -1 * 2 kg N ha -1. Förfruktsvärde beräknades i databasen enligt uppgifter i tabell 4. Tabell 4. Beräknade förfruktsvärden (N kg ha -1 ) i databasen Gröda Kväve Gröda Kväve Höstvete Stubbträda plöjning juli (22-24) 25 Råg Stubbträda plöjning augusti (22-24) 12 Rågvete Sockerbetor (2-21) 25 Höstkorn Sockerbetor nedbrukad blast 25 Vårvete Konservärtor 3 Havre Sockerbetor bortförd blast (22-24) Korn Fånggröda i stråsäd (klöver) 2 Våroljeväxter 15 Gröngödslingsvall 5 Höstoljeväxter 3 Klöver-gräsvall, 5 % klöver 3 Ärter 3 Övrigt Potatis Lin Stubbträda (2-21) 17 Fältförsöksmaterial från Mellansverige för åren 2-23 har varit underlag för beräkningar av optimala proteinnivåer. Främst är det resultat från en försöksserie med höstvetesorter och olika kvävenivåer (L7-15) som legat till grund för beräkning av proteinhalt vid optimal kvävegiva samt storleken på avvikelse från optimum vid aktuell proteinhalt. Dessa beräkningar gav 4 kg N ha -1 per procentenhet avvikelse från optimal proteinhalt. I beräkningarna har vi tillåtit en linjär beräkning av avvikelse trots att vi inte har bakgrundsmaterial för beräkningar vid mycket höga proteinhalter. Det var dock endast ett mindre antal av fälten som hade mycket höga proteinhalter varför detta inte bedömdes påverka resultatet nämnvärt. Följande parametrar för de olika grödorna sammanställdes och beräknades med medelvärden, median och frekvenser för alla skiften och för olika grupperingar. I tabell 3 anges de kvalitativa och kvantitativa parametrar för varje skifte som finns i databasen och som använts för studien. I tabellen anges den förkortning som finns med i figurer och tabeller och förklaring för respektive parameter. Parametrarna beräknades enligt följande och redovisas i kg N ha -1. Erhållen skörd och proteinhalt utifrån lantbrukarens rapportering. Faktiska kvävegivor i form av mineralgödsel. 11
Beräkning av aktuell optimal kvävegiva enligt rekommendationer från SJV baserad på erhållen skörd, justerad för förfruktseffekt (tabell 4) och antal djurenheter (parameter A). Skillnad i kg N ha -1 mellan optimal kvävegiva enligt rekommendationer från SJV (parameter A) och aktuell giva mineralkvävegödsel (parameter B). Kvävegiva för optimal gödsling beräknad utifrån sortens proteinhalt vid gödsling för optimal skörd. Aktuell kvävegiva korrigerades med 4 kg N ha -1 per avvikande procentenhet protein efter för sorten optimal proteinhalt (parameter C). På basis av sortförsök, gödslingsförsök och gällande odlingskontrakt har optimala proteinhalter för höstvete antagits vara: Gnejs, Kosack och Stava 11,5 % samt Ballad, Harnesk, Olivin och Tarso 12 % (se t.ex. Försök i Väst, 21; Mellansvenska försökssamarbetet, 22; Mellansvenska försökssamarbetet, 23; Lantmännen, 23; Mellansvenska försökssamarbetet, 24; Mellansvenska försökssamarbetet, 25). För maltkorn angavs optimal proteinhalt 11 % för alla sorter. För grynhavre har inte parameter C och D beräknats. Skillnad mellan för sorten optimal proteinhalt och aktuell proteinhalt omräknad till kg N ha -1 enligt 4 kg N ha -1 per avvikande procentenhet protein (parameter D). Denna ändring av kvävegivan skulle ha gjorts för att uppnå optimal proteinhalt. Kvävetillförsel beräknades enligt en modell för miljönyckeltal för kväve med ingående värden på förfrukt och kvävenedfall från 23. I grundmaterialet har beräkningsrutiner för kvävetillförsel förändrats mellan åren. Hänsyn har tagits till förfrukt, mullhalt, antal djurenheter och kvävenedfall förutom tillfört kväve i form av mineral- och stallgödsel samt utsäde. Kväveeffektivitet enligt en modell för miljönyckeltal (Bendz, 21; Gustafsson et al., 21) från bortfört kväve i kärna och tillfört kväve som mineralgödsel och inklusive övrigt kväve. Övrigt kväve = förfruktskväve + utsädeskväve + kvävenedfall + mineraliserat kväve vid mullhalt över 4 % + efterverkan av stallgödselkväve. Bortförsel av kväve i skörderester är alltså inte inkluderat i denna beräkning. Kväveöverskott, tillförsel bortförsel av kväve (kg N ha -1 ), beräknat per hektar samt per ton producerad kärna. Som gällande rekommendation för beräkning av kvävegödselgiva har vi använt Jordbruksverkets rekommendationer för 24 (Albertsson, 23). Underlaget för beräkning av rekommenderad giva visas i bilaga 1. Dessutom har jämförelser gjorts med officiell statistik över grödors avkastning i de olika områdena (Jordbruksverket, 2; SCB, 2; Jordbruksverket, 21b; SCB, 21; Jordbruksverket, 22; SCB, 22; Jordbruksverket, 23b; SCB, 23). Officiell statistik för höstveteskördar för åren 2-24 finns sammanställd i bilaga 2. Klimat och lerhalt Som komplettering av skiftesdata i databasen insamlades viss information om platsen för respektive skifte för att kunna analysera data och få ökad förklaringsgrad och ytterligare identifikation av orsaker till skillnader i parametrar. Viktiga parametrar bedömde vi vara lerhalt, som ger en fingervisning om markens egenskaper då lerhalten kan ha stor betydelse för vatten- 12
hållande förmåga, rotdjup, växtnäringsinnehåll och risken för förluster av kväve och fosfor, samt klimat i form av nederbörd (mm) och lufttemperatur ( C) under perioden 2-24. I de data vi har använt fanns geografiska koordinater för respektive brukningsenhet men inte för respektive skifte. Figur 1. Beräknad lerhalt på de sammanställda skiftena från databasen. I bakgrunden visas det 2 km x 2 km rutnät som skapats från tillgängliga väderdata och som använts för viss statistisk sammanställning. Lerhalt bestämdes inom 6 klasser: 1 = <5 %, 2 = 5-15 %, 3 = 15-25 %, 4 = 25-4 %, 5 = 4-6 % och 6 = >6 % ler (figur 1). Bestämningen gjordes för respektive koordinat genom interpolering av ca 78 markkarteringsprover i Syd och Mellansverige från perioden 1998-22 (Söderström, 28). För södra Götaland användes lerhalt medan en omräkning från K-HCl-talet till lerhalt användes för Mellansverige. Koordinater > 5 km från någon markkarteringspunkt har inte getts något lerhaltsvärde. Trots det stora antalet jordprover bör den beräknade lerhalten ses mer som en indikation på nivån på lerhalten generellt i området; proverna är t.ex. mycket oregelbundet fördelade över områdena i projektet, och dessutom kan förhållandet mellan K-HCl och lerhalt variera. Lokalt kan således lerhalten avvika från det beräknade värdet. Väderdata erhölls från SMHI i ett 2 km x 2 km punktnät utifrån vilket ett heltäckande rutnät över Sverige (figur 1) skapades genom tessellering (Thiessen, 1911). Genom respektive brukningsenhets koordinater kopplades sedan väderdata till varje skifte. Nederbörden beräknades ackumulerat för 14-dagarsperioder från 1 april till 1 september. Temperaturen redovisas dels som medeltemperatur för 14-dagarsperioder från 1 april till 1 september och dels som antal dagar med medeltemperatur över +2 C respektive antal dagar med medeltemperatur över +25 C under samma 14-dagarsperioder. Figurerna 2 och 3 visar på exempel på skillnader mellan olika år och olika områdena för temperatur och nederbörd. 13
Figur 2. Nederbörd (mm) ackumulerad för 14-dagarsperioder under växtsäsongen 2-23 för några områden i vilka många av skiftena i databasen låg. Nederbörden beräknades inom 2x2 km 2 rutor från ursprungsdata från SMHI. Figur 3. Dygnsmedeltemperatur ( C) för 14-dagarsperioder under växtsäsongen 2-23 för några områden i vilka många av skiftena i databasen låg. Dygnsmedeltemperaturen samt antal dagar med medeltemperatur över +2 C och antal dagar med medeltemperatur över +25 C inom respektive 14- dagarsperiod beräknades inom 2x2 km 2 rutor från ursprungsdata från SMHI. 14
Dataanalys Grupperingar av data (avkastning, tillfört mineralgödselkväve, proteinhalt samt parametrarna A, B, C och D) redovisas efter spannmålsslag, län, sort och år. Beräkningarna presenteras i tabeller och figurer med medel- och medianvärden. Som spridningsmått vid beräkning av medelvärden användes standardavvikelsen (SD). Alla medelvärden som beräknats för olika grupperingar har viktats med avseende på arealer. För att analysera materialet har alla data för alla skiften bearbetats genom PCA-analyser (Principal Component Analysis) i programmet Unscrambler 9.8 (CAMO Software AS, Oslo, Norge). Vid analyserna har outliers tagits bort. Klimatvariablerna som har visat på mycket låg förklaringsgrad har tagits bort vid respektive analys. Sex komponenter (PC) användes i analyserna. Endast förklaringar i PC1 och PC2, som förklarar mest respektive näst mest av den totala variationen, presenteras i rapporten. Analyserna har gjorts med och utan klimatvariabler, med alla grödor inkluderade, grödvis, och även inom respektive gröda har materialet analyserats länsvis, årsvis och inom 2 x 2 km 2 rutor. Den geografiska variationen för respektive parametrar redovisas i kartform där data sammanställts i rutorna om 2 x 2 km 2. Mjukvaran ArcGIS 9.1 (ESRI Inc.Redlands, CA, USA), användes för bearbetning, analys och presentation av geografiska data. Fältförsök i höstvete Resultat från sammanlagt 91 fältförsök med kvävegödslingsstegar upp till 24 kg N ha -1 i höstvete huvudsakligen utförda inom Mellansvenska försökssamarbetet sammanställdes för att belysa ekonomiskt optimum vid olika kvävegödslingsnivåer och vid proteinbetalningar. Skördar och proteinhalter från följande försöksserier 2-28 togs med: L3-2253, L3-2251, L3-2253-1, L3-2258B, L3-2262-1, L3-2264, L3-2262-2, M3-2271, L3-2278, M3-2271-A, L3-2274-1, M3-2271-A, M3-2278 och M3-2278B (Gruvaeus, 21; Gruvaeus 22; Gruvaeus, 23; Gruvaeus, 24; Gruvaeus, 25, Gruvaeus, 26, Gruvaeus, 27; Gruvaeus, 28; Krijger, 29). Försöksresultat från 2-28 togs med för att få ett större underlag trots att de inte motsvarar åren 2-24 under vilka av observationerna från enskilda skiften var insamlade. En känslighetsanalys runt det beräknade ekonomiska optimumet gjordes genom att kostnaden för att kvävegödsla med 3 kg N ha -1 mer eller mindre än vid ekonomiskt optimum beräknades för alla försöken. Resultat från 83 av försöken presenteras efter att försök med CV över 6,9 % slopades från sammanställningen. Ekonomiskt optimum beräknades utifrån anpassning av ledmedelvärden för avkastning och för proteinhalt vid respektive kvävenivå till ett tredjegradspolynom. Anpassningarna gjordes i varje enskilt försök. Betalningen sattes till 1 kr för fodervete, 1,5 för brödvete och 1,1 kr för fullt pristillägg (enligt betalningen för Sigill-kontrakterat höstvete). De enskilda åren 2-22 samt 24 följdes betalningsskalan med olika avdrag och tillägg beroende av proteinhalt. För 23 samt 25-28 användes samma avdrag och tillägg som för 22. Vid känslighetsanalysen för +3 kg kväve extrapolerades i några fall till givor över 24 kg N ha -1. Parametrarna A-D beräknades enligt avkastning, proteinhalt och kvävegiva vid ekonomiskt optimum. Hänsyn togs till förfrukt och djurgårdar antogs ha en (1) djurenhet per ha vid beräkning av kvävemineralisering från marken. 15
Resultat och diskussion Det sammanställda datamaterialet i projektet redovisas uppdelat på skiftesdata och fältförsöksdata. Lerhalt och klimat redovisas separat men ingår även i analysen av data från alla skiften. Data för avkastning, proteinhalt och kväve i odlingen på lantbrukarskiften presenteras för respektive gröda. På det största antalet skiften odlades höstvete. De fältförsök som använts för att belysa frågeställningarna är därför endast med höstvete. Samtidigt var höstvete den gröda som studerades mest med avseende på kväve och optimala kvävegivor i fältförsök de aktuella åren. Skiften Alla grödor analyserades tillsammans genom PCA med och utan klimatvariablerna och årsvis med klimatvariablerna. Åren urskiljde sig tydligt när klimatvariablerna var med men inga övriga variabler utmärkte sig (bilaga 4). Klimatvariablerna hade alltså stor betydelse för analysen. De klimatvariablerna som förklarades till mindre än 5 % i PC1 och 2 togs bort vid analysen för att fokusera på dem med störst betydelse och för att se hur övriga variabler förhöll sig till varandra och de kvarvarande klimatvariablerna. Togs klimatvariablerna bort helt urskiljde sig inte åren längre (figur 4). Grupperades data efter område, så utmärkte sig Skåne (rosa punkter) med lättare jordar och högre skördar vilket åskådliggjordes av att skörd och lerhalt var motsatta i PC2. Figur 4. Alla grödor alla år utan klimatvariabler, grupperade efter område (scoreplot ovan till vänster där Skåne=rosa, Västra Götaland=ljusgrått, Södermanland=mörkgrått, Gotland=rött, Örebro=rödbrun, Stockholm=ljusgrön, Västmanland=mörkgrön, Uppsala=turkos, Dalarna=blå) och grupperade efter år (scoreplot nedan till vänster). När alla grödorna analyserades tillsammans årsvis och grupperades efter område så urskiljde sig de olika länen de flesta åren (bilaga 4). Lerhalten hade i flertalet fall betydelse genom att höga lerhalter var negativt korrelerade till högre skördar. Skåne hade de högst skördarna och de lägsta lerhalterna generellt. Högre medeltemperatur under våren och försommaren, samt förekommande nederbörd under samma period, var i flera fall positivt korrelerad till skörd. 16
De stallgödslade skiftena (orgn) var troligtvis för få i förhållande till hela materialet för att kunna ha någon större effekt i PCA-analyserna. Höstvete Totalt sammanställdes data från 89 293 hektar höstvete skördat 2-24 fördelat på 6 744 skiften (tabell 5 och 6 samt bilaga 5). Stallgödsel var tillfört på 629 av skiftena eller på totalt 9 481 ha. Medelavkastningen för alla skiftena var 6 295 kg ha -1 (figur 5) och med stor spridning från under 2 ton till över ton. Proteinhalten var i medel 12,6 % med en stor variation (figur 6). Variansanalys visade att skillnader mellan områden, sorter och olika år var signifikanta (ej visade). Skillnader i höstvetets avkastning mellan åren åskådliggörs i tabell 5 och 6. De inrapporterade mineralgödselgivorna 2-24 antydde att en viss anpassning har gjorts då mineralgödselgivorna med kväve var lägst 22-24 där stallgödsel tillförts. De flesta åren var proteinhalterna högre i de stallgödslade skiftena. Avkastningen var i medel högst 24 och lägst 23. (%) 2 18 16 14 12 8 6 4 2 under 2 2-2,5 2,5-3 3-3,5 3,5-4 4-4,5 4,5-5 5-5,5 5,5-6 6-6,5 6,5-7 7-7,5 7,5-8 8-8,5 8,5-9 9-9,5 9,5- över Ton per ha Figur 5. Avkastning (ton ha -1 ) av höstvete åren 2-24 som andel skiften av totalt 6744 inom respektive,5-ton klass (medel=6 295 kg ha -1 (arealviktat); median=62 kg ha -1 ; SD=1232). 25 2 15 5 (%) under -,5,5-11 11-11,5 11,5-12 12-12,5 12,5-13 Proteinhalt (% av ts) Figur 6. Proteinhalt (% av ts) i höstvete med och utan stallgödseltillförsel 2-24 som procentandel skiften av totalt 6744 inom proteinhaltsklasser om,5 %-enheter (medel=12,6 % (arealviktat); median=12,6 %; SD=,84). 13-13,5 13,5-14 14-14,5 14,5-15 över 15, Tabell 5. Kvävegiva (kg N ha -1 ), proteinhalt (% av ts), skörd (kg ha -1 vid 14 % vattenhalt) samt beräknade parametrar (kg N ha -1 ) uppdelade på år 2-24 (2 (n=83); 21 (n=12); 22 (n=2); 23 (n=1512) och 24 (n=1465)) för skiften med höstvete odlad som brödsäd utan stallgödsel År Mineral- Proteinhalt Skörd A B C D gödsel N Medel 2 166 12,7 6 514 135 32 128 38 21 159 12,4 6 12 128 31 132 28 22 162 12,3 6 451 135 27 137 25 23 157 13,2 5 52 115 42 99 59 24 162 12,4 6 82 142 2 133 29 SD 2 26,8 1 16 25 24 32 27 21 26,8 1 34 27 25 42 32 22 24,6 92 19 24 34 25 23 25,7 1 23 24 25 38 29 24 26,9 997 21 26 43 44 A. Optimal kvävegiva enligt SJVs rekommendationer, C. Optimal kvävegiva beräknad från aktuell kg N ha -1 B. Differens mellan aktuell tillförd kvävegiva och optimal kvävegiva enligt SJV, kg N ha -1 kvävegiva +/- D, kg N ha -1 D. Skillnad i kvävegiva för uppnådd proteinhalt jämfört med kvävegiva för att uppnå för sorten optimal proteinhalt, kg N ha -1 17
Tabell 6. Kvävegiva (kg N ha -1 ), proteinhalt (% av ts), skörd (kg ha -1 vid 14 % vattenhalt) samt beräknade parametrar (kg N ha -1 ) uppdelade på år 2-24 (2 (n=114); 21 (n=118); 22 (n=9); 23 (n=153) och 24 (n=154)) för skiften med höstvete odlad som brödsäd med stallgödsel tillförd till grödan År Mineral- Proteinhalt Skörd A B C D gödsel N Medel 2 155 13, 6 961 138 64 155 47 21 145 12,3 6 593 131 63 173 21 22 119 12,4 6 52 129 47 146 29 23 12 13,4 5 662 1 65 111 64 24 129 12,7 6 98 136 47 144 4 SD 2 34,7 1 59 24 41 4 26 21 34,7 1 23 39 34 23 22 4,6 773 18 34 36 26 23 45,7 1 28 44 51 28 24 39,8 99 25 53 47 3 A. Optimal kvävegiva enligt SJVs rekommendationer, C. Optimal kvävegiva beräknad från aktuell kg N ha -1 B. Differens mellan aktuell tillförd kvävegiva och optimal kvävegiva enligt SJV, kg N ha -1 kvävegiva +/- D, kg N ha -1 D. Skillnad i kvävegiva för uppnådd proteinhalt jämfört med kvävegiva för att uppnå för sorten optimal proteinhalt, kg N ha -1 Tabell 7. Kvävegiva (kg N ha -1 ), proteinhalt (% av ts), skörd (kg ha -1 ) samt beräknade parametrar (kg N ha -1 ) år 2-24 uppdelade efter höstvetesort (Tarso (n=234), Stava (n=1435), Kosack (n=1858), Gnejs (n=279) och Olivin (n=468) för skiften med höstvete odlad som brödsäd utan stallgödsel. För några sorter med få skiften redovisas inte medelvärden Sort Mineral- Proteinhalt Skörd A B C D gödsel N Medel Tarso 17 13, 6 645 135 35 132 38 Stava 153 12,5 5 83 125 28 114 39 Kosack 155 12,4 5 882 125 3 121 34 Gnejs 194 12,8 7 587 153 4 14 53 Olivin 155 12,4 6 763 142 17 14 15 SD Tarso 26,8 1 38 27 25 41 33 Stava 21,7 1 13 22 25 36 29 Kosack 23,8 1 56 23 27 39 32 Gnejs 22,8 1 111 25 26 33 31 Olivin 19,8 1 32 23 22 36 31 A. Optimal kvävegiva enligt SJVs rekommendationer, C. Optimal kvävegiva beräknad från aktuell kg N ha -1 B. Differens mellan aktuell tillförd kvävegiva och optimal kvävegiva enligt SJV, kg N ha -1 kvävegiva +/- D, kg N ha -1 D. Skillnad i kvävegiva för uppnådd proteinhalt jämfört med kvävegiva för att uppnå för sorten optimal proteinhalt, kg N ha -1 18
Tabell 8. Kvävegiva (kg N ha -1 ), proteinhalt (% av ts), skörd (kg ha -1 ) samt beräknade parametrar (kg N ha -1 ) år 2-24 uppdelade efter höstvetesort (Tarso (n=284), Stava (n=116), Kosack (n=144), Gnejs (n=41) och Olivin (n=41) för skiften med höstvete odlad som brödsäd med stallgödsel tillfört. För sorter med få skiften redovisas inte medelvärden Sort Mineral- Proteinhalt Skörd A B C D gödsel N Medel Tarso 146 13, 6 72 132 67 158 41 Stava 115 12,8 6 172 121 52 122 52 Kosack 129 12,4 6 312 125 49 137 36 Gnejs 15 12,7 7 153 138 67 157 48 Olivin 126 12,7 6 95 138 37 147 29 SD Tarso 39,8 1 19 28 46 49 31 Stava 36,8 894 21 3 42 31 Kosack 38,8 1 3 23 34 43 31 Gnejs 33,7 1 235 28 67 64 28 Olivin 4,6 1 75 26 4 32 22 A. Optimal kvävegiva enligt SJVs rekommendationer, C. Optimal kvävegiva beräknad från aktuell kg N ha -1 B. Differens mellan aktuell tillförd kvävegiva och optimal kvävegiva enligt SJV, kg N ha -1 kvävegiva +/- D, kg N ha -1 D. Skillnad i kvävegiva för uppnådd proteinhalt jämfört med kvävegiva för att uppnå för sorten optimal proteinhalt, kg N ha -1 Åren var tydligt grupperade enligt PCA-analyserna (bilaga 5) men överlappade varandra till viss del. År med generellt hög avkastning hade högre medeltemperaturer i april enligt analyserna. Lerhalt hade en tendens till negativ korrelation i PC1 till skörd. Överskott av kväve, beräknat som tillfört kväve minus bortfört med skörd, var motsatt skörd i PC2 och tillfört kväve var negativt korrelerat till avkastning. Utan klimatvariablerna så var lerhalt och negativt korrelerad till skörd i PC2. Skiftena i Skåne grupperade sig tydligt och skiljde sig påtagligt från övriga län. I Skåne var skördarna högre, lerhalterna lägre och mer kväve tillfördes. Under de enskilda åren i studien hade vissa parametrar större betydelse än andra. Följande tendenser kunde ses: 2 Skåne grupperade sig tydligt från de andra områdena med högre skördar och proteinhalter, samt med högre medeltemperaturer och fler dagar med höga temperaturer. Mullhalt hade ingen betydelse för förklaringen av variationen inom materialet. Inte heller förfrukt, antal djurenheter eller stallgödsel bidrog till ökad förklaring av årets resultat. Även nederbörd hade liten betydelse. 21 PCA-analysen visade på liknande trender som 2 men det var en svag tendens till att proteinhalt var negativt korrelerad till skörd. Detta år var det alltså i många fall låga proteinhalter när det var hög avkastning 22 Detta år var det ingen tydlig gruppering av de olika områdena. Skörden hade en mindre betydelse än tidigare år. Högre temperaturer var positivt korrelerade till proteinhalten, det var också lerhalterna. Mängden tillfört kväve var negativt korrelerad till skördarna och till parameter A (A2 i figurerna), dvs. rekommenderad kvävegödsling utifrån uppnådd avkastning. 23 Områdena var tydligt grupperade. Skörd var negativt korrelerad till lerhalt, Skåne hade högst skördar och mest tillfört N. 24 Även 24 var områdena grupperade från varandra. Proteinhalt och tillfört N var positivt korrelerade och med temperaturen i april. Temperaturen i juli var negativt korrelerad till proteinhalt. 19
Medelvärdena för avkastning, proteinhalter och gödsling visade på skillnader mellan höstvetesorterna (tabell 7 och 8). Jämför man med de optimala proteinhalterna så var de inrapporterade proteinhalterna i medeltal överoptimala för alla sorterna. Sortvisa PCA-analyser för Kosack, Tarso och Olivin, med och utan klimatvariabler, gav liknande resultat som i analysen av alla sorter samtidigt men Kosack visade på starkare negativ korrelation mellan skörd och proteinhalt. När klimatvariabler togs med separerades åren. För Tarso var lerhalten negativt korrelerad med skörd när klimatvariablerna ej var med. Detta mönster sågs inte för Kosack eller Olivin. För Kosack var medeltemperaturen i juli positivt korrelerad till proteinhalten. Tabell 9. Kvävegiva (kg N ha -1 ), proteinhalt (% av ts), skörd (kg ha -1 ) samt beräknade parametrar (kg N ha -1 ) år 2-24 uppdelade per län. Antal skiften per område visas inom parentes för skiften med höstvete odlad som brödsäd utan stallgödsel. Några län med mycket få skiften redovisas inte Län Mineral- Proteinhalt Skörd A B C D gödsel N Medel Dalarna (14) 118 11,7 5 194 8 8 9 Gotland (73) 145 12,7 6 225 126 19 6 39 Skåne (26) 191 13, 7 572 152 39 148 44 Stockholm (293) 144 12,4 6 194 129 15 114 31 Södermanland (592) 147 12,5 5 66 122 25 112 35 Uppsala (1486) 155 12,6 6 68 129 26 118 37 Värmland (38) 149 12,4 5 164 9 4 131 19 Västmanland (358) 151 12,4 5 73 121 29 12 31 V. Götaland (657) 169 12,5 6 117 131 37 138 31 Örebro (183) 144 12,2 5 421 114 3 121 23 Östergötland (1389) 159 12,6 6 146 127 32 122 37 SD Dalarna 18,7 845 19 28 25 29 Gotland 16 1,1 1 294 31 31 48 42 Skåne 2,7 1 82 23 25 34 31 Stockholm 19,8 1 229 27 28 35 31 Södermanland 22,7 1 53 23 25 34 28 Uppsala 2,8 1 11 22 25 39 31 Värmland 14 1,1 1 277 27 32 34 4 Västmanland 19,8 1 93 25 21 36 31 V. Götaland 26,9 1 1 23 25 42 34 Örebro 3 1, 1 63 25 37 41 37 Östergötland 19,9 989 22 26 38 35 A. Optimal kvävegiva enligt SJVs rekommendationer, kg C. Optimal kvävegiva beräknad från aktuell N ha -1 B. Differens mellan aktuell tillförd kvävegiva och optimal kvävegiva enligt SJV, kg N ha -1 kvävegiva +/- D, kg N ha -1 D. Skillnad i kvävegiva för uppnådd proteinhalt jämfört med kvävegiva för att uppnå för sorten optimal proteinhalt, kg N ha -1 Avkastningen på skiften utan tillförd stallgödsel var i medel högst i Skåne (tabell 9). Avkastningen i Halland låg något över den i Skåne i de fall stallgödsel tillförts (tabell ). De lägsta avkastningarna noterades i de nordligaste länen av de län som var med i undersökningen. I Skåne tillfördes mest mineralgödselkväve till höstvetet. I medel tillfördes 158 kg N ha -1 beräknat för hela materialet, 163 kg N ha -1 för skiften utan stallgödsel och 134 kg N ha -1 för skiften med stallgödsel tillfört. I figur 8 visas fördelningen av mineralkvävegödselgivor på alla skiften med höstvete. Stockholm och Dalarna var de län där parameter B, skillnaden mellan aktuell gödsling och rekommenderad gödsling, var minst (tabell 9). De största skill- 2
naderna noterades i Värmland, Skåne och Västra Götaland. Dalarna och Värmland var dock representerade av relativt få observationer. För att åskådliggöra avkastningen m.fl. parametrar geografiskt användes samma rutnätsystem som användes för att ta fram data för lerhalt och klimat. Rutor där fler än 5 skiften ingick användes i sammanställningen av dessa parametrar. I figur 7 ses tydligt att observationerna inte var jämnt fördelade geografiskt utan flera områden var betydligt oftare representerade än andra. Uppsala, Östergötlands och Skåne är de län som har flest observationer (se även tabell 9 och ). Avkastningen var, som tidigare nämnts, generellt högre i Skåne än i övriga län (figur 8) och avtog norrut. Man ser också att mängden tillfört kväve i form av mineralgödsel var störst i Skåne (figur 11) och att också kvävegivorna avtar norrut. Om avkastningen dividerades med kvävegivan som ett mått på kväveeffektiviteten, representerades de högsta kvoterna av Skåne och Mälardalen-Hjälmarområdet (figur 12). En hög kvot visar på sämre utnyttjande av tillfört kväve, dvs. lägre kväveeffektivitet. Tabell. Kvävegiva (kg N ha -1 ), proteinhalt (% av ts), skörd (kg ha -1 ) samt beräknade parametrar (kg N ha -1 ) år 2-24 uppdelade per län. Antal skiften per område visas inom parentes för skiften med höstvete odlad som brödsäd med stallgödsel tillfört. Några län med mycket få skiften redovisas inte Län Mineral- Protein Skörd A B C D Gödsel N Medel Gotland (9) 136 12,3 6 223 124 42 137 29 Halland (5) 148 12,7 7 257 141 58 172 27 Skåne (175) 16 12,8 7 143 144 66 172 37 Stockholm (43) 3 12,8 6 934 142 23 121 44 Södermanland (53) 121 12,7 6 121 41 125 37 Uppsala (58) 113 13, 6 192 118 53 117 53 Västmanland (18) 15 12,7 5 627 119 49 123 45 V Götaland (57) 155 12,8 6 271 128 7 156 41 Örebro (21) 1 13,5 5 57 2 89 124 67 Östergötland (28) 124 12,7 6 472 122 57 139 4 SD Gotland 27 1,1 2 143 23 28 39 42 Halland 5,9 1 99 2 25 38 Skåne 35,7 2 556 27 5 48 3 Stockholm 22,7 2 14 21 25 27 27 Södermanland 29,6 1 376 22 29 34 2 Uppsala 32,8 1 59 22 57 55 35 Västmanland 17,6 2 896 31 37 37 24 V Götaland 34,9 1 28 25 38 43 33 Örebro 39 1, 5 493 22 51 65 36 Östergötland 4,8 1 449 22 35 45 3 A. Optimal kvävegiva enligt SJVs rekommendationer, kg C. Optimal kvävegiva beräknad från aktuell N ha -1 B. Differens mellan aktuell tillförd kvävegiva och optimal kvävegiva enligt SJV, kg N ha -1 kvävegiva +/- D, kg N ha -1 D. Skillnad i kvävegiva för uppnådd proteinhalt jämfört med kvävegiva för att uppnå för sorten optimal proteinhalt, kg N ha -1 När alla grödor var med i PCA-analysen visade höstvete på ett stort genomslag då det var den gröda med flest observationer (figur 4). PCA-analyserna för höstvete gjordes med och utan klimatvariabler och årsvis. De är också gjorda för några av länen samt för de sorter med flest 21
observationer. Mullhalt, antal djurenheter per hektar samt stallgödseltillförsel medverkade inte till någon ökad förklaring av hur observationerna fördelade sig. PCA-analyserna inom de olika länen visade inte på samma negativa trend mellan lerhalt och skörd som när alla observationer var med. När klimatvariablerna var med i PCA-analyserna av enbart höstveteobservationerna var skillnad mellan åren tydlig. Utan klimatvariablerna var den stora skillnaden mellan länen istället. Den relativt högre avkastningen i Skåne och större kvävegivorna åskådliggjordes även de i PCA-analyserna (bilaga 5). Där sågs också att lerhalterna generellt var lägre i Skåne. Det är de parametrar som oftast gav förklaring i PC1 och PC2 vilka var de komponenter där den största förklaringen oftast låg. Figur 7. Observationer av höstvete inom rutor med minst 5 observationer som underlag för figur 8, -11 och 16-19. Figur 8. Skörd av höstvete 2-24 (kg ha -1 ) inom rutor med fler än 5 observationer (figur 7). Observationerna analyserades även inom några av områdena. I Skåne grupperar sig åren tydligt och tillfört kväve låg nära skörd men motsatt proteinhalt, dock inte med några starka korrelationer. Klimatvariablerna hade inte någon betydelse för skörd eller proteinhalt. Skörd och lerhalt var negativt korrelerade både i PC1 och PC2. Utan klimatvariablerna skiljdes skörd och tillfört kväve åt i PC1. Lerhalt låg relativt nära proteinhalt. I Östergötlands län grupperade sig åren och avkastning var negativt korrelerad till proteinhalt. Medeltemperaturen i april hade betydelse för avkastningen. Nederbörd och temperatur i maj hade betydelse för proteinhalten. När klimatvariablerna inte togs med hade vare sig lerhalt, mullhalt, förfrukt eller stallgödsel någon betydelse för skördenivån och även då var skördenivå och proteinhalt negativt korrelerade. I Uppsala län utskiljde sig åren och proteinhalt och skörd låg motsatta varandra. Högre medeltemperaturen under andra delen av april påverkade skörden positivt och antal dagar med >2 C i juli ökade proteinhalten. Parameter B2 låg nära proteinhalten vilket antyder att ett kväveöverskott var positivt för proteinhalten. Skörden låg motsatt proteinhalten i PC2. Utan klimatvariabler var skörd och proteinhalt motsatta båda i PC1 och 22
PC2. I Västra Götaland var högre temperaturer i april positivt för skörden. Utan klimatvariabler så drar skörd och tillfört N åt samma håll i PC2 men inte i PC1. 2 18 16 14 12 (%) 8 6 4 2 - -2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9- -1 1-12 12-13 13-14 14-15 15-16 16-17 17-18 18-19 19-2 2-2 2-22 22-23 23-24 24-25 25-26 26-27 27-28 28-29 29-3 3-3 3-32 Figur 9. Tillförd mängd kväve som mineralgödsel (kg N ha -1 ) till höstvete 2-24 med procentuell fördelning av antal skiften i klasser om kg N ha - 1 från skiften med och utan stallgödseltillförsel (medel=158 (arealviktat); median=157; SD=28). (%) 18 16 14 12 8 6 4 2 - -2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9- -1 1-12 12-13 13-14 14-15 Över 15 kg N per ha Figur. Kväveöverskott (kg N ha -1 ) i höstvete med och utan stallgödseltillförsel med procentuell fördelning inom klasser beräknat som: Tillfört kväve Bortfört kväve i kärna. Tillfört kväve = mineralkväve + stallgödselkväve + kväve i utsäde + övrig kvävemineralisering (stallgödsel, förfrukt och mullhalt) (medel=67 (arealviktat); median=64; SD=29). Höstveteobservationerna grupperades och analyserades även inom högre avkastning (> 7 kg ha -1 ) och inom lägre avkastning (< 6 kg ha -1 ) (bilaga 5). I gruppen 7 kg per ha eller mer så grupperade sig åren när klimatvariablerna var med i analysen och utan dessa så skiljde sig speciellt Skåne från övriga områden. Där låg tillfört N och proteinhalten nära varandra i PC2. Lerhalt och Neff låg nära varandra och skörd i mitten. Utan klimatvariabler så låg skördenivå och proteinhalt nära varandra men diagonalt motsatt lerhalt. Skåne hade högst skördenivå och lägst lerhalter men ingen enskild klimatparameter medförde ökad förklaring. I gruppen 6 kg eller mindre så förklarades inget ytterligare när klimatvariablerna var med. Utan klimatvariablerna så var skörd och tillfört kväve motsatt varandra i PC1, dvs. ökad kvävegiva gav inte ökad avkastning, men det var ingen gruppering för område. I projektet beräknades flera nyckeltal för att beskriva hur väl gödslingen med mineralkväve anpassats till de olika platserna och också som underlag för diskussionen hur vi ytterligare kan förbättra anpassningen till gagn för ekonomi och miljö till de specifika förutsättningarna. I databasen beräknades nyckeltalet Neff, kväveutnyttjandet i procent av tillförd mängd kväve enligt Bendz (21). I PCA-plottarna (bilaga 5) låg ofta nyckeltalet Neff nära kvoten mellan skördat kväve i kärnan och tillfört med mineralgödselmedel (KärnN/TillfN). De var delvis beräknade på samma underlag. I många av analyserna ger dessa parametrar en del av förklaringen i någon av komponenterna. När observationerna sorterades efter Neff > 7 % eller < 7 % så var lerhalt och skörd starkare negativt korrelerade i gruppen > 7 %. Åren grupperade sig inom Neff < 7 % men överlappade mer i gruppen Neff > 7 %. Inom Neff > 7 % urskiljde sig Skåne vid gruppering efter län. Parametern skördenivå och parametrar som beskriver tillfört kväve låg nära varandra. Områdena överlappade varandra vid gruppering inom Neff < 7 %. 23
Figur 11. Tillfört kväve i höstvete 2-24 (kg N ha -1 ) inom rutor med fler än 5 observationer (figur 7). Figur 12. Höstvete skörd dividerad med tillfört kväve inom rutor med fler än 5 observationer (figur 7). 2 (%) 18 16 14 12 8 6 4 2-2-3 4-5 6-7 8-9 -1 12-13 14-15 16-17 18-19 2-2 22-23 kg N per ha Aktuell gödsling A C 24-25 26-27 28-29 3-3 Figur 13. Jämförelse av aktuell gödsling (kg N ha -1 ) med rekommenderad gödsling enligt SJV baserad på skörd (A) och optimal gödsling för optimal proteinhalt (C) för höstvete med och utan stallgödsel 2-24 (A medel=129 (arealviktat), A median=128, A SD=26; C medel=128 (arealviktat), C median=127, C SD=4; aktuell gödsling medel=158 (arealviktat); median=157; SD=28). (%) 4 35 3 25 2 15 5 under -75-75--5-5--25-25- -25 kg N per ha Figur 14. Fördelning över skillnad mellan aktuell gödsling med mineralgödselmedel till höstvete (kg N ha -1 ) samt beräknad optimal gödsling från Jordbruksverkets rekommendationer (B) respektive optimal proteinhalt (D) år 2-24 från skiften med och utan stallgödseltillförsel. 25-5 5-75 75- -125 125-15 B D över 15 24
N (kg/ha) 7 6 B D N (kg/ha) 7 6 B D 5 5 4 4 3 3 2 2 2 21 22 23 24 a b Figur 15. Differens mellan optimal kvävegiva enligt Jordbruksverkets rekommendationer med hänsyn tagen till antal djurenheter per ha samt förfrukt och aktuell gödsling (parameter B) samt differens mellan optimal kvävegiva enligt optimal kvävegiva beräknad från erhållen proteinhalt och aktuell gödsling (parameter D) år 2-24 i höstvete för a) skiften utan stallgödsel (n=6115) (B medel=32 (arealviktat); B median=31; B SD=27; D medel=36 (arealviktat); D median=36; D SD=33) och b) skiften med stallgödsel (n=629) (B medel=58 (arealviktat); B median=53; B SD=44; D medel=41 (arealviktat); D median=4; D SD=31). 2 21 22 23 24 Figur 16. Parameter A i höstvete inom rutor med fler än 5 observationer (figur 7). Figur 17. Parameter B i höstvete inom rutor med fler än 5 observationer (figur 7). Parameter B visar på aktuell gödsling i förhållande till Jordbruksverkets rekommendationer (Albertsson, 28) och parameter D visar på optimal gödsling i förhållande till för sorten optimal proteinhalt (figur 13-19 och tabell 5-). Den aktuella gödslingen låg i medel över den beräknade gödslingen enligt Jordbruksverket (parameter A). Figur 13 visar på hur den 25
aktuella gödslingen fördelades på skiftena i jämförelse med parameter A och C, optimal gödsling för sorten optimal proteinhalt. Differensen mellan aktuell gödsling och Jordbruksverkets rekommenderade respektive för sorten optimal var i medel cirka 3 kg N ha -1. 65 % av observationer låg -5 kg N ha -1 och nära 9 % av observationerna över Jordbruksverkets rekommendationer (figur 14). Beräknat på optimal proteinhalt var det relativt något färre som låg över optimum. Skiften som fått stallgödsel låg mer över rekommendationerna baserade på avkastning respektive beräkningen för optimal proteinhalt (figur 15). De högre skördenivåerna i Skåne gav högre rekommenderad gödsling där (figur 16) men gödslingen låg där också generellt betydligt över rekommendationerna (figur 17). Likaså blev gödslingen för optimal proteinhalt högre i Skåne men även i Västra Götaland låg gödslingen på ungefär samma nivå (figur 18). Skillnaden mellan aktuell gödsling och den för optimal proteinhalt var generellt högre i Skåne (figur 19). Figur 18. Parameter C i höstvete inom rutor med fler än 5 observationer (figur 7). Figur 19. Parameter D i höstvete inom rutor med fler än 5 observationer (figur 7). 26