Thema: Monitoren van de voortgang richting 0,5 Mton

Ontsluiting van reeds verzamelde data

In het project ‘Slim landgebruik’ worden simulatiemodellen ingezet voor praktijkondersteuning bij de keuze van maatregelen voor koolstofvastlegging en voor monitoring van het effect ervan. Deze studie beschrijft  in 2018 welke data daarvoor nodig zijn geweest en hoe en onder welke voorwaarden die ingevuld kan worden met bestaande en eventueel uit te breiden databronnen.

Benodigde data
In dit project is geïnventariseerd welke databehoefte er is bij vier mogelijke simulatiemodellen. Het gaat om de volgende categorieën:

  1. Bodemgegevens
  2. Klimaatgegevens
  3. Koolstofaanvoer via mest
  4.  Irrigatiegegevens
  5. Gewasgegevens
  6. Graslandbeheer
  7. Overige managementgegevens, met name grondbewerking.

Databronnen
In het project is ook een inventarisatie van mogelijke databronnen uitgevoerd die in de hier beschreven databehoefte zouden kunnen voorzien. In grote lijnen betrof dit:

  1. TeeltCentraal of een vergelijkbaar systeem
  2. Kringloopwijzer (KLW)
  3. Eurofinsdata (of andere labs)
  4. De Gecombineerde Data Inwinning (GDI), Landbouwtelling en andere bronnen van RVO;
  5. Akkerweb
  6. De Agrodatacube en de Basisregistratie Ondergrond (BRO)
  7.  Data uit experimenten door WUR Open Teelten
  8. Het Bedrijveninformatienet en in het bijzonder de aanvullende steekproef in het Landelijk Meetnet effecten Mestwetgeving (LMM).

Is matching mogelijk?
Als derde stap is gekeken naar de matching van de gegevens in de onderzochte bronnen met de databehoefte. Geen enkele databron blijkt alle benodigde data voor de modelsimulaties te bevatten. De meeste data is uit de combinatie van datasets te halen. Een deel van de data over bodemmanagementmaatregelen bleek te ontbreken of niet op het juiste detailniveau aanwezig te zijn.

Scenario’s naar oplossing
Ten slotte zijn vier scenario’s onderscheiden en beoordeeld (zie onderstaande tabel) waarmee in de toekomst in de databehoefte zou kunnen worden voorzien, ofwel via combinatie van databronnen ofwel via aanvullende dataverzameling, door:

  1. Gebruik van landsdekkende informatie via KLW (melkvee) en een ‘Teelt Centraal-achtig systeem’ (akkerbouw). Sectordatasystemen worden daarbij (naast toepassing in een praktijkmodel) gebruikt om de realisatie van een overheidsdoel te voorspellen.
  2. Landsdekkende informatie via het afdekken van regionale schattingen. Daarbij wordt gebruikgemaakt van datasystemen zoals in scenario 1, maar met schattingen per bodem-gewastype op basis van vrijwillige deelname door boeren.
  3. Landsdekkende vastlegging van genomen maatregelen via RVO/GDI. Dit zou een uitbreiding van de Landbouwtelling betekenen.
  4. Een representatieve steekproef (Bedrijveninformatienet) verrijken, bijvoorbeeld via een uitgebreide vastlegging van informatie op een representatieve steekproef van bedrijven, zoals in LMM.

Bij de beoordeling is onder andere gekeken naar kwaliteit van de data, de borging daarvan, de (eventuele) representativiteit (in geval van een steekproef) en de privacy. Het gebruik van boerendata (data uit bronnen die door of namens de boeren zijn ingebracht) voor nationale monitoring ligt gevoelig bij boeren.

Tabel. Beoordeling van scenario’s op geschiktheid voor dataverzameling ten behoeve van modelruns

Met name scenario 3 scoort hoog qua dekking over het areaal grasland en voeder- en akkerbouwgewassen. Maar de datavoorziening voor de modellen op zowel perceels- als landelijk niveau is onvoldoende om volledig aan de doelen voor het praktijkmodel en de nationale monitoring te kunnen voldoen. Een combinatie van scenario’s zal waarschijnlijk hiervoor oplossing kunnen bieden.