Grass-N-App: Grünlanddüngung mittels App optimieren
Die Grünlanddüngung einfach und bedarfsgerecht planen
Optimieren Sie Ihre Grünlanddüngung mit der kostenlosen GrassN-App von Yara. Die neueste Version 3.0 bietet Ihnen zahlreiche Funktionen für eine bedarfsgerechte Düngestrategie und für den sinnvollsten Schnittzeitraum.
Achtung: Die GrassN-App ist derzeit nur in Schleswig-Holstein, Niedersachsen und Teilen von Nordhein-Westfalen anwendbar. Ob Ihre Region verfügbar ist, erkennen Sie, wenn in der App Ihre Flächen mit einem blauen Rand auswählbar sind.
Vorteile der GrassN-App 3.0 von Yara:
- Sie erhalten einen Überblick über Ihre Düngemaßnahmen im Grünland.
- Das Programm gibt Ihnen eine Empfehlung für die mineralische und organische Düngung.
- Die Stickstoffeffizienz wird ermittelt.
- Sie können ganz einfach das Bestandswachstum und die Entwicklung des Rohproteingehalts überwachen.
- Die App nennt Ihnen den optimalen Schnittzeitpunkt für Ihr Ertragsziel
Die GrassN-App 3.0 von Yara ist standortspezifisch und berücksichtigt das lokale Wetter der letzten zwei Wochen sowie die Wettervorhersage vor Ort. Sie geben einfach Ihr Ertragsziel sowie die Düngermenge an, die Sie einsetzten möchten. Und schon berechnet Ihnen das Programm, den optimalen Schnittzeitpunkt.
Mit der GrassN-App von Yara optimieren Sie Ihre Grünlanddüngung einfach und bedarfsgerecht. Probieren Sie es jetzt aus und überzeugen Sie sich selbst!
GrassN-App jetzt ausprobieren!
Wie funktioniert die Yara GrassN-App 3.0?
Die App nutzt feldspezifische Empfehlungen und basiert auf lernfähigen Algorithmen, die eine Vielzahl von Daten nutzen. Dazu gehören:
- Wetter der vergangenen Wochen*
- 10-tägige Wettervorhersage*
- Bodenart*
- Bodenfruchtbarkeit (organische Substanz)*
- Ertrags- und Qualitätserwartung (Rohprotein)
- Geplante und realisierte Düngerausbringung
Die meisten dieser Daten sind automatisch verfügbar, sobald Sie auf das entsprechende Feld auf der Karte klicken. Bei Bedarf können Sie die Daten anpassen, um Ihre Fläche exakt abzubilden. Sie vervollständigen die Eingabe für das Modell, indem Sie Ihr eigenes Ernteziel eingeben.
*Ihr Standort wird verwendet, um die nächstgelegene Wetterstation und Bodeneigenschaften zu ermitteln. Sie können die Bodeneigenschaften an Ihre eigenen Analyseergebnisse anpassen.
Eine App für die Praxis
Die App unterstützt Sie schon zum ersten Schnitt: Schnitt- und Düngungstermine werden anhand Ihres Standortes und Ihrer Eingaben schnell ermittelt. Durch die Berücksichtigung der Witterungsbedingungen wie Temperatur und Niederschlag kann die N-Mineralisierung aus der organischer Bodensubstanz und der Gülle mit einkalkuliert werden. Auf diese Weise erhalte ich immer eine maßgeschneiderte Empfehlung für die optimale Düngungszeit und -menge.
Kurz gesagt: Mit der GrassN-App können Sie sicherstellen, dass Sie immer die richtige Menge an Stickstoffdünger, mineralisch und organisch, zum optimalen Zeitpunkt ausbringen. Das Ergebnis sind hohe Grünlanderträge mit sehr guter Futterqualität.
Das steckt hinter GrassN: Mehr als 40 Jahre Forschung in einer App
Das Beratungsmodell wurde vom Nutrient Management Institute (NMI) in Wageningen entwickelt. Mehr als 40 Jahre Forschung sind in die GrassN-App eingeflossen. Dieses Wissen bildet die Basis für eine passende Beratung für Sie. Die GrassN-App enthält fast alle Feldversuche, die seit 1950 in den Niederlanden durchgeführt wurden. Zusammen sind dies mehr als 55.000 Datenpunkte. Dies ermöglicht, zuverlässige Empfehlungen für Ihre Grünlandfläche zu treffen.
Durch maschinelles Lernen kann ein leistungsstarker Computer über komplexe Algorithmen, Muster in einem großen Datenlabyrinth erkennen. In diesem Fall handelt es sich um Faktoren, die den Ertrag und Proteingehalt von Gras bestimmen. Basierend auf diesen Mustern werden Entscheidungsbäume erstellt. Dann folgt der Validierungsschritt. Anhand eines unabhängigen Datensatzes wird überprüft, ob das Training erfolgreich war. Basierend auf neuen Daten kann der Entscheidungsbaum eine gute Schätzung des Ertrags und der Qualität auf einer bestimmten Parzelle abgeben.
