Orsaker till skillnader mellan Orsaker till skillnader mellan rekommenderade kvävegivor rekommenderade kvävegivor och de verkliga eller och de verkliga eller beräknat optimala i beräknat optimala i praktisk spannmålsodling praktisk spannmålsodling

(1)

Orsaker till skillnader mellan Orsaker till skillnader mellan rekommenderade kvävegivor rekommenderade kvävegivor

och de verkliga eller och de verkliga eller

beräknat optimala i beräknat optimala i praktisk spannmålsodling praktisk spannmålsodling

HS Skaraborg

rapport nr 5/09

– kan vi öka kväveeffektiviteten?

Maria Stenberg, Mats Söderström, Ingemar Gruvaeus, Erika Bjurling, Kjell Gustafsson,

Anna-Karin Krijger, Bo Stenberg och C.G. Pettersson

(2)

Orsaker till skillnader mellan rekommenderade kvävegivor och de verkliga eller beräknat optimala i

praktisk spannmålsodling – kan vi öka kväveeffektiviteten?

Maria Stenberg^1,2, Mats Söderström², Ingemar Gruvaeus³, Erika

Bjurling⁴, Kjell Gustafsson⁵, Anna-Karin Krijger¹, Bo Stenberg² och C.G.

Pettersson⁶

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 905, 601 19 Norrköping

5 Lantmännen Lantbruk, Division Växtodling, Östra Hamnen, 531 87 Lidköping

6 Lantmännen Lantbruk, Division Spannmål, 745 84 Enköping

(3)

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 90 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 2009

Författarna

(4)

(5)

Innehållsförteckning

Förord ... 3

Innehållsförteckning... 5

Bakgrund ... 7

Frågeställningar och mål ... 9

Material och metoder ... 10

Skiftesinformation ... 10

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... 40

Bilaga 1 – Rekommendationer kvävegödsling SJV ... 40

Bilaga 2 – Hektarskördar och normskördar höstvete 2000-2004... 41

Bilaga 3 – Kvävenedfall ... 42

Bilaga 4 – Alla grödor ... 43

Bilaga 5 – Höstvete ... 45

Bilaga 6 – Maltkorn... 54

Bilaga 7 – Havre... 56

(6)

(7)

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 vallbalj- växter, 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, 2004). 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 kvä- vegivan utifrån behov och ekonomiskt optimum blir även det ekonomiska utbytet av spann- målsgrödan optimalt. I en undersökning utförd av Engström & Gruvaeus (1998) studerades 160 ettåriga kväveförsök utförda av Hydro Agri AB mellan 1980-1997. Undersökningen visade att den optimala kvävegivan påverkas främst av mineralkvävet på våren, även skörde- nivån 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, 2008).

Råden baseras på anpassning av ekonomiskt optimal gödsling och de skall också vara miljö- mässigt 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 ge- nomförs "Greppa Näringen" i Götaland. Inom ”Greppa Näringen” (www.greppa.nu) återkom- mer en eller flera rådgivare till lantbrukaren under flera år och följer upp de åtgärder som pro- vas. 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. Mineralise- ringen av kväve varierar stort. Wetterlind (2008) visade att kväveskörden, dvs. kväveupptaget under växtsäsongen, i ogödslade ytor varierade mellan 20 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 grö- dans reflektans av ljus. Yara N-sensor är ett redskap som används frekvent för detta ändamål vid tilläggsgödsling. Variationen i våglängdsspektra som representerar biomassa och kloro- fyllhalt styr hur kvävegödseln fördelas inom fältet efter kalibrering mot kväveinnehåll

(8)

(Söderström et al., 2004). Okända faktorer är fortfarande vädret efter gödsling, grödans poten- tial att ta upp kvävet och hur mycket kväve som kommer att mineraliseras efter gödslingstill- fället. 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 0N-rutor, små ytor i försöken utan till- försel 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 miss- lyckas 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 6 840 167

1999 764 69 6 700 158

2000 1 408 69 6 530 162

2001 1 491 64 6 160 156

2002 1 814 69 6 750 162

2003 2 009 64 5 660 155

2004 1 769 71 6 750 158

Mellan 1998-2004 registrerades odlingsdokumentation i Lantmännens databas över IP-odlad spannmål. Lantmännens databas innehåller information från över 22 000 skiften registrerade mellan 1998-2004. 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, 2001). 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 utveck- lats av Lantmännen i samarbete med arbetsgruppen för miljönyckeltal och Mat21 (Bendz, 2001; Gustafsson et al., 2001). I en rapport från ”Odling i Balans” har erfarenheter och referensvärden avseende miljönyckeltal sammanställts (Törner, 2001). I sammanställningen beräknades referensvärden (tabell 2) för kväveeffektivitet utifrån fältdata från mer än 2 000 skiften. Effektiviteten var i detta material beräknat som utbytet av växtnäring i skörden (inklusive bortförsel av halm) i förhållande till insatsen (mineralgödsel, stallgödsel,

(9)

kvävefixering för baljväxter, atmosfäriskt nedfall och kväve i utsädet). Det nyckeltal som fastlagts i arbetsgruppen för miljönyckeltal inkluderar även förfruktseffekt, nettominerali- sering från mull och efterverkan stallgödsel (Gustafsson et al., 2001). Törner (2001) 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 (2001) 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, 2001)

Gröda Kväveeffektivitet, %

Havre 50 – 60

Kvarnvete 60 – 70 Fodervete 65 - 80 Vårvete 50 - 70 Rågvete 60 - 80

Korn 50 - 70

Maltkorn 60 - 80

Råg 60 - 80

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 2000-2004 i en databas med lantbrukarskiften och data från fältförsök med kvävestegar i höstvete under åren 2000-2008 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?

(10)

Material och metoder Skiftesinformation

Tabell 3. Parametrar använda i analyserna i projektet för skiftesvisa observationer och till viss del för försöksdata

Variabel Förklaring Variabel¹ Variabel¹

AR År NB0415 NB0805

LAN_NAMN Län TMED0415

CROP Aktuell gröda T20_0415 T20_0805

SORT Sort för respektive spannmålsslag T25_0415 T25_0805 NEFF eller NUT Kväveutnyttjandet i % av tillförd mängd kväve enligt Bendz

(2001)

NB0429 NB0819 GODN Mineralgödselgiva, kg N ha^-1 TMED0429 TMED0819 BER_OVRN Övrigt tillfört N beräknat av posterna nedfall, N i utsäde, mull-

halt, förfruktseffekt samt stallgödselmineralisering, kg N ha^-1

T20_0429 T20_0819 DE_HAN Kvävemineralisering utifrån De ha^-1 beräknad som De ha^-1 *

20 kg N ha^-1

T25_0429 T25_0819 N_NEDFALL Kvävenedfall, kg N ha^-1 (länsvis, bilaga 3; STANK 4.2;

Jordbruksverket, 2001a)

NB0513

FORFRUKT Förfrukt TMED0513

FORFRUKT_N Förfruktsvärde, kg N ha^-1 T20_0513

MULLHALT Mullhalt, % T25_0513

MULLN 3,75 N kg ha^-1 per procentenhet över 4 % NB0527

ORGN Stallgödsel, N kg ha^-1 TMED0527

PRO Proteinhalt, % T20_0527

SKORD Avkastning, kg ha^-1 T25_0527

KARNN Kväveinnehåll i skörd, N kg ha^-1 NB0610 TILLFN Totalt tillfört kväve, N kg ha^-1 TMED0610 OPT_PROT För sorten optimal proteinhalt T20_0610 A Optimal kvävegiva enligt SJVs rekommendationer med hänsyn

tagen till förfrukt och antal djurenheter per ha (kg N ha^-1) (A2 i PCA-plottar)

T25_0610

B Differens mellan aktuell lagd kvävegiva och optimal kväve- giva enligt SJV (A) (kg N ha^-1) (B2 i PCA-plottar)

NB0624 C Optimal kvävegiva beräknad från aktuell kvävegiva plus/minus

differensen D.

TMED0624 D Differens i kvävegiva (+/-) för att uppnå för sorten optimal

proteinhalt jämfört med uppnådd proteinhalt. Optimal proteinhalt för lika sorter har antagits utifrån försöksresultat.

T20_0624

KRNN_TLFN KärnN/TillfN inkl. beräknat övrigt N T25_0624 OVERSK_N Överskott av N kg ha^-1 beräknat som tillfört minus bortfört NB0708 OVRSKN_TON Överskott av N, kg ha^-1, per ton avkastning TMED0708 ARC_ID Nummer på 20x20 km väderruta T20_0708

LERHALT Lerhalt T25_0708

NB0401 Ackumulerad nederbörd under en tvåveckorsperiod med start 1 april.

NB0722 TMED0401 Luftmedeltemperatur under en tvåveckorsperiod med start 1

april.

TMED0722 T20_0401 Antal dagar med luftmedeltemperatur över 20°C under en

tvåveckorsperiod med start 1 april.

T20_0722 T25_0401 Antal dagar med luftmedeltemperatur över 25°C under en

tvåveckorsperiod med start 1 april.

T25_0722

1 Klimatvariabler beräknade enligt NB0401, TMED0401, T20_0401 och T25_0401.

(11)

I projektet användes data från 10341 skiften med kontraktsodlat höstvete, maltkorn och grynhavre under åren 2000-2004 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 bort- förda 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 * 0,86 * 11,5)/5,7)/100 kg N ha^-1. Markkväve tillgängligt för grödan beräk- nades i databasen från mullhalten enligt 3,75 kg N ha^-1 per procentenhet över 4 %. Kväve- mineralisering utifrån antal djurenheter (De) per ha beräknades som antal De ha^-1 * 20 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 0 Stubbträda plöjning juli (2002-2004) 25 Råg 0 Stubbträda plöjning augusti (2002-2004) 12

Rågvete 0 Sockerbetor (2000-2001) 25

Höstkorn 0 Sockerbetor nedbrukad blast 25

Vårvete 0 Konservärtor 30

Havre 0 Sockerbetor bortförd blast (2002-2004) 0

Korn 0 Fånggröda i stråsäd (klöver) 20

Våroljeväxter 15 Gröngödslingsvall 50

Höstoljeväxter 30 Klöver-gräsvall, 50 % klöver 30

Ärter 30 Övrigt 0

Potatis 10 Lin 0

Stubbträda (2000-2001) 17

Fältförsöksmaterial från Mellansverige för åren 2000-2003 har varit underlag för beräkningar av optimala proteinnivåer. Främst är det resultat från en försöksserie med höstvetesorter och olika kvävenivåer (L7-150) som legat till grund för beräkning av proteinhalt vid optimal kvävegiva samt storleken på avvikelse från optimum vid aktuell proteinhalt. Dessa beräk- ningar gav 40 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 kvali- tativa 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.

(12)

 Beräkning av aktuell optimal kvävegiva enligt rekommendationer från SJV baserad på er- hållen skörd, justerad för förfruktseffekt (tabell 4) och antal djurenheter (parameter A).

 Skillnad i kg N ha^-1 mellan optimal kvävegiva enligt rekommendationer från SJV (para- meter A) och aktuell giva mineralkvävegödsel (parameter B).

 Kvävegiva för optimal gödsling beräknad utifrån sortens proteinhalt vid gödsling för optimal skörd. Aktuell kvävegiva korrigerades med 40 kg N ha^-1 per avvikande procentenhet protein efter för sorten optimal proteinhalt (parameter C). På basis av sortförsök, göds- lingsförsök 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, 2001; Mellansvenska försökssamarbetet, 2002; Mellansvenska försökssamarbetet, 2003; Lantmännen, 2003; Mellansvenska försökssamarbetet, 2004;

Mellansvenska försökssamarbetet, 2005). 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 40 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 2003. 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, 2001; Gustafsson et al., 2001) 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 Jordbruks- verkets rekommendationer för 2004 (Albertsson, 2003). 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, 2000; SCB, 2000;

Jordbruksverket, 2001b; SCB, 2001; Jordbruksverket, 2002; SCB, 2002; Jordbruksverket, 2003b; SCB, 2003). Officiell statistik för höstveteskördar för åren 2000-2004 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 identifi- kation 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-

(13)

hållande förmåga, rotdjup, växtnäringsinnehåll och risken för förluster av kväve och fosfor, samt klimat i form av nederbörd (mm) och lufttemperatur (°C) under perioden 2000-2004. 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 20 km x 20 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 = 25-40 %, 5 = 40- 60 % och 6 = >60 % ler (figur 1). Bestämningen gjordes för respektive koordinat genom interpolering av ca 78 000 markkarteringsprover i Syd – och Mellansverige från perioden 1998-2002 (Söderström, 2008). 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 20 km x 20 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 +20°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.

(14)

Figur 2. Nederbörd (mm) ackumulerad för 14-dagarsperioder under växtsäsongen 2000-2003 för några områden i vilka många av skiftena i databasen låg. Nederbörden beräknades inom 20x20 km² rutor från ursprungsdata från SMHI.

Figur 3. Dygnsmedeltemperatur (°C) för 14-dagarsperioder under växtsäsongen 2000-2003 för några områden i vilka många av skiftena i databasen låg. Dygnsmedeltemperaturen samt antal dagar med medeltemperatur över +20°C och antal dagar med medeltemperatur över +25°C inom respektive 14- dagarsperiod beräknades inom 20x20 km² rutor från

ursprungsdata från SMHI.

(15)

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 20 x 20 km² rutor.

Den geografiska variationen för respektive parametrar redovisas i kartform där data samman- ställts i rutorna om 20 x 20 km². 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 240 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 2000-2008 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, 2001; Gruvaeus 2002; Gruvaeus, 2003; Gruvaeus, 2004; Gruvaeus, 2005, Gruvaeus, 2006, Gruvaeus, 2007; Gruvaeus, 2008;

Krijger, 2009). Försöksresultat från 2000-2008 togs med för att få ett större underlag trots att de inte motsvarar åren 2000-2004 under vilka av observationerna från enskilda skiften var insamlade.

En känslighetsanalys runt det beräknade ekonomiska optimumet gjordes genom att kostnaden för att kvävegödsla med 30 kg N ha^-1 mer eller mindre än vid ekonomiskt optimum beräkna- des 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 tredje- gradspolynom. Anpassningarna gjordes i varje enskilt försök. Betalningen sattes till 1 kr för fodervete, 1,05 för brödvete och 1,1 kr för fullt pristillägg (enligt betalningen för Sigill-kont- rakterat höstvete). De enskilda åren 2000-2002 samt 2004 följdes betalningsskalan med olika avdrag och tillägg beroende av proteinhalt. För 2003 samt 2005-2008 användes samma avdrag och tillägg som för 2002. Vid känslighetsanalysen för +30 kg kväve extrapolerades i några fall till givor över 240 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.

(16)

Resultat och diskussion

Det sammanställda datamaterialet i projektet redovisas uppdelat på skiftesdata och fältför- söksdata. 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 50 % 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 klimat- variabler, 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.

(17)

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 2000-2004 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 10 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 2000-2004 antydde att en viss anpassning har gjorts då mineralgödselgivorna med kväve var lägst 2002-2004 där stallgödsel tillförts. De flesta åren var proteinhalterna högre i de stallgödslade skiftena. Avkastningen var i medel högst 2004 och lägst 2003.

0 2 4 6 8 10 12 14 16 18 20

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 9,5-10 över 10

Ton per ha (%)

0 5 10 15 20 25

under 10 10-10,5 10,5-11 11-11,5 11,5-12 12-12,5 12,5-13 13-13,5 13,5-14 14-14,5 14,5-15 över 15,0

Proteinhalt (% av ts) (%)

Figur 5. Avkastning (ton ha^-1) av höstvete åren 2000-2004 som andel skiften av totalt 6744 inom respektive 0,5-ton klass (medel=6 295 kg ha^-1 (arealviktat); median=6200 kg ha^-1; SD=1232).

Figur 6. Proteinhalt (% av ts) i höstvete med och utan stallgödseltillförsel 2000-2004 som procentandel skiften av totalt 6744 inom pro- teinhaltsklasser om 0,5 %-enheter (medel=12,6

% (arealviktat); median=12,6 %; SD=0,84).

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 2000-2004 (2000 (n=803); 2001 (n=1102); 2002 (n=1002); 2003 (n=1512) och 2004 (n=1465)) för skiften med höstvete odlad som brödsäd utan stallgödsel

År Mineral- gödsel N

Protein- halt

Skörd A B C D

Medel 2000 166 12,7 6 514 135 32 128 38

2001 159 12,4 6 120 128 31 132 28

2002 162 12,3 6 451 135 27 137 25

2003 157 13,2 5 520 115 42 99 59

2004 162 12,4 6 802 142 20 133 29

SD 2000 26 0,8 1 160 25 24 32 27

2001 26 0,8 1 340 27 25 42 32

2002 24 0,6 920 19 24 34 25

2003 25 0,7 1 230 24 25 38 29

2004 26 0,9 997 21 26 43 44

A. Optimal kvävegiva enligt SJVs rekommendationer, kg N ha^-1

C. Optimal kvävegiva beräknad från aktuell kvävegiva +/- D, kg N ha^-1

B. Differens mellan aktuell tillförd kvävegiva och optimal kvävegiva enligt SJV, kg N ha^-1

D. Skillnad i kvävegiva för uppnådd proteinhalt jäm- fört med kvävegiva för att uppnå för sorten optimal proteinhalt, kg N ha^-1

(18)

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 2000-2004 (2000 (n=114); 2001 (n=118); 2002 (n=90); 2003 (n=153) och 2004 (n=154)) för skiften med höstvete odlad som brödsäd med stallgödsel tillförd till grödan

År Mineral- gödsel N

Protein- halt

Skörd A B C D

Medel 2000 155 13,0 6 961 138 64 155 47

2001 145 12,3 6 593 131 63 173 21

2002 119 12,4 6 502 129 47 146 29

2003 120 13,4 5 662 110 65 111 64

2004 129 12,7 6 980 136 47 144 40

SD 2000 34 0,7 1 059 24 41 40 26

2001 34 0,7 1 000 23 39 34 23

2002 40 0,6 773 18 34 36 26

2003 45 0,7 1 100 28 44 51 28

2004 39 0,8 990 25 53 47 30

Tabell 7. Kvävegiva (kg N ha^-1), proteinhalt (% av ts), skörd (kg ha^-1) samt beräknade parametrar (kg N ha^-1) år 2000-2004 uppdelade efter höstvetesort (Tarso (n=2034), 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- gödsel N

Protein- halt

Skörd A B C D

Medel Tarso 170 13,0 6 645 135 35 132 38

Stava 153 12,5 5 803 125 28 114 39

Kosack 155 12,4 5 882 125 30 121 34

Gnejs 194 12,8 7 587 153 40 140 53

Olivin 155 12,4 6 763 142 17 140 15

SD Tarso 26 0,8 1 308 27 25 41 33

Stava 21 0,7 1 013 22 25 36 29

Kosack 23 0,8 1 056 23 27 39 32

Gnejs 22 0,8 1 111 25 26 33 31

Olivin 19 0,8 1 032 23 22 36 31

(19)

Tabell 8. Kvävegiva (kg N ha^-1), proteinhalt (% av ts), skörd (kg ha^-1) samt beräknade parametrar (kg N ha^-1) år 2000-2004 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-

gödsel N

Protein- halt

Skörd A B C D

Medel Tarso 146 13,0 6 720 132 67 158 41

Stava 115 12,8 6 172 121 52 122 52

Kosack 129 12,4 6 312 125 49 137 36

Gnejs 150 12,7 7 153 138 67 157 48

Olivin 126 12,7 6 905 138 37 147 29

SD Tarso 39 0,8 1 190 28 46 49 31

Stava 36 0,8 894 21 30 42 31

Kosack 38 0,8 1 003 23 34 43 31

Gnejs 33 0,7 1 235 28 67 64 28

Olivin 40 0,6 1 075 26 40 32 22

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:

2000 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.

2001 PCA-analysen visade på liknande trender som 2000 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

2002 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 kväve-

gödsling utifrån uppnådd avkastning.

2003 Områdena var tydligt grupperade. Skörd var negativt korrelerad till lerhalt, Skåne hade högst skördar och mest tillfört N.

2004 Även 2004 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.

(20)

Medelvärdena för avkastning, proteinhalter och gödsling visade på skillnader mellan höst- vetesorterna (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 2000-2004 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-

gödsel N

Protein- halt

Skörd A B C D

Medel Dalarna (14) 118 11,7 5 194 108 10 108 9 Gotland (73) 145 12,7 6 225 126 19 106 39 Skåne (1026) 191 13,0 7 572 152 39 148 44 Stockholm (293) 144 12,4 6 194 129 15 114 31 Södermanland (592) 147 12,5 5 660 122 25 112 35 Uppsala (1486) 155 12,6 6 068 129 26 118 37 Värmland (38) 149 12,4 5 164 109 40 131 19 Västmanland (358) 151 12,4 5 703 121 29 120 31

V. Götaland (657) 169 12,5 6 117 131 37 138 31 Örebro (183) 144 12,2 5 421 114 30 121 23 Östergötland (1389) 159 12,6 6 146 127 32 122 37

SD Dalarna 18 0,7 845 19 28 25 29

Gotland 16 1,1 1 294 31 31 48 42

Skåne 20 0,7 1 082 23 25 34 31

Stockholm 19 0,8 1 229 27 28 35 31

Södermanland 22 0,7 1 053 23 25 34 28

Uppsala 20 0,8 1 011 22 25 39 31

Värmland 14 1,1 1 277 27 32 34 40

Västmanland 19 0,8 1 093 25 21 36 31

V. Götaland 26 0,9 1 110 23 25 42 34

Örebro 30 1,0 1 063 25 37 41 37

Östergötland 19 0,9 989 22 26 38 35

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). Avkast- ningen i Halland låg något över den i Skåne i de fall stallgödsel tillförts (tabell 10). 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 be- räknat 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

(21)

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 an- vändes 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 10). 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 divide- rades med kvävegivan som ett mått på kväveeffektiviteten, representerades de högsta kvoter- na av Skåne och Mälardalen-Hjälmarområdet (figur 12). En hög kvot visar på sämre utnyttjande av tillfört kväve, dvs. lägre kväveeffektivitet.

Tabell 10. Kvävegiva (kg N ha^-1), proteinhalt (% av ts), skörd (kg ha^-1) samt beräknade parametrar (kg N ha^-1) år 2000-2004 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-

Gödsel N

Protein Skörd A B C D 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) 160 12,8 7 143 144 66 172 37

Stockholm (43) 103 12,8 6 934 142 23 121 44 Södermanland (53) 121 12,7 6 010 121 41 125 37

Uppsala (58) 113 13,0 6 192 118 53 117 53

Västmanland (18) 150 12,7 5 627 119 49 123 45 V Götaland (57) 155 12,8 6 271 128 70 156 41

Örebro (21) 101 13,5 5 057 102 89 124 67

Östergötland (208) 124 12,7 6 472 122 57 139 40

SD Gotland 27 1,1 2 143 23 28 39 42

Halland 5 0,9 1 990 10 20 25 38

Skåne 35 0,7 2 556 27 50 48 30

Stockholm 22 0,7 2 014 21 25 27 27

Södermanland 29 0,6 1 376 22 29 34 20

Uppsala 32 0,8 1 509 22 57 55 35

Västmanland 17 0,6 2 896 31 37 37 24

V Götaland 34 0,9 1 208 25 38 43 33

Örebro 39 1,0 5 493 22 51 65 36

Östergötland 40 0,8 1 449 22 35 45 30

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

(22)

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 höstveteobser- vationerna var skillnad mellan åren tydlig. Utan klimatvariablerna var den stora skillnaden mellan länen istället. Den relativt högre avkastningen i Skåne och större kvävegivorna åskåd- liggjordes 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, 10-11 och 16-19.

Figur 8. Skörd av höstvete 2000-2004 (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 >20°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

(23)

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.

0 2 4 6 8 10 12 14 16 18 20

0-10 10-20 20-30 30-40 40-50 50-60 60-70 70-80 80-90 90-100 100-110 110-120 120-130 130-140 140-150 150-160 160-170 170-180 180-190 190-200 200-210 210-220 220-230 230-240 240-250 250-260 260-270 270-280 280-290 290-300 300-310 310-320 (%)

0 2 4 6 8 10 12 14 16 18

0-10 10-20 20-30 30-40 40-50 50-60 60-70 70-80 80-90 90-100 100-110 110-120 120-130 130-140 140-150 Över 150

kg N per ha (%)

Figur 9. Tillförd mängd kväve som mineralgödsel (kg N ha^-1) till höstvete 2000-2004 med procentuell fördelning av antal skiften i klasser om 10 kg N ha^-

1 från skiften med och utan stallgödseltillförsel (medel=158 (arealviktat); median=157; SD=28).

Figur 10. Kväveöverskott (kg N ha^-1) i höst- vete med och utan stallgödseltillförsel med procentuell fördelning inom klasser beräknat som: Tillfört kväve – Bortfört kväve i kärna.

Tillfört kväve = mineralkväve + stallgödsel- kväve + kväve i utsäde + övrig kväveminera- lisering (stallgödsel, förfrukt och mullhalt) (medel=67 (arealviktat); median=64; SD=29).

Höstveteobservationerna grupperades och analyserades även inom högre avkastning (> 7 000 kg ha^-1) och inom lägre avkastning (< 6 000 kg ha^-1) (bilaga 5). I gruppen 7000 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 6000 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 (2001). 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 förkla- ringen i någon av komponenterna. När observationerna sorterades efter Neff > 70 % eller < 70

% så var lerhalt och skörd starkare negativt korrelerade i gruppen > 70 %. Åren grupperade sig inom Neff < 70 % men överlappade mer i gruppen Neff > 70 %. Inom Neff > 70 % 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 < 70 %.

(24)

Figur 11. Tillfört kväve i höstvete 2000-2004 (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).

0 2 4 6 8 10 12 14 16 18 20

0-10 20-30 40-50 60-70 80-90 100-110 120-130 140-150 160-170 180-190 200-210 220-230 240-250 260-270 280-290 300-310

kg N per ha (%)

Aktuell gödsling A C

0 5 10 15 20 25 30 35 40

under -75 -75--50 -50--25 -25-0 0-25 25-50 50-75 75-100 100-125 125-150 över 150

kg N per ha (%)

B D

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 2000-2004 (A medel=129 (arealviktat), A median=128, A SD=26; C medel=128 (arealviktat), C median=127, C SD=40; aktuell gödsling medel=158 (arealviktat);

median=157; SD=28).

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 2000-2004 från skiften med och utan stallgödseltillförsel.

(25)

0 10 20 30 40 50 60 70

2000 2001 2002 2003 2004

N (kg/ha)

B D

a

0 10 20 30 40 50 60 70

2000 2001 2002 2003 2004

N (kg/ha)

B D

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 2000-2004 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=40;

D SD=31).

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, 2008) och parameter D visar på optimal gödsling i förhållande till för sorten optimal proteinhalt (figur 13-19 och tabell 5-10). Den aktuella gödslingen låg i medel över den beräknade gödslingen enligt Jordbruksverket (parameter A). Figur 13 visar på hur den

(26)

aktuella gödslingen fördelades på skiftena i jämförelse med parameter A och C, optimal göds- ling för sorten optimal proteinhalt. Differensen mellan aktuell gödsling och Jordbruksverkets rekommenderade respektive för sorten optimal var i medel cirka 30 kg N ha^-1. 65 % av observationer låg 0-50 kg N ha^-1 och nära 90 % 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).