Utveckling av sortprovning av ensilagemajs, kvalitet och riskmanagement

Forage maize is an important forage type for dairy and beef production. Maize is different from other forages due to its physiology, large number of hybrids with variation in maturity, yield and quality. The turnover of the hybrids is high due to that new hybrids are introduced every year. The hybrid evaluation of the hybrids is important as the top 10 of the tested represents 90 per cent of the market for seeds. New research at SLU have found that there great possibilities to improve the present hybrid evaluation by the use of growth models and new NIRS applications. The targets with the project is to create a decision support system (DSS) for maize cultivation which can rank the hybrids by yield, quality and risk management as well as predict the expected yields under different climate scenarios.

Fodermajs är ett viktigt grovfoder för mjölk- och köttproduktionen. Det som skiljer majsen från andra typer av grovfoder är förutom växtens fysiologi, den stora sortvariationen avseende, avkastning, kvalitet och tidighet. Majssorterna är många, och har förhållandevis hög omsättning på marknaden då nya sorter introduseras kontinuerligt. Sortprovningen har stor betydelse för den praktiska odlingen, då ”topp 10” representerar 90 procent av marknaden för utsäde. Ny forskning vid SLU har funnit att det finns betydande möjligheter att förbättra genomförende och utvärdering av nuvarande sortförsök. Målet med projektet är att skapa ett beslutsstöd för odling av majs, baserat på kvalitet och riskmanagement. Konceptet omfattar på en mekanistisk tillväxtmodell i kombination med en ny applikation av foderanalyser med nära infrarött ljus (NIR). Beslutsstödskonceptet (DSS) kan rangordna majssorterna efter skörd och kvalitet och även prediktera det förväntade odlingsresultat under olika förhållanden.

Målet med projektet var att skapa underlag till beslutsstöd för odling av majs, baserat på sortval och riskmanagement. Arbetet har omfattat anpassning av en tillväxtmodell MAISPROQ för majs i kombination med en ny applikation av foderanalyser med nära infrarött ljus (NIR). Under 2016 har vi arbetat med ett valideringsprojekt, då vi validerat modellerna och testat en ny metod mot resultaten från ordinarie sortprovning. Resultaten visar att MAISPROQ har potential att prediktera, skörd, kvalitet och skördedatum för majs, men det finns behov av att utvärdera även andra tillväxtmodeller. Den multivariata modelleringen med NIR visar att vi kan prediktera majsens näringsvärde och morfologi utifrån NIR-spektra bättre än med de modeller som används idag. Valideringsprojektet visar att rankingen av sorterna varierar beroende på skördetillfälle, analysmetod och modell, samt att det finns ett tydligt behov av verktyg som hjälper försöksutförare och lantbrukare att skörda majs vid rätt tidpunkt.

Majs är ett viktigt grovfoder i den svenska mjölkproduktionen som odlas främst i Götalandsregionerna. För att uppnå en hög skörd och god kvalitet skall majsen skördas vid en torrsubstans (TS)-halt på omkring 34 %. Enligt statistik från svenska foderanalyser har fodermajsen under det senaste året medeltal en TS-halt på omkring 40 % hos lantbrukarna, vilket tyder på att man har skördat för sent. Samma problematik har uppmärksammats hos flera utförare av sortprovning av majs där sortförsöken skördats allt för sent vid för hög TS. En möjlighet att hjälpa lantbrukare och utförare av sortprovning att skörda i tid är att ta hjälp av datormodeller som utifrån lokala väderdata predikterar majsens mognad i fält. En sådan modell är MAISPROQ-modellen som vi testat i detta projekt. Metoden kräver dock att ett referensmaterial med våtkemiska analyser och graderingar i fält finns för att skapa kalibreringar för att prediktera mognad, morfologi och kvalitet. Målet med projektet har varit att skapa underlag för ett beslutsstöd (Decision Support System, DSS) för odling av majs, baserat på sortval och riskmanagement.
Projektet har haft fyra olika delar. 1) Ett referensmaterial har skapats genom att använda tidigare projekts material från 2008-2009, samt genom i nya majsförsök som genomförts 2013-2014, 2) Proverna har analyserats våtkemiskt och med NIR-instrument. Resultatet har använts för att skapa mulitvariata NIR-modeller för skörd och kvalitetsparametrar hos majs odlat i Sverige, 3) Klimat-, odlings- och foderdata från odlingssäsongerna 2013-2014 har använts för att anpassa MAISPROQ-modellen efter svenska förhållanden, 4). Under 2016 genomfördes ett valideringsprojekt, där prover togs nära optimal skördetidpunkt i ett växtmaterial från befintlig sortprovning. Därefter jämfördes skörderesultatet från valideringsprojektet med resultatet från den officiella sortprovningen och med prediktionerna som MAISPROQ-modellen gav. I valideringsprojektet applicerades de nya NIR modellerna på materialet.
Referensmaterialet som vi har tagit fram i projektet beskriver majsens tillväxt, kvalitet och under olika förutsättningar i Sverige. Förutom sorternas relativa tidighet och skördenivåer lyfter ofta förädlare av majs fram egenskaper som sorternas foderkvaliteter i form av stärkelsehalt och smältbarhet som fördelaktiga kvalitetter. För att sortprovningen skall kunna göra relevanta jämförelser avseende kvalitetsparametrar, krävs att det finns relevanta och kostnadseffektiva anlysmetoder att tillgå. De mest relevanta egenskaperna är majsens smältbarhet (OMD) som beskrivs av första hand kvalitén på fibern (iNDF). Jämförelser mellan projektets spektrala modeller och kommersiella foderanalyser visar att vi på SLU skulle kunna göra analysarbetet, snabbare, billigare och effektivare än kommersiella laboratorier, om vi själva hade tillgång till spektral instrumentering och egna referensmodeller ute på fältstationerna.
Arbetet med MAISPROQ modellen visade att modellen har potential att predikatera skörd, mognad (TS-halt) och kvalitet (stärkelsehalt) hos majs under flera olika odlingsförutsättningar i Sverige. Modellen kunde även prediktera optimal skördetidpunkt för ett flertal platser i Sverige. Valideringen av modellen mot den ordinarie sortprovningen visar att det finns ett tydligt behov av ett verktyg som hjälper försöksutförare och lantbrukare att skörda majs vid rätt tidpunkt. Resultaten från valideringsprojektet visar även att det finns behov att utveckla mognadsbedömning metodiken för provtagningen i sortprovningen. Med intelligent designade och väl genomförda sortförsök i kombination med matematiska modeller kan vi på sikt minska behovet av sortprovning i fält och ändå ha tillgång till lokala prognoser. Projektet har visat att med ny instrumentering och adekvata referensanalyser kan vi mäta foderkvalitet och även den förväntade mjölkproduktionen, vilket är ett relevant mått för lantbrukarna som odlar majs till foder för mjölkkor.