De nieuwe wereldwijde kunstmestkaart

Wat de kaart wel, en niet vertelt over uw perceel

Meststofstatistieken wekken vaak een valse indruk van precisie.

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

Door die kenniskloof zijn zowel overbemesting als onderbemesting moeilijk te diagnosticeren.

Een nieuwe wereldwijde dataset verbetert het strategische beeld aanzienlijk. Onderzoekers reconstrueerden de gewasspecifieke toedieningshoeveelheden van stikstof, fosfor en kalium voor elk land van 1980 tot en met 2022. Dit werk onthult sterk uiteenlopende kunstmestontwikkelingen en bevestigt waarom de wereld geen universeel nutriëntenprobleem heeft.

Het toont ook een belangrijke grens aan tussen data en agronomie. Een wereldwijd model kan aangeven waar beter gekeken moet worden. 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 en Achim Dobermann van de International Fertilizer Association.

Hun werk, gepubliceerd in Environmental Research Letters, bracht ongeveer 800.000 gerapporteerde datapunten samen en gebruikte op maat gemaakte imputatiesoftware om doorlopende 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

• Weidegronden en bossen

• Elk land

• Elk jaar van 1980 tot en met 2022

• Tien hoofdgewassen op subnationaal niveau in 25 agrarisch belangrijke landen

De tien gewassen in de openbaar beschikbare momentopname (circa 2020) zijn gerst, cassave, maïs, oliepalm, koolzaad, rijst, sorgho, soja, suikerriet en tarwe.

De onderzoekers rapporteren dat tussen 1980 en 2020 de kunstmestgift per gewas steeg 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 areaaluitbreiding als hogere giften.

Dat onderscheid is commercieel belangrijk. Een grotere totale vraag naar kunstmest betekent niet noodzakelijk dat actieve boeren meer per perceel strooien. Het kan duiden op meer hectares onder bemeste productie.

De regionale verschillen blijven extreem. 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. 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 Global Fertilizer Use Dataset project van de Universiteit van Minnesota 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 tegelijk de belangrijkste beperking.

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

De onderzoekers hanteerden een proces in drie stappen. Langetermijngegevens over kunstmestgebruik per gewas vormden de basis. Exacte waarnemingsjaren bleven behouden. Geschatte waarden werden vervolgens zo gecorrigeerd dat de landelijke totalen overeenkwamen met het gerapporteerde agrarische kunstmestverbruik.

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

Het maakt van geschatte waarden echter nog geen metingen.

Een geïmputeerde N-gift voor maïs is de best mogelijke reconstructie van het model op basis van onvolledige data. Men kan er meer op vertrouwen waar waarnemingen talrijk en consistent zijn, en minder waar kunstmestmarkten, informele distributie, gewasallocatie of rapportages slecht gedocumenteerd zijn.

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

Agronomische interpretatie

Toedieningshoeveelheid staat niet gelijk aan nutriëntenopname door de plant

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

Fosfor kan in ogenschijnlijk ruime mate worden toegediend, maar slecht beschikbaar blijven door calciumprecipitatie in alkalische bodems of adsorptie door ijzer- en aluminiumoxiden in zure bodems. Omgekeerd kan een lage jaarlijkse P-gift tijdelijk volstaan op percelen met een grote historische fosfaatvoorraad waar de wortels bij kunnen.

Kalium kan in de bodemoplossing blijven, de complex bezetten, vastgelegd worden tussen kleilagen of vrijkomen uit mineralen. De afvoer door het gewas verschilt enorm tussen uitsluitend graanoogst, voederwinning, aardappelen, suikerbieten en systemen waarbij oogstresten worden afgevoerd.

Dit onderscheid tussen de totale nutriëntenvoorraad en direct beschikbare nutriënten is ook belangrijk bij het interpreteren van bodemanalyses. Een totale destructie-bodemanalyse kan bijvoorbeeld nutriëntenvoorraden aantonen die conventionele extractiemethoden niet laten zien.

Organische meststoffen zorgen voor extra onzekerheid. Dierlijke mest, compost, digestaat, gewasresten, irrigatiewater en biologische binding kunnen nutriënten leveren die buiten deze kunstmestdataset vallen. De fractie die tijdens het groeiseizoen beschikbaar komt, hangt af van de samenstelling en de weersomstandigheden.

Een hoge regionale kunstmestgift bewijst dus geen overbemesting. Het kan gepaard gaan met een hoge opbrengst (en dus afvoer), een lage natuurlijke bodemvruchtbaarheid, intensieve dubbelteelt of een lage benuttingsefficiëntie. Een lage gift bewijst geen efficiëntie; het kan wijzen op beperkte beschikbaarheid, lage rentabiliteit of ernstige bodemuitputting.

De dataset toont het inputpatroon, maar niet het directe resultaat in bodem en plant.

Mogelijke implicaties voor het management

De meest bruikbare 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 milieu- en agronomisch onderzoek prioriteit moet krijgen.

Op regionaal niveau kan het een benchmark bieden. Gaan de gerapporteerde kunstmestgiften omhoog of omlaag? Welke nutriënten en gewassen drijven de verandering aan? Wordt het toegenomen verbruik veroorzaakt door intensivering of door extra hectares?

Op perceelsniveau moet die benchmark worden vervangen door feitelijke metingen:

• Nutriëntenstatus van de bodem per relevante diepte en extractiemethode

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

• Minerale en organische nutriënteninputs

• Meststofbron, dosering, timing, plaatsing en kwaliteit van de toediening

• Bodemvocht, temperatuur, neerslag en irrigatie

• Bewortelingsbeperkingen en variabiliteit binnen het perceel

• Blad- of plantsapanalyses in specifieke gewasstadia

• Opbrengst, gewaskwaliteit en nutriëntenafvoer

• Restvruchtbaarheid, verliezen en economisch rendement

Plantsapanalyse kan in deze context op perceelsniveau bijzonder nuttig zijn, omdat het informatie geeft over 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 door de tijd heen helpt om tekorten, overschotten, wanverhoudingen en antagonismen op te sporen voordat ze 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 kilo kunstmest rendeert.

Beperkingen en onbekende factoren

Dit betreft een datareconstructie- en trendanalysestudie, geen gerandomiseerde bemestingsproef. Het stelt geen drempelwaarden voor gewasbehoefte vast, noch economisch optimale giften, benuttingsefficiëntie of causale opbrengstreacties.

Nationale en subnationale schattingen kunnen de variabiliteit op bedrijfsniveau maskeren. Ze houden bovendien vaak geen rekening met verschillen in kunstmestformulering, 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 openbaar toegankelijke momentopname rond 2020 is gearchiveerd op Dryad. Commerciële gebruikers moeten er rekening mee houden dat de International Fertilizer Association partner was in dit project; het werk is een collegiaal getoetste 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 perceelsdoseringen te bepalen.

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

Stikstof is een goed voorbeeld. Toegediende N alleen laat niet zien of het gewas die stikstof efficiënt gebruikt. Het combineren van plantsap- en bodemanalyses biedt een directere feedbackloop om het stikstofbeheer bij te sturen, inclusief het identificeren van kansen om onnodige giften en verliezen te beperken.

Plantsapdata kunnen die feedbackloop verder versterken. In plaats van te wachten op zichtbare gebrekssymptomen, kunnen telers monitoren welke nutriënten de plant daadwerkelijk opneemt en deze trends gebruiken naast bodem-, weer-, toedienings- en opbrengstgegevens.

Hier is de cyclus Meten → interpreteren → adviseren → handelen → monitoren essentieel. Een model kan het grotere patroon onthullen. Percelsmetingen bepalen of dat patroon klopt. Gericht handelen test het advies, en monitoring laat zien of de nutriëntenopname, opbrengst, gewaskwaliteit, verliezen en rentabiliteit daadwerkelijk verbeteren.

De nutriëntenbalans beïnvloedt bovendien meer dan alleen de opbrengst. Het monitoren van overtollig vrij nitraat en ammonium via plantsapanalyse biedt bijvoorbeeld een ander perspectief op stikstofmanagement, 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 niet weg om het gewas en de bodem te vragen wat er werkelijk aan de hand is.

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 sept. 2026.

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