Abteilung Grünland und Futterbau/Ökologischer Landbau

Modell N-Flüsse

Eine modellgestützte Analyse der Stickstoffflüsse in spezialisierten Milchvieh-/Futterbaubetrieben - Erste Ergebnisse

M. Wachendorf(1), C.A. Rotz(2), A. Herrmann(1), A. Kornher(1) und F. Taube(1)

(1)  Institut für Pflanzenbau und Pflanzenzüchtung - Grünland und Futterbau/Ökologischer Landbau, Christian-Albrechts-Universität Kiel

(2)  USDA/Agricultural Research Service, University Park, Pennsylvania, USA

1. Einleitung

Während "einfachere" Wirkungsbeziehungen in Futterproduktionssystemen (z.B. der Einfluss der N-Mineraldüngung auf den Energieertrag des Grünlands) vielfach untersucht wurden, liegt hinsichtlich der Frage, wie sich einzelne Management-Maßnahmen auf das Gesamtsystem auswirken, relativ wenig verlässliches vor. Die Wirkungsmechanismen dieser Systeme sind komplex und gekennzeichnet durch viele interaktive Prozesse, weshalb deren Analyse ausschließlich unter Verwendung von Modellen möglich ist. Im Gegensatz zu statischen Budgetmodellen, berücksichtigen dynamische Modelle z.B. Boden- und Witterungsfaktoren und kommen der Realität somit näher. Über einen Zeitraum von 20 Jahre wurde am United States Department of Agriculture (USDA) das dynamische, witterungsbasierte Simulationsmodell DAFOSYM (Dairy Forage System Model) zur Untersuchung der Produktivität, Umwelteffekte und Ökonomie von Milchvieh-/Futterbaubetrieben entwickelt (Rotz, 1999a, b).

In der vorliegenden Untersuchung werden auf der Basis von Daten des interdisziplinären Forschungsprojektes „N-Flüsse im spezialisierten Milchvieh-/Futterbaubetrieb (Taube & Wachendorf, 2000) Modellszenarien für Milchviehbetriebe unterschiedlicher Produktionsstruktur und Futterbasis erstellt und hinsichtlich der Produktivität und des Stickstoffhaushaltes analysiert.

 

2. Material und Methoden

DAFOSYM ist ein Simulationsmodel, das den gesamten Milchviehbetrieb abbildet und alle wesentlichen produktionstechnischen (z.B. Ernte, Lagerung, Fütterung, Wirtschaftsdüngerausbringung) und biologischen Prozesse (z.B. Pflanzenwachstum, Milchproduktion) simuliert. Obwohl das Model für eine Langzeit- oder strategische Evaluation von Betriebssystemen entwickelt wurde, beschränkt sich die einzelne Simulationsperiode immer auf ein Jahr. Die Zuverlässigkeit der Simulationen wird allerdings dadurch erhöht, dass sie für mehrere Jahre wiederholt wird und somit variierende Umweltbedingungen berücksichtigt. Die benötigten Inputdaten werden dem Modell für eine Betriebsinitialisierung - ein Prozess, in dem alle für den Modelllauf wichtigen Parameter zusammengespielt werden - anhand von 3 Files eingespielt (Abb. 2): 1. Farm Parameter File (z.B. Betriebsfläche, Tieranzahl), 2. Machinery Parameter File (z.B. Maschinengröße, Reparaturfaktor) und 3. Weather Data File (Tageswerte von Temperatur, Niederschlag, Globalstrahlung). Die folgende Simulation läuft in Tagesschritten in der in Abb. 2 dargestellten Reihenfolge ab, wobei jede Subroutine auf den Simulationsergebnissen der vorhergegangenen Subroutine aufbaut, und an deren Ende eine optionale ökonomische Analyse steht. Die Simulation des Pflanzenwachstums basiert für das Grünland auf Funktionen des Modells GRASIM (Mohtar et al., 1997), bzw. für Silomais auf CERES (Jones and Kiniry, 1986). Die Simulationsergebnisse werden in Form von Tabellen und Grafiken ausgegeben. Das DAFOSYM-Modell ist in FORTRAN programmiert und nutzt die WINDOWS-Oberfläche, über die menügesteuert alle Eingaben und Justierungen vorgenommen werden können. Das Modell ist frei verfügbar und kann auf der Homepage der USDA-Abteilung Pasture Systems and Watershed Management Research Laboratory heruntergeladen werden (http://www.ars.usda.gov/naa/pswmru).

Die zugrundeliegenden Daten für die hier erstellten Simulationen stammen aus Feldversuchen, die zwischen 1997 und 2002 auf dem Versuchsbetrieb Karkendamm der Universität Kiel (niedere Geest, Æ-Jahresniederschlag 802 mm, Æ-Jahrestemperatur 8,3 °C, Bodenart/-typ: hS/ Podsol-Gley) durchgeführt wurden (Volkers et al., 2002; Trott et al., 2002; Büchter et al., 2002; Büchter et al., 2003; Wachendorf et al., 2002).

Den Simulationsrechnungen liegen folgende Annahmen zugrunde:

  • Betriebsfläche: jeweils 100 ha.
  • Durchschnittliche Milchleistung der Herde: 8000 l Kuh-1 und Jahr-1 bei einer Grundfutterration mit Gras bzw. 9000 l Kuh-1 und Jahr-1 bei einem Gras-Silomais-Gemisch.
  • N-Mineraldüngung: 200 kg N ha-1 (Grünland) und 50 kg N ha-1 (Silomais).
  • Witterungsdaten der Wetterstation Karkendamm aus den Jahren 1980-2000.
  • Folgende Betriebsszenarien wurden berechnet:
  • Ein reiner Grünlandbetrieb mit Gras als einziger Grundfutterkomponente und entsprechendem Kraftfutterzukauf, dessen Grünlandfläche zu 0, 20 oder 50% beweidet wird.
  • Ein Milchviebetrieb, dessen Grundfutterration zu unterschiedlichen Anteilen aus Grünlandfutter und Silomais (in Monokulturanbau) besteht (20, 50, 80% Mais) und in dem die Tiere alternativ im Stall oder mit Weidegang gehalten werden.

3. Ergebnisse und Diskussion

Zunächst ist anzumerken, dass die Variation der oben genannten Parameter Konsequenzen für viel mehr Systemkomponenten und Prozesse hatte, als hier dargestellt werden könnten.

Bemerkenswert ist die Tatsache, dass in reinen Grünlandbetrieben der N-Überschuss bei zunehmender Weidehaltung tendenziell abnimmt (Abb. 3). Grund dafür ist eine geringere Leistungsfähigkeit des Grünlands unter Beweidung, was in einer geringeren Tierzahl (Abb. 4) und Milchleistung pro ha LN resultiert. Der für die Realisierung der vorgegebenen Milchleistung (8000 l Kuh-1 und Jahr-1) notwendige Kraftfutterzukauf belastet in starkem Maße die N-Bilanz der Grünlandbetriebe. Betriebssysteme mit Fütter-ung von Grünlandfutter und Silomais zeigen hinsichtlich der N-Überschüsse und -Verluste (Abb. 5) deutliche Vorteile. Dies umso mehr, je höher der Anteil des Silomaises in der Ration ist, bzw. wenn auf die Beweidung des Grünlandes vollständig verzichtet wird. Die geringsten Verluste mit 8 kg N t Milch-1 erleidet ein Betrieb mit ausschließlicher Stallhaltung, dessen Futterration zu 80% aus Silomais besteht. Demgegenüber weisen reine Grünlandbetriebe generell mehr als das Doppelte an N-Verlusten auf (16 bis 20 kg N t Milch-1), und liegen damit in einem Bereich, wie er für norddeutsche Praxisbetriebe zu erwarten ist.

4. Schlussfolgerungen und Ausblick

Aus den dargestellten Simulationsrechnungen lassen sich für norddeutsche spezialisierte Milchvieh-/Futterbaube-triebe erste Schlussfolgerungen ableiten:

  • Betriebe mit Silomaisanbau sind unter der Prämisse einer praxisüblichen N-Intensität hinsichtlich der Leistungsfähigkeit und der produktmengenbezogenen N-Effizienz reinen Grünlandbetrieben überlegen
  • Im Vergleich zu einer reinen Stallhaltung in Grünlandbetrieben reduziert die Ausdehnung der Weidehaltung auf die Hälfte der Wirtschaftsfläche deutlich die Produktivität der Bestände und erhöht die produktmengenbezogenen N-Verluste.

 

Hieraus ergeben sich weitere Fragen, die für die Optimierung der N-Effizienz spezialisierter Milchvieh-/Futterbaubetriebe relevant sind:

  • Wo genau liegen die Schwachstellen in den gezeigten Betriebssystemen und wie reagiert das System, wenn die N-Effizienz dieser Komponenten verbessert wird?
  • Welche Konsequenzen für den Gesamtbetrieb hat eine Variation der N-Intensität einzelner Futterbaukulturen, wie sie in den zugrundeliegenden Feldversuchen über einen weiten Bereich hinweg vorgenommen wurde?
  • Wie stellen sich die Produktivität, die N-Bilanzen und -Verluste von Betriebssystemen dar, in denen der Silomais im Gegensatz zu den hier dargestellten Berechnungen nicht in Monokultur, sondern im Rahmen von Futterbau-Fruchtfolgen angebaut wird (s. Beitrag Volkers et al. in diesem Band)?

 

Diesen Fragen wird sich unsere Arbeitsgruppe in Kooperation mit den Kollegen des USDA in Zukunft intensiv widmen.

5. Literatur

  • Büchter, M., M. Wachendorf and F. Taube (2002): Nitrate leaching from permanent grassland on sandy soils – Results from an integrated research project. Grassland Science in Europe 7, 668-669 .
  • Büchter M., M. Wachendorf, Karen Volkers, F. Taube (2003): Nitratausträge unter Silomais auf sandigen Böden Norddeutschlands. Pflanzenbauwissenschaften (im Druck).
  • Jones, C.A. and J.R. Kiniry (1986): CERES-Maize: a simulation model of maize growth and development. Texas A&M Univ. Press. College Station, Texas.
  • Mohtar, R.H., D.R. Buckmaster and S.L. Fales (1997) A grazing simulation model: GRASIM, A: Model Development. Trans. ASAE. 40(5), 1483-1493.
  • Rotz, C.A., D.R. Mertens, D.R. Buckmaster, M.S. Allen and J.H. Harrison (1999a) A dairy herd model for use in whole farm simulations. J. Dairy Sci. 82, 2826-2840.
  • Rotz, C.A., L.D. Satter, D.R. Mertens and R.E. Muck (1999b) Feeding strategy, nitrogen cycling and profitability of dairy farms. J. Dairy Sci. 82, 2841-2855.
  • Taube, F. and M. Wachendorf (2000): The Karkendamm Project: A system approach to optimize nitrogen use efficiency on the dairy farm. Grassland Science in Europe 5, 449-451.
  • Trott, H., M. Wachendorf, F. Taube (2002): Management of permanent grassland for reduced nitrogen surpluses - Results from an integrated research project. Grassland Science in Europe 7, 740-741.
  • Volkers, K., M. Wachendorf, F. Taube (2002): Management of forage maize for reduced nitrogen surpluses - Results from an integrated research project. Grassland Science in Europe 7, 744-745.
  • Wachendorf, M., F. Taube (2002): Management impacts on nitrogen fluxes and nitrogen losses in grassland systems - Results from an integrated project. Grassland Science in Europe 7, 746-747.
Aktuelles

Lehre

Forschung und Publikationen

Links