De nieuwe wereldwijde kunstmestkaart

Wat het wel, en niet vertelt over een perceel

Meststofstatistieken wekken vaak een valse indruk van precisie.

Een land kan rapporteren hoeveel ton stikstof, fosfaat en kalium het verbruikt. Maar die nationale totalen laten niet zien hoe de nutriënten zijn verdeeld over tarwe, maïs, groenten, boomgaarden, grasland en ander landgebruik. Ze zeggen ook weinig over de vraag of de meststof de juiste bodem, het juiste gewas, het juiste groeistadium of de juiste wortelzone heeft bereikt.

Dat gebrek aan informatie maakt het moeilijk om zowel overmatig als ondermatig gebruik te diagnosticeren.

Een nieuwe wereldwijde dataset verbetert het strategische beeld aanzienlijk. Onderzoekers reconstrueerden de gewasspecifieke toedieningshoeveelheden stikstof, fosfor en kalium voor elk land van 1980 tot en met 2022. Het werk laat sterk uiteenlopende meststoftrajecten zien en bevestigt waarom de wereld niet één universeel probleem met nutriëntenbeheer heeft.

Het toont ook een belangrijke grens aan tussen data en agronomie. Een wereldwijd model kan aangeven waar we beter moeten kijken. Het kan niet bepalen wat een individueel perceel nodig heeft.

Onderzoeksresultaten

Deepak Ray van het Institute on the Environment van de Universiteit van Minnesota ontwikkelde de dataset samen met Tek Sapkota van CIMMYT and Achim Dobermann van de International Fertilizer Association.

Hun werk, gepubliceerd in Environmental Research Letters, bracht ongeveer 800.000 gerapporteerde datapunten samen en gebruikte speciale imputatiesoftware om continue jaarlijkse tijdreeksen te construeren. Het project nam zes jaar en ongeveer 20.000 regels code in beslag.

De voltooide dataset schat de toedieningshoeveelheden van N, P en K voor:

• 156 individuele gewassen

• Grasland en bossen

• Elk land

• Elk jaar van 1980 tot en met 2022

• Tien hoofdgewassen op subnationaal niveau in 25 landbouwkundig belangrijke landen

De tien gewassen in de openbare dataset rond het jaar 2020 zijn gerst, cassave, maïs, oliepalm, koolzaad, rijst, sorghum, soja, suikerriet en tarwe.

De onderzoekers rapporteren dat tussen 1980 en 2020 het meststofgebruik per gewas toenam met 68% voor stikstof, 52% voor fosfor en 69% voor kalium. De recente groei in de totale N- en P-consumptie werd meer gedreven door de uitbreiding van het geoogste areaal dan door hogere giften per hectare. De groei van kalium weerspiegelde zowel een groter areaal als hogere giften.

Dat onderscheid is commercieel belangrijk. Een grotere totale vraag naar meststoffen betekent niet automatisch dat bestaande telers meer per perceel toedienen. Het kan juist duiden op meer hectaren die bemest worden.

De regionale verschillen blijven extreem. De stikstofgiften variëren meer dan tienvoudig tussen de regio's met de hoogste en de laagste input. Regio's met historisch hoge giften, waaronder delen van Europa en China, laten een daling zien in de toediening. Landen als Ethiopië en Vietnam zijn gestegen vanaf een veel lager startpunt, terwijl een groot deel van Sub-Saharisch Afrika nog steeds zeer weinig kunstmest gebruikt.

Het peer-reviewed onderzoek en het University of Minnesota Global Fertilizer Use Dataset-project kaderen deze patronen eerder in als verschillende fasen van kunstmestontwikkeling dan als één wereldwijde trend.

Wat de imputatie betekent

De prestatie van de dataset is ook meteen de belangrijkste beperking.

Directe waarnemingen vormen slechts circa 0,5% tot 1% van de land-gewas-jaarcombinaties die nodig zijn om de volledige tijdreeks te construeren. De overige waarden zijn geschat.

De onderzoekers gebruikten een driestappenproces. Historische gegevens over het meststofgebruik per gewas vormden de basis. Directe waarnemingen voor specifieke jaren bleven behouden. Geschatte waarden werden vervolgens zo gecorrigeerd dat de landelijke totalen overeenkwamen met de gerapporteerde agrarische meststofconsumptie.

In tegenstelling tot eerdere reconstructies vertrouwde dit model niet op economische indicatoren zoals het bruto binnenlands product. Dit voorkomt een mogelijke bron van indirecte vertekening.

Het verandert geschatte waarden echter niet in harde metingen.

Een geïmputeerde N-gift voor maïs is de best mogelijke reconstructie op basis van onvolledige gegevens. De betrouwbaarheid is groter waar waarnemingen talrijk en consistent zijn, en lager waar kunstmestmarkten, informele distributie, gewasallocatie of rapportages gebrekkig gedocumenteerd zijn.

De dataset is daarom het meest geschikt voor regionale vergelijkingen, historische analyses, marktplanning, milieumodellering en het identificeren van datalacunes. Elke waarde behandelen als een exacte toedieningsregistratie zou de bewijskracht overstijgen.

Agronomische interpretatie

De toedieningshoeveelheid is niet gelijk aan de nutriëntenbeschikbaarheid voor de plant

Stikstofmeststoffen kunnen ureum, ammonium, nitraat of mengsels bevatten. De efficiëntie hiervan hangt af van de toedieningsmethode, neerslag, irrigatie, temperatuur, vervluchtiging, vastlegging, nitrificatie, denitrificatie, uitspoeling, beworteling en de gewasbehoefte. Het vinden van de juiste balans gaat daarom over meer dan alleen de hoeveelheid toegediende stikstof; de stikstofstatus en de gewasbehoefte moeten in samenhang worden geïnterpreteerd.

Fosfor kan in een ogenschijnlijk ruime hoeveelheid worden toegediend, maar toch slecht beschikbaar blijven door calciumprecipitatie in kalkrijke bodems of adsorptie door ijzer- en aluminiumoxiden in zure bodems. Omgekeerd kan een lage jaarlijkse P-gift tijdelijk voldoende zijn op percelen met een grote historische fosfaatvoorraad die de wortels kunnen bereiken.

Kalium kan in de bodemoplossing blijven, de uitwisselingscomplexen bezetten, gefixeerd raken tussen kleiplaten of vrijkomen uit mineralen. De afvoer door het gewas verschilt enorm tussen uitsluitend graanoogst, voedergewassen, aardappelen, suikerbieten en systemen waarbij gewasresten worden afgevoerd.

Dit onderscheid tussen de totale nutriëntenvoorraad en direct beschikbare nutriënten is ook belangrijk bij het interpreteren van bodemanalyses. Een bodemanalyse via koningswaterontsluiting kan bijvoorbeeld nutriëntenreserves aantonen die gangbare extractiemethoden niet laten zien.

Organische meststoffen zorgen voor extra onzekerheid. Dierlijke mest, compost, digestaat, gewasresten, irrigatiewater en biologische fixatie kunnen nutriënten leveren die buiten de minerale kunstmestdataset vallen. Het deel dat tijdens het groeiseizoen beschikbaar komt, hangt af van de samenstelling en de weersomstandigheden.

Een hoge regionale kunstmestgift bewijst daarom nog geen overbemesting. Het kan gepaard gaan met een hoge afvoer, een lage natuurlijke levering, intensieve rotaties of een lage benuttingsefficiëntie. Een lage gift bewijst evenmin efficiëntie; het kan duiden op beperkte beschikbaarheid, lage rentabiliteit of ernstige bodemuitputting.

De dataset toont het inputpatroon. Het toont op zichzelf niet het resultaat in de bodem-plantrelatie.

Mogelijke managementimplicaties

De meest nuttige toepassing is hiërarchisch.

Op mondiaal en nationaal niveau kan de dataset gewassen en regio's identificeren waar het nutriëntengebruik snel verandert, waar toeleveringsketens kwetsbaar zijn, of waar ecologisch en agronomisch onderzoek prioriteit moet krijgen.

Op regionaal niveau kan het een benchmark bieden. Stijgen of dalen de gerapporteerde meststofgiften? Welke nutriënten en gewassen sturen deze verandering aan? Wordt het toegenomen verbruik veroorzaakt door intensivering of door extra hectaren?

Op perceelsniveau moet die benchmark worden vervangen door concrete metingen:

• Bodemvruchtbaarheid per relevante diepte en extractiemethode

• pH, zoutgehalte, textuur, organische stof, CEC en kalkgehalte

• Minerale en organische nutriënteninputs

• Meststoftype, dosering, timing, plaatsing en applicatiekwaliteit

• Bodemvocht, temperatuur, neerslag en irrigatie

• Storende lagen voor beworteling en perceelsvariabiliteit

• Blad- of plantsapanalyses in specifieke gewasstadia

• Opbrengst, gewaskwaliteit en nutriëntenafvoer

• Nalevering, verliezen en economisch rendement

Plantsapanalyse kan bijzonder nuttig zijn op perceelsniveau, omdat het informatie geeft over de nutriënten die op dat moment door de plant stromen, in plaats van alleen te vertrouwen op wat op het perceel is gestrooid. Het monitoren van plantsap over de tijd helpt om tekorten, overschotten, wanverhoudingen en antagonismen te identificeren voordat ze visueel zichtbaar worden in het gewas.

Waar mogelijk moeten adviezen worden getest in herhaalde praktijkstroken of zones. De opbrengstrespons — en niet de conformiteit met een regionaal gemiddelde — bepaalt of een extra eenheid meststof rendeert.

Beperkingen en onbekenden

Dit betreft een datareconstructie- en trendanalysestudie, geen gerandomiseerde bemestingsproef. Het stelt geen sufficiency-drempels, economisch optimale giften, benuttingsefficiënties of causale opbrengstreacties vast.

Nationale en subnationale schattingen kunnen variabiliteit op bedrijfsniveau maskeren. Ze missen mogelijk ook verschillen in meststofformulering, plaatsing, organische mest, nutriënten in irrigatiewater, gewasrestenbeheer en productkwaliteit.

De volledige dataset 1980–2022 en de software zijn beschikbaar via licenties, kosteloos voor academisch onderzoek. Een openbare momentopname rond het jaar 2020 is gearchiveerd op Dryad. Commerciële gebruikers moeten er rekening mee houden dat de International Fertilizer Association een projectpartner was; het werk blijft een peer-reviewed wetenschappelijke reconstructie, maar de institutionele relatie is relevante context.

Aanbeveling

Gebruik de dataset om de context te begrijpen en betere vragen te stellen — niet om perceelsgiften te bepalen.

Een regionale schatting kan aantonen dat het meststofgebruik van een gewas ongewoon hoog, laag of snel veranderend lijkt. Bodem-, plant-, weers-, toedienings- and opbrengstgegevens moeten vervolgens bepalen of het perceel een tekort heeft, inefficiënt is, in balans is of nutriënten ophoopt.

Stikstof is hiervan een goed voorbeeld. Toegediende N alleen laat niet zien of het gewas die stikstof efficiënt benut. Het combineren van plantsap- en bodemanalyses kan een directere feedbacklus opleveren voor het bijsturen van de stikstofbemesting, inclusief het identificeren van kansen om onnodige giften en verliezen te beperken.

Plantsapgegevens kunnen die feedbacklus verder versterken. In plaats van te wachten op visuele gebrekssymptomen, kunnen telers monitoren welke nutriënten de plant daadwerkelijk opneemt en deze trends gebruiken naast bodem-, weers-, toedienings- en opbrengstgegevens.

Hier is de cyclus Meten → interpreteren → adviseren → handelen → monitoren essentieel. Een model kan het grotere patroon laten zien. Metingen in het veld bepalen of dat patroon klopt. Een gerichte actie test het advies, en monitoring laat zien of de opname, opbrengst, gewaskwaliteit, verliezen en rentabiliteit daadwerkelijk zijn verbeterd.

De nutriëntenbalans kan ook effecten hebben die verder gaan dan de opbrengst. Het monitoren van overtollig vrij nitraat en ammonium via plantsapanalyse biedt bijvoorbeeld een ander perspectief op stikstofbeheer, terwijl nutriëntenbeheer en ziekteresistentie van de plant steeds vaker in samenhang worden bekeken bij het beoordelen van de algehele gewasgezondheid.

Het praktische inzicht is dat betere wereldwijde data de zoektocht vergemakkelijkt. Het neemt de noodzaak om het gewas en de bodem te raadplegen niet weg.

Bronnen

1. Ray, Deepak K.; Sapkota, Tek B.; and Dobermann, Achim. “Diverse trajectories of global fertilizer use in the post-Green Revolution period.” Environmental Research Letters, 2026.

2. University of Minnesota Institute on the Environment. Global Fertilizer Use Dataset, 2026.

3. University of Minnesota. First-of-its-kind fertilizer study reveals where world can boost food production and cut pollution, 14 september 2026.

4. Ray, Sapkota, and Dobermann. “N-P-K fertilizer application rates by crop and country for circa 2020.” Dryad, 2025.