Maitotilan fosforikierron mallintaminen

Intensiivinen kotieläintalous ja sen alueellinen keskittyminen ovat keskeisiä tekijöitä maatalouden vesistökuormituksen kannalta. Empiiristen tutkimusten mukaan maitotilojen fosforin (P) että typen (N) porttitaseet ovat selvästi ylijäämäiset Suomessa. Intensiiviseen karjatalouteen, erityisesti maidontuotantoon, kohdistuukin tulevaisuudessa entistä suurempi paine vähentää ravinnepäästöjä, jotta sisä- ja rannikkovesien rehevöitymiskehitys voitaisiin katkaista. Peltoviljelyn ravinnehuuhtoumariskit ovat sidoksissa ravinnetaseisiin, vaikka lyhyellä aikavälillä (satovuosi) yhteys ei välttämättä ole kovin voimakas. Pidemmällä aikavälillä ravinnepäästöt eivät vähene, ellei ravinneylijäämiä voida pienentää. Tämän tutkimuksen tavoitteena oli 1) mallintaa maitotilan fosforija typpikierto ja 2) testata mallin toimivuus riippumattomalla tila-aineistolla. Tavoitteena oli, että mallin avulla voidaan kvantitatiivisesti arvioida maitotilan ravinnetase ja ennustaa erilaisten peltoviljelyn ja maidontuotannon vaihtoehtojen vaikutuksia ravinnetaseisiin. Maitotilamalli Lypsikki koostuu viidestä eri alamallista: karjan uudistus (1), maidontuotanto (2), karjanlanta (3), rehuviljely (4) sekä ravinnetaseet (5). Malli toimii MS-excel -taulukkolaskentaohjelmalla. Rehuviljelyosassa arvioidaan viljeltyjen kasvien sadot ja satojen typpi- ja fosforipitoisuus. Satofunktiot estimoitiin kotimaisten ruutusatokokeiden perusteella siten, että typpi- ja fosforilannoituksen vaikutus kasvien satoon huomioitiin erillisinä. Fosforilannoitusvasteen oletettiin riippuvan maan viljavuusfosforiluvusta. Mallissa lasketaan tietyn lehmämäärän tarvitsema nuorkarjan määrä, kun kaikki tilan eläimet kasvatetaan itse ja lehmien poiston osuus ja poikimisväli vaihtelevat. Simulointi rakennettiin Powersim ohjelmalla. Nuorkarjan tarvitsema rehumäärä laskettiin ruokintasuositusten mukaan, ja erotuksena saatiin lehmille jäävä rehusatomäärä. Ruokintana käytettiin ympärivuotista säilörehuruokintaa. Lehmien tarvitsema rehumäärä laskettiin voimassa olevia ruokintasuosituksia noudattaen, mutta siten, että normeja on mahdollista muuttaa eri simuloinneissa. Lehmien syöntipotentiaali mallinnettiin erikseen eläintekijöistä (tuotospotentiaali, elopaino) ja dieettitekijöistä (karkearehun laatu ja väkirehuruokinta) riippuvaksi. Lehmien dieetti optimoitiin pienimmän rehuannoksen hinnan perusteella keskimääräiselle tuotostasolle laktaation aikana ottaen huomioon lehmien syöntipotentiaali, 7 tuotostaso sekä käytössä olevien rehujen laatu ja hinta. Maidontuotanto ja maidon koostumus laskettiin käyttäen energian ja valkuaisen saantiin perustuvia todellisia tuotosvasteita. Ravinnetaselaskennassa arvioidaan maitoon, eläimiin ja lantaan jakautuvat ravinteet, ja lasketaan tilan ravinteiden porttitaseet ottaen huomioon kasvien, maidon ja eläinten myynnit tilalta ulos ja ravinteiden ostot mm. lannoitteissa ja rehuissa. Malli testattiin 26 maitotilan aineistolla, joka sisälsi 1 4 satovuoden ravinnetaseet. Tulokset osoittivat, että mallilla lasketut tilojen fosfori- ja typpitaseet korreloivat hyvin havaittujen taseiden kanssa (P: R2 = 0.800 ja N: R2 = 0.876). Sekä mallilla simuloitujen että havaittujen tulosten perusteella tilalle ostettu fosforilannoitekilo lisäsi porttitasetta noin 0.99 1.08 kg/ha eli lannoitefosfori jäi kokonaan peltoon. Tämä johtuu todennäköisesti siitä, että fosforilannoituksen satovasteet ovat maitotiloilla karjanlannan kaytöstä ja maan korkeista fosforiluvuista johtuen pieniä. Tila-aineistot osoittavat, että ostorehuissa tilalle tulevaa fosforia ei ole otettu huomioon kasvien lannoituksessa. Tuotantointensiteetin lisääntyessä 1000 maitokilolla hehtaaria kohti fosforitase nousi 1.7 2.0 kg/ha sekä mallisimuloinneissa että tila-aineistoissa. Tutkimus osoitti, että suomalaisten maitotilojen fosforitase voidaan laskea reilusti alle puoleen nykyisestä vähentämällä oleellisesti tai lopettamalla kokonaan taloudellisesti kannattamaton fosforilannoitus. Tuotantointensiteetin lisäys lehmämäärää lisäämällä nostaa fosforitasetta vähemmmän kuin ruokintaintensiteetin, erityisesti valkuaisruokinnan, lisäys. Johtopäätöksenä voidaan todeta, että maitotilan kasvinviljelyn ja maidontuotannon integroiva systeemimalli on hyvin käyttökelpoinen työkalu ravinteiden hyväksikäytön tehostamiseksi. Jatkotutkimuksissa mallia täydennetään laidunkierrolla ja nurmirehujen korjuustrategialla.Intensive animal production and its concentration to certain areas are important factors influencing nutrient emissions to the environment. Empirical field data indicates that farm gate phosphorus (P) and nitrogen (N) balances are highly positive in Finland and calls for measures to reduce the balances especially in milk production. While the relationship between P and N emissions and nutrient balances may not be very strong within a shorter period (e.g. growing season), nutrient leaching losses can not be ultimately mitigated unless excesses per hectare are reduced. The objective of this study was to model N- and P cycles on dairy farms (2) and to validate the model with independent farm data. The objectives of the model were to predict nutrient balances in a dairy farm and estimate the effect of different management decisions in crop and milk production on nutrient balances. The dairy farm model ( Lypsikki ) includes five sub-models: herd replacement (1), milk production (2) manure management (3), crop production (4) and farm nutrient balances (5). The model was constructed using MS-Excel® and the optimizations were made using Excel Solver®. Crop yield functions were based on Finnish data from plot-experiments. The effects of N- and P-fertilization on crop yields were assumed to be independent of each other. The responses to Pfertilization were related to soil P-test. The herd model estimates the number of young stock needed to maintain the given herd size, when replacement rate and calving interval are known. The model assumes that the heifers are raised on the farm. Herd replacement model was constructed using Powersim® software. Milk production model assumes zero grazing system with year-round silage feeding. The amount of feeds required by the young stock was calculated according to the Finnish recommendations and the remaining feed produced on farm was available for dairy cows. Feeding of dairy cows was calculated using the current feeding recommendations, but the model allowed adjusting the recommendations to predict the effects of feeding intensity on nutrient balances. Intake potential of the cows was modeled from animal (yield potential, live weight) and dietary (forage quality, concentrate feeding) factors. The diet was 9 optimized for minimum cost to meet the requirements, taking into account intake potential, milk production, and the amount, quality and price of the feeds. Milk production and milk composition were estimated from intake of energy, protein and some other nutrients using prediction equations derived from a large data set (998 treatment means). The nutrients in milk, animals and manure were estimated by nutrient balance sub-model. Farm gate nutrient balances were calculated as a difference between imported fertilizers, manure, feeds and animals and exported milk, animals, crops and manure. The model was validated using data from 26 dairy farms, including calculated nutrient balances of 1 4 years. The model validation indicated a strong relationships between model-predicted and observed farm gate nutrient balances: (P: R2 = 0.800 and N: R2 = 0.876). Based on both model predictions and farm data, one kg of purchased P-fertilizer increased farm gate P-balance by 0.99 1.08 kg; i.e. all purchased P-fertilizer remained on the farm and increased the amount of P available for leaching or surface run-off. This is most likely related to small yield responses to increased P-fertilization in dairy farms where manure P is used and soil P-test values are usually high. Small positive correlation in the amount of imported fertilizer and feed P indicates that feed P (and manure P) is not taken into account in P-fertilization. Farm gate P-balance increased 1.7 2.0 kg/ha both in model simulations and farm data as production intensity was increased by 1000 kg milk/ha. Farm gate P-balance can be reduced to less than 50% of the current level by markedly reducing or completely giving up the application of purchased P-fertilizers. Increasing production intensity (kg milk/ha) by more intensive feeding, especially protein, will increase farm gate P-balance more than increasing the number of cows while maintaining production level per cow. It can be concluded that the constructed model, which integrates crop and animal production, and manure management on dairy farms is a useful tool in finding the most efficient means to reduce farm nutrient balances and nutrient emissions. The future work will focus on including grazing and forage harvesting strategies in the model.vokMyynti MTT, Tietopalvelut 31600 Jokioine