Verrijkt netwerkmodel berekent huis-veldritten (VK 3/2015)

Annet Hospers, Ron van Lammeren, Wageningen Universiteit
Paul Peter Kuiper, Marije Louwsma, Kadaster  

Voortgaande schaalvergroting in de agrarische sector, teeltspecialisatie en verbreding van activiteiten, zorgen voor verandering van de intensiteit van het landbouwverkeer. Een eerder ontwikkeld netwerkmodel brengt de ruimtelijke spreiding van agrarische verkeersroutes en effecten van herverkaveling in beeld, op basis van de kortste route over het bestaande wegennet tussen de huis- en de veldkavels. Maar om hoeveel ritten gaat het dan? 

De agrarische regio verandert. Er is een voortgaande schaalvergroting, specialisatie in bepaalde gewassen en een verbreding van activiteiten[1]. Daarbij zorgt onder andere de verbreding van activiteiten voor een toename van recreatief verkeer[2]. Mede daardoor staat agrarisch verkeer in de belangstelling. Toch is er weinig bekend over de intensiteit van agrarisch verkeer over de Nederlandse wegen. In het artikel ‘Minder kilometers voor trekkers’ presenteerde het Kadaster eerder in Verkeerskunde een methode om de ruimtelijke spreiding van agrarisch verkeer en herverkavelingseffecten op agrarisch verkeer in beeld te brengen[3]. Dit model berekent de kortste route over het bestaande wegennet tussen de huis- en de veldkavel van agrarische bedrijven. Dit doet zij met behulp van het Dijkstra’s algoritme. De resultaten van het model tonen de ruimtelijke spreiding van deze routes (figuur 1 hieronder).

Figuur 1: In rood de resultaten van het bestaande model; de kortste routes binnen een agrarisch bedrijf. Alle percelen worden gebruikt als grasland, met uitzondering van het gele perceel. Het verbeterde model berekent op basis van dit grondgebruik het aantal ritten per kavel. Per wegvak is het aantal ritten gesommeerd.

Onderzoek naar de rittenberekening
Onbekend bij dit model was hoe vaak deze routes gebruikt worden. Dit artikel presenteert de bevindingen van het onderzoek naar de rittenberekening. Het verrijkte model berekent hoe vaak een agrariër van en naar de veldkavels rijdt. Dit model geeft daardoor ruimtelijk inzicht in de verkeersintensiteit van een belangrijk deel van het agrarische verkeer (figuur 1).

Factoren
De vertaalslag van routes naar ritten is gemaakt door te bepalen welke factoren een cruciale invloed hebben op het aantal ritten tussen huis- en veldkavels. Naast de onderzochte factoren zijn er nog vele factoren aan te wijzen die in enige mate van invloed kunnen zijn, maar daarvan is de invloed beperkt of niet te kwantificeren is door het ontbreken van betrouwbare informatie. Met behulp van literatuuronderzoek [4,5.6] en expertkennis zijn vier factoren vastgesteld die samen het aantal ritten bepalen

Figuur 2: Samenhangende factoren en hun invloed op het aantal ritten

Dit zijn gewastype, bodemsoort en perceelsoppervlak die samen de gewasproductie per hectare beïnvloeden. De vierde factor is de grootte van de kipper of (silage)wagen die bepaalt hoeveel ritten nodig zijn om de totale productie van de veldkavel te transporteren. Naast de gewasproductie vindt er ook grondbewerking plaats die geen of nauwelijks relatie heeft met de perceelsoppervlakte. Daarom is er een onderscheid gemaakt tussen ‘vaste’ activiteiten en ‘bulkactiviteiten’ die gerelateerd zijn aan de productie. Voorbeelden van vaste activiteiten zijn ploegen en spuiten.

De factoren gewas- en bodemtype zijn geclusterd in klassen; er zijn twaalf gewastypen (akkerbouwgroenten (prei, plantui, wortel etc.), consumptieaardappelen, pootaardappelen, zetmeelaardappelen, bloembollen, braak, granen, gras, groenvoedergewassen, niet onderzocht, suikerbieten en uien) en vijf bodemklassen (klei, IJsselmeerklei, zand, veen en overig). De bron van de gewasinformatie is de ‘Basisregistratie Gewaspercelen’[7]. De ‘Fysisch Geografische Regio’s’[8] zijn gebruikt om de bodemklasse te bepalen. Met behulp van literatuur waaronder de Kwantitatieve Informatie en interviews zijn de gewas- en bodemklassen gekwantificeerd[9,10,11].

In interviews is duidelijk geworden wat de meest gebruikelijke kippergrootte per gewastype is. Ten slotte zijn de rittotalen verdeeld over de seizoenen. Seizoensinvloeden hebben een sterke invloed op de verkeersintensiteit. Het verbeterde model volgt de seizoensindeling van de agrarische seizoenen (lente: maart t/m mei, zomer: juni t/m augustus, herfst: september t/m november en winter: december t/m februari). Hoewel weersinvloeden (zoals een late zomer of een lang najaar) een grote invloed op de temporele spreiding van het agrarische verkeer hebben, blijkt uit enkele tellingen en interviews dat deze indeling de meest betrouwbare is. De gezamenlijke factoren met hun weging resulteren in een tabel die landsdekkend kan worden toegepast (zie hieronder).

Tabel 1: Uitsnede van de activiteiten behorend bij ‘pootaardappelen op klei’

De vastgestelde factoren zijn in een geografisch informatiesysteem opgenomen. Dit maakt het mogelijk om de ruimtelijke spreiding van verkeersbewegingen te tonen.

Resultaten in beeld
Gewastypen en seizoenen
Grasland genereert van alle gewastypen de meeste verkeersbewegingen. Een kavel van 5 hectare bebouwd met gras wordt ruim 30 keer per jaar bezocht. Percelen met granen leveren als gevolg van de beperkte opbrengst in tonnen relatief weinig agrarisch verkeer op; een kavel van 5 hectare wordt slechts 20 keer per jaar bezocht. Uit het onderzoek komt naar voren dat grasland de meest gelijkmatige spreiding van agrarisch verkeer toont gedurende de seizoenen. Het verkeer dat aan de andere gewassen is gerelateerd is sterk gebonden aan het oogstseizoen. Voor sommige gewassen ligt het oogstseizoen in de zomer (graan, bloembollen) terwijl andere gewassen pas in de herfst worden geoogst (mais, suikerbieten).

De seizoensspreiding van de berekende ritten in de provincie Zeeland en de Noordoostpolder zijn met elkaar vergeleken. Het blijkt dat de spreiding van alle verkeersbewegingen door het jaar heen in beide gebieden zeer vergelijkbaar is (zie hieronder).

Figuur 3: Seizoensspreiding van het agrarische verkeer in de Noordoostpolder en Zeeland

Kavelgrootte
Een conclusie die getrokken kan worden naar aanleiding van het onderzoek is dat schaalvergroting van de kavels leidt tot een reductie van het agrarische verkeer. Vier kavels van ieder 2,5 hectare veroorzaken afhankelijk van het gewastype 1,5 tot ruim 3 keer zoveel verkeer als één kavel met een oppervlakte van 10 hectare.

Eigendom of feitelijk grondgebruik
Het onderzoek toont verder het belang van goede basisinformatie aan. Het gebruik van de Kadastrale eigendomsinformatie leidt namelijk tot andere resultaten dan een analyse op basis van feitelijk grondgebruik. Voor dit onderzoek kon gebruik gemaakt worden van grond-gebruiksgegevens van de Rijksdienst voor Ondernemend Nederland. Deze informatie wordt hierna aangeduid als ‘gebruik’ (figuren 4 en 5). Vanuit deze bron kan rekening gehouden worden met pacht en andere gebruiksovereenkomsten van agrarische grond. De routes die worden berekent met deze gebruikerskaart zijn meer in overeenstemming met de daadwerkelijk bereden routes, dan de routes op die op basis van eigendom worden berekend.

Tevens blijkt dat meer routes worden berekend. Ondanks deze ogenschijnlijk duidelijke conclusie die vóór de toepassing van gebruiksgegevens pleit, zijn er onderzoeksdoelen denkbaar waarbij juist een analyse op basis van eigendom toegevoegde waarde heeft. Het eigenlijke gebruiksdoel van een verkeerskundig onderzoek moet dus sturend zijn in de keuze van basisbronnen.

Figuur 4: Aantal agrarische ritten per jaar per wegsegment in Zeeland. Met boven eigendom en onder gebruik; beiden gecombineerd met gewas 2014

Figuur 5: Aantal agrarische ritten per jaar per wegsegment in de Noordoostpolder. Met boven eigendom en onder gebruik; beiden gecombineerd met gewas 2014

Vergelijkend onderzoek
Een aantal telmethoden is beschikbaar om verkeersstromen in beeld te brengen. Met behulp van meetlussen kan verkeer worden geteld. Agrarisch verkeer kan daaruit gefilterd worden op basis van bijvoorbeeld aslengte, gewicht en snelheid van de volgvoertuigen. In vergelijking met meetlustellingen hebben visuele tellingen met camerabeelden een hogere nauwkeurigheid en waarnemingen kunnen verder uitgesplitst worden. Het agrarisch verkeer kan worden uitgesplitst naar relevante eigenschappen (lengte, gewichtsklasse, omvang, zelfrijdend of getrokken etc.). Visuele tellingen worden dan ook ingezet om geautomatiseerde meetmethoden te verzekeren[12].

Een verschil tussen bestaande telmethoden enerzijds en dit model anderzijds ligt in het feit dat meetlocaties informatie leveren over specifieke locaties, terwijl het rekenmodel ook de verkeersdichtheid van gebieden kan analyseren. Het is interessant om te kijken in welke mate de modelresultaten met bestaande meetgegevens samenhangen. Een goede bron van tellingen is gevonden in een langjarig onderzoek van de provincie Zeeland[12]. Voor zover bekend is dit het enige onderzoek waarin op systematische wijze op 8 permanente en tientallen wisselende locaties gedurende een periode van jaren het agrarische verkeer is gevolgd.

De Zeeuwse studie onderzocht het aantal agrarische voertuigen op een gemiddelde werkdag met behulp van permanente en mobiele telapparatuur[12]. De resultaten van de permanente locaties zijn gebruikt om de tijdelijke tellingen te generaliseren. Daarnaast leveren de permanente locaties gegevens, waaruit een dag- en maandintensiteit kan worden berekend. Deze intensiteiten zijn nodig om de gegevens uit de tijdelijke meetlocaties te extrapoleren. De resultaten van deze tellingen zijn vergeleken met de resultaten van het model.

De jaarlijkse resultaten van model en provinciale studie zijn vergeleken met behulp van een Pearson product-moment correlatie (hierbij is voldaan aan de voorwaarden lineariteit en normaliteit). De modelresultaten tonen in het algemeen een lager aantal agrarische verkeersbewegingen. Verder blijkt uit het onderzoek een zwakke correlatie van 0,26 voor de jaarcijfers. Daarbij zijn er regionale verschillen. In Tholen bestaat een zeer sterke positieve correlatie (0,81). Tholen is een klein gebied, waardoor weinig alternatieve routes voorhanden zijn. Daarentegen is de correlatie in Schouwen-Duiveland sterk negatief (-0,51).

Navraag bij de provincie leert dat ter plaatse een grondverzetbedrijf is gevestigd dat de resultaten sterk kan beïnvloeden. Het model berekent alleen agrarisch verkeer dat gerelateerd is aan veldkavels. Daardoor is de vergelijking van het model en het provinciale onderzoek per definitie incompleet. In het Zeeuwse onderzoek wordt al het agrarische verkeer geteld, ook de voertuigen die niet voor agrarische doeleinden worden gebruikt. Grondverzet, sloot- en bermonderhoud, ritten van en naar mechanisatiebedrijven en ritten voor het laden en lossen van mest of product bij handelscentra zijn in het rekenmodel niet opgenomen. Het model beperkt zich tot het agrarisch verkeer tussen huis- en veldkavels. Een tweede punt dat de vergelijking bemoeilijkt is het feit dat de Zeeuwse overheden actief sturen in de agrarische verkeersstromen.

De Zeeuwse overheden werken met een ‘Kwaliteitsnet Agrarisch Verkeer’, waarin hoofdroutes zijn aangewezen die qua inrichting worden geoptimaliseerd voor het gebruik door de agrarische sector. Het is niet duidelijk in welke mate de agrarische sector zich door dit netwerk laat leiden. Uit de interviews komt duidelijk naar voren dat de routekeuze niet alleen wordt beïnvloed door efficiëntie (de kortste route) maar dat ook door andere factoren zoals veiligheid en weginrichting een rol spelen.

Toepassing
Goede kennis van de principes achter de spreiding van agrarische verkeer in tijd en ruimte is nuttig voor de beleidvorming op dit thema. Dergelijke informatie is in dit onderzoek gebundeld, gecontroleerd en gepresenteerd. De toepassing van deze kennis in het model van het Kadaster is relevant voor de berekening van de effecten van verkavelingswerk. Een snelle berekening maakt nu inzichtelijk hoeveel het aantal verkeersbeweging in een gebied afneemt als gevolg van grondruil en hoeveel de totale afgelegde afstand wordt verkort. Daarmee kan de kostenbesparing als gevolg van verkavelen nauwkeurig worden berekend. Naast de toepassing in verkavelingswerk biedt dit model belangrijke bouwstenen om omrijschade te kunnen bepalen die ontstaat als gevolg van de barriërewerking van nieuw aan te leggen infrastructuur.

Concluderend
Het resultaat van het onderzoek is een model dat de verkeersintensiteit berekent van het agrarische verkeer tussen huis- en bijbehorende veldkavels. Wanneer deze berekening voor alle agrarische bedrijven in een regio wordt uitgevoerd, ontstaat een beeld van de regionale spreiding van agrarisch verkeer. De verkeersintensiteiten zijn uit te splitsen naar werkdag, seizoen en jaar. Omdat alleen het verkeer tussen huis- en veldkavels wordt berekend, blijven andersoortige agrarische verkeersbewegingen buiten beeld. Door gebiedskennis aan de analyse toe te voegen, ontstaat een completer beeld van de totale omvang aan agrarisch verkeer. Ook is duidelijk geworden hoe agrarisch verkeer zich door de seizoenen heen gedraagt en welk effect verschillende gewassen op de seizoensspreiding hebben. Dit onderzoek geeft helder inzicht in de omvang, weging en onderlinge samenhang van factoren die samen bepalen hoeveel agrarisch verkeer ontstaat uit de bewerking van veldkavels. Deze informatie is bruikbaar voor de vorming van verkeersbeleid, voor het berekenen van bijvoorbeeld omrijschade en voor het inzichtelijk maken van effecten van verkaveling.

Literatuur  

1. Jaarsma, R. & H. Hoofwijk (2013), Landbouwverkeer, lastig maar noodzakelijk! ROM: maandblad voor ruimtelijke ontwikkeling 31 (3), pp. 34-35
2. Rienks, W.A., P. Galama, C.M.L. Hermans & C.F. Jaarsma (2009), Opschaling van melkveehouderij heeft ruimtelijke effecten: Kan extra belasting van plattelandswegen worden ondervangen? Spil 257-260 (2/3), pp. 31-35.
3. Louwsma, M. & P.P. Kuiper (2013), Ruimtelijke effecten van herverkaveling op landbouwverkeer. internetartikelen/ internetartikelenruimtelijke-effecten-van-herverkaveling-op.33744.lynkx. dd: 24-08-2014.
4. Jaarsma, R. (2010), Precieze achtergrondinformatie en handvatten op maat voor de tractorproblematiek: De tractor en de openbare weg. Verkeerskunde 61 (6), pp. 38-43.
5. Gonzalez, X.P., M.F. Marey & C.J. Álvarez (2007), Evaluation of productive rural land patterns with joint regard to the size, shape, and dispersion of plots. Agricultural System 92 (2007), pp. 52-62.
6. Rienks, W.A., P. Galama, C.M.L. Hermans & C.F. Jaarsma (2009), Opschaling van melkveehouderij heeft ruimtelijke effecten: Kan extra belasting van plattelandswegen worden ondervangen? Spil 257-260 (2/3), pp. 31-35.
7. PDOK [Publieke Dienst op de Kaart] (2014a), Download Service van BRP Gewaspercelen. http://geodata. nationaalgeoregister.nl/brpgewaspercelen/atom brpgewaspercelen. xml. dd: 05-10-2014
8. PDOK [Publieke Dienst op de Kaart] (2014b), Fysische Geografische Regios WMS. http://nationaalgeoregister.nl/geonetwork/srv/dut/search#|6fcb4eaf 5a0d-494c-804b-c7f830b48306. dd: 10-10-2014.
9. PPO [Wageningen, Praktijkonderzoek Plant & Omgeving] (2012), Kwantitatieve Informatie: akkerbouw en vollegrondsgroenteteelt. 28ste editie, Wageningen: Praktijkonderzoek Plant & Omgeving.
10. WUR [Wageningen UR Livestock Research] (2013), KWIN Kwantitatieve informatie Veehouderij 2013-2014. Lelystad: Wageningen UR Livestock Research.
11. PAGV [Proefstation voor de Akkerbouw en de Groenteteelt in de Vollegrond] (1995), Kwantitatieve informatie voor de akkerbouw en de groente in de vollegrond. 22nd editie. Lelystad: drukkerij Belser.
12. Oosthoek & Pauwer (2014), Logistieke landbouwroutes Zeeland: resultaten tellingen landbouwverkeer 2013.