 Næste taler er nemlig Bjørn Måld-Petersen, som er forskere og som på mange måder er blevet lidt centrum for hele denne debat, og som kommer fra BMP Analytics, og som nu vil tale om modeller og værsus virkelighed, og også efter Bjørns opleg bliver der tid til at give stille nogle spørgsmål, og han er selvfølgelig også med i debatten senere. Hvad skal Bjørn? Tak for det. Ja, tak. Blandt andre ting skal jeg lige beklage min stemmes nuværende tilstand, men jeg håber i bæreovermeld den hedder modell og virkelighed. Jamen det var interessant at være her. Jeg havde forventet en betydelig mere bisgtilgang, så mit indlæg er nok en anse mere bisk end de tidligere indlæg har været. Jeg vil gerne tale lidt om modellen på den ene side, og så den umodelig komplekse virkelighed på den anden side, og hvordan man på den ene eller anden måde kan gå lidt galt i byen med det nogle gange. Og det har jeg selv gjort mange gange. Det skal jeg da være den første ting om. Denne her debat om, hvad den er egentlig en marginaludvastning, den er gammel. Jeg fandt et Powerpoint-show frem fra, jeg tror det var 2004, og sammen med blandt andre live Knusen. Hvor vi kiggede på forskellige modeller, så senere her så tilføjendes fire modellen, og det der, det er så udtryk for marginaludvastninger igennem forskellige ting. Vi havde fem modeller der, og faktoren mellem den mest responsive modell, det var dengang den, der hedder Daisy Standard, og den mindst responsive modell. Og der er Facet og NS4, hvis sådan en kandidat er til at være de mindste responsive, det er en faktor 4. Så det, at vi har en masse forskellige estimater på det her, det der er endet nyt i, og det er så det, man bliver ældre, der er ligesom ikke helt så meget nyt under sonen som man nogle gange går og synes. Jeg vil gerne melde mig egentlig larsesklub af at være patologisk optaget af kurver og kronninger. Det synes jeg er meget, meget essentielt her. Jeg har lavet en simpel eftergørelse, der der ikke er nogen, der protesterer sig ud fra, at der er nogen, der er korrekt af, hvordan landskemsnittet for udvastningen over en venstre figure bliver beregnet, og marginaler over udvastningen for et år og seks år til før, så bliver udregnet. Og udgangspunktet er kvælserfkøsning som i 2011. Det er simpelthen ikke en ret linje, den går op af, fordi den har en kodefisient. Man kan ikke se det. Det er foran hver praktisk betragning en ret linje. Hvis vi hopper 100 kilo kvælserf op i forhold til situationen før landbrugsparken, det er helt hypothetisk, men ingen man skal gøre med i deres fornuftsfulde brug, så vil vi få en marginaludvastning, der sted til 20,5 procent fra 18 procent. Jeg tror ikke, vi behøver have en diskussion om, at det ikke er realistisk. Min poængte med det er bare, at lige præcis der, hvor planen begynder at blive halvmæt, der sker en meget væsentlig krumning. Og hvis vi flytter gødningsniveau så meget, som man gør om landbrugsparken, så er selve den krumning en meget vigtig del af, hvor meget stiger marginaludvastningen, når vi går helt op til økonomisk optimum. Og så er det desværre lidt populært at sige, at vi gør kun op til økonomisk optimum. Nej, hold op. Det ene over godt, det andet over skidt økonomisk optimum kan flytte så 55 kilo fra den ene til den anden, en økonomisk optimum hos en kvæboende, der virkelig giver den gas med gyl og så videre, den er helt anderledes, en plantaveler og så videre, så videre. Når man gøder med økonomisk optimum, så overgøder man 50 procent af tilfældene. Og det er et rigtig bredt range. Og ja, jeg vil meget gerne diskutere hvorvitt det er rigtigt, men det kan vi vente tilbage til. Jeg postulerer, de der to nærstreger er helt urealistiske. Om det så betyder noget af det helt store spil, det vil jeg poste, og det gør, det kan vi sikkert også få en diskussion om. Jeg kan også godt lide de gamle Rotamsted-forsøg, ligesom Christopher. Jeg har prøvet at eftergøre Rotamsted-forsøg, som har kørt siden 1858, med forskellige gødningsmangler. Når man sætter den til det, der hedder forsøgstationsmået, så er Nless faktisk meget god til at ramme. Det er generelt niveau, som den venstre graf viser. Den er bare ikke så god til at vise den krommeling, som også det her forsøge viser. Det er sådan de samme relativt rette linjer. Jeg har prøvet at simulere det på to forskellige måder. Bundenligning er, at den freværd krommelingen gør, at omkring økonomisk optimum, her ligger den 150-200 kg, som det angiver i artiklen, der er der en relativt stor forskel på det her forsøgsmaginaludvastning, og så Nless Firs prædiktion. Jeg er det i England, der varmer om vinteren, jorden er lidt anderledes og så videre, og det er fra 90'erne. Men det er faktisk også fra 90'erne, at tyngde punktet for data i Nless 4 ligger. Hvis vi lige glemmer, at det her er England, så burde det passe sammen. Der er masser, og jeg kunne bruge lang tid på at kritisere, hvorfor det her er helt rigtigt. Men det er stadigvæk et meget godt forsøg, og det er en af de få, vi faktisk har. Så hvorfor kan Nless 4, som skulle være datadrevet, ikke eftergøre et realistisk udvarsingsrespons? Så skal man langt ned i maskineromen, og nu bliver det tonsenørtet. Midt i maven af Nless 4 er der en tilsændsverjabil, det her T. Den er ret central af sådan den. Det er virkelig andet, der styrer det hele. Og de forskellige afgrører bliver egentlig dybe til at placere der, hvor de ligger i forhold til deres generelle udvaskning. Vindervede udvasker og lav bliver skubbede godt bagud. Meist den her notoriske kæmpestueudvaskning bliver skubbede højt. Det vil sige deres egentlig kvælstofniveau fra 8.90 til 109. De bliver fuldstændig for skudt for hinanden. Altså Nless 4 flår det hele fra hinanden og spreder det over en lang gardient. Hvis man så laver, og jeg beklager, at det kunstnerisk indtryk her, det skal ikke tage et særligt bokstavligt i den højere graf der, men hvis man nu forestiller sig var der nogle rigtige smukke udvaskingsresponsor, eller hvad med at gå for meget op i den, netop den form, det er lige meget illustrativt det her. Så ligger de der fine krumlinger ved rigtig, rigtig, jeg i rigtig, rigtig gerne vil have fat i. De ligger der, der, der, der. Der er ikke nogen som helst måde at være den på, man kan lave en komposit ting, der lige laver det her, men mindre man laver sådanne snejlebevægelse. Du kan ikke, uanset hvad du gør, du kan ikke få en Nless 4 til at lave en rigtig krumling. Det vil blive sådan en nær linje, mere eller mindre krumlene, som ikke tager de der ting med. Det vil sige hele den der meget interessante information, som ligger i de der grove linjer, og de er stiliseret, og virkeligheden er et stort, det man i dag i fagsbrug kalder et stort skatter, spredehavl. Men når vi har så mange data som vi har her, så har vi måske alligevel også lidt information. Det er i de der forskellige punkter, den røger ud. Det er ikke noget, der ligesom indgår her. Og så bliver det mere teknisk, at det skal ikke komme ind på, nå, det kan vi måske lige tage senere. Der er en konfundering med selve gennemstrømlingsfaktoren M. Nless 4 fortsætter sådan set, at marginaludvastningen væber med samme procent, dels om en generelt udvastning i forhold til vandgennemstrømlingen. Det er muligt korrekt, det er muligt ikke er korrekt. Men den er lås til at fungere sådan. Hvis der er noget, der ringer forståelsesmæssigt. Undskyld, håb et og to. Godt. Ja. Nless 4 kan jeg ikke eftergøre det her. Det er faktisk en meget simpel modell. Og det vil nok være provokerende for nogen. Hvis du ser på det her, så kan man kun gøre, at Lisa Miesbjørn er øj. Men når man er brugt stort til et hele sit arbejdsliv på at lave en hel masse forskellige modeller, så er det her en meget simpel modell. Det er sådan set nemt nok, nemt og nemt. Jeg har også gået på line, når man gør det i 20-30 år. Men det er sådan set nemt at fange hovedprinciperne i det her. Så selvom, nu bliver jeg lidt poppet, selvom man får en Nless 4 med en million perfekte, igen fagens brugst støjfra i data med ideale afgrød samme ting, så er det stadigvæk ikke grummen, ligesom virksomhedsforsøg. Det kan den simpel hen ikke. Det er meget moderne at snakke om data-draget, og alt er data-draget. Nogle gange bliver lidt træt af det der data-draget. Der er to ting i det der data-draget og der er struktur-draget. Og det der struktur-draget, det kan læmme man tit. Det fintet data-draget, hvis man har en struktur, der ikke egniser til at behandle lige data, så er det saftshus med ikke længere en data-draget. Der er den her gode gamle, hvad skal man sige, trade-off mellem hvor kompleksten model skal være, hvis den er for simpel. Så er det sådan ikke meget støj på de enkele ting, for det er der slet ikke parmeter og funktioner til. Til gengæld er der en voldsom bias, men man kan ståle på den. Den er lige så biaseret hver eneste gang. Så har man en sweet spot, og jeg tror alle de modeller, jeg har lavet, der synes jeg, jeg er lov lige sweet spot, og det tror jeg alle modeller synes de gør. Nogle gange bliver man så klogere efter nogle år, det går jo altid rundt, og jeg finder, okay, det er måske ikke rigtig et sweet spot. Så jeg bare, vi skal lige gøre det noget mere kompliceret. Så begynder man heller en masse variabler, bare vi skal også lige forklare det der. På et eller andet tidspunkt, så havner jeg noget modsat. Der er ikke nogen bias, alt har sin meget fine placering hver lille ting, men det er én stor gang støj, man har gået ind modsat et grøft. Min fornemmelse, og det kunde fornemmelse, er at Annelæs 4 lægger et eller andet sted herovre. Jeg kan ikke sådan sige det med absolut sikkerhed, men jeg mener den konfundering, jeg lige visste, den tyder på, at vi måske skal have en model, der har nogle flere dimensioner. Vi skal læse en halv korrekt ord, hvor den er meget lavdimensionelt end den her modell. Der er stor forskel på to Annelæs 4 versioner. Det er de samme loopletters, som Christen visste, tror jeg det var. For landovervånesoplandet er selvfølgelig ikke nødvendigvis fuldstændig representativ for hele landet osv. Men det giver dig et finger pej. For 2016 blev der så efterberejende, det var selvfølgelig ikke muligt, fordi Annelæs 4 blev først lært i 2008, men så kigger man da ud, og så var den velgi for loopoplandet her. Avlæst fra figuren med den plus-minus en procent, fra Alden Mordegis, så er den marginaludvaksning på cirka 28% for Annelæs 3, og cirka 18% for Annelæs 4. Jeg synes det er en meget stor forskel, og jeg vil dele noget rigtig rigtig gerne, hvorfor der er sådan en kæmpe forskel, og når jeg undermårer der er sådan en forskel, så er det fordi, at når vi kigger på Annelæs 3 og Annelæs 4, så Annelæs 4 har 11% flere data, cirka 3-4 del af de data, der ligger, eller fællessmengden er 3-4 del af de data, der er Annelæs 4. Så det er næsten det samme data, og grundenprinciperne er det samme. Hvorfor hunden er den ene, så 35-45% højere i marginaludvaksningen end andet? Det vil jeg skulle rigtig gerne vide. Er det en modellestrukturen, der er anderledes, at det, der gør det? Er der et eller andet skidefett eller skideonsvagt her, som gør, at det skulle vi haft med, eller det må vi have virkelig været glad for at slippe for, eller er der noget rigtig klogt, og her korrigerer vi det, der er kommet til? Vi ved det, ikke? Vi ved, som man ikke kan være forskellen af, er det strukturen, er det data, grundenlager, er det begge dele? Hvordan finder man ud af, hvilken modell, der har den mest rettvisende udrejning om marginaludvaksningen? Overhovedet at lave nogle kriterier for det, det er sindssygt indviklet. Mit postulat, provokatorisk, er, der endtes, for at havde en marginalvaksning af 18-20%, når en modell, som er så nært beslægtet, det er jo ikke tvil, og så i hvert fald, brødre de to, når de giver så stor en forskel, så vil jeg godt nok gerne vide, hvorfor de gør det. Så er det spørgsmål om den her sænkning, man har lavet fra ca. 30%, og lad os nogensinde ikke sætte de helt præcis, og på det her, det kan vi langt historie, 30%, marginaludvaksningen regner man med før, i forbindelse med landbrugsprakken regner man med 18-20%, alt efter hvordan man fortolker det. Man kommer ikke udenom, og jeg vil ikke politisere det slet ikke, men man kommer ikke udenom, at det ikke er en kæmpe stor lettelse, hvor meget man behøver at lave et insats. Og hvis det er rigtig, lad mig lige slå ingenting fast, hvis alt det her ender med, at der er en marginaludvaksning på de 12%, så bliver jeg rigtig, rigtig glad, at det er halvsrejsen i katastrofer. Jeg er halvsrejsen i at gøre tingene panittengrygt præcis, så lad os op, at det er 10-12%. Som en form for understøttelse, og vi har diskuteret meget om, hvor meget man skal lægge den her lille øvelse, så har AU udvalgt nogle artikler, og cirka sammenholde, de har sammenholdt det med modernes marginaludvaksning, som en e-landpastik-tivering. Det er ikke overexponerede som en enlig valdering, og så ved jeg, det er det heller ikke. Jeg synes personligt, at der var så mange fejl i den sammenligning, at jeg tiludmer og undersøg meget detaljeret, hvordan det var fortaget. Jeg fastthåller, der er fortaget ganske betydelig bjasseret operationer her. Jeg fastthåller, der er fortaget desideret statistiske fejl i det her. Det er jo ikke sådan, at det dømmer nogen ude, at det lige sker. Det er jo ikke det, jeg vil stå hernede og pege fingre af nogen. Så var der den, der som Christen var inde på. Og jeg vil gerne pointere, det her er ikke min forestilling om, hvordan en kumulativ virkning er. Personligt tror jeg, den er svag her. Men der måske er der en del svært. Det ved jeg ikke. Det er hundesvært at undersøge det her, som en undersøgende med iso2, bare har været en ene form for fejl. Det er svært. Der er ingen til, at man er der en treppeform. Stor eller lille. Der er ingen til, at man på en eller anden måde kan betragte være, at de her treppetrygge efterhånd, som man har haft et fastlykende forsøg længere og længere, som en kumulativ virkning. Stor eller lille. Man kan ikke, som det er gjort her, tage en étårig udvarsning, for at forsøge og sammenligne med en mangeårig eller en endelig tilfælde, eller en mangeårig, lige med en seksårig marginaludvarsning. Det kan man ikke. Det er en bires, om biresen er lille eller stor. Det er sådan til lige meget, at hvis vi ikke kender den, så er det stadigvæk en bires. Om ikke andet skal man skrive højt og tydeligt, der er en bires i det her. Når man laver en stringent modellsammenligning, så skal man sammenligne de variabler man har, med de tilsvarende responser i netop denne modell. Så man har ikke andet valg ind i netop denne modell, og siger, er den étårig respons i modellen, eller er den fuldstændig her, eller passer den med forsøget? Eller man kan sige, nej, den etårig respons, det er godt nok et artefakt, der er en hel masse. Det kan vi simpelthen ikke beskæffe os med, det er du og modellen ikke til. Fint nok, det skal jeg ikke skille os. Så kan man bare slet ikke sammenligne. Andet sammenligner man det eneste man kan sammenligne med, eller også slet sammenligner man slet ikke. Så den er det bare. Sorry. Og så har jeg lavet et poppet eksempel. Man tager en modell, højde modell for nogle mennesker, og så bekræfter man, når modellen vil have taget en gennemslite højde, er en gruppe af 11-årige. Det er en BIAS, den er helt opløs. Det er første års, hvad hedder det, statistikstudierende, at dumper på det, og det er principelt, og lad være med at gå i detaljer med dem, helt principelt, er den rigtig den samme form for fejl man lavede her. Så kommer vi til noget, der er meget, meget, meget mere langt hård. Og det er det samme, på meget relativt skala. Jamen, det er de her flere øjeforsøg, som Jørgen Nolesen viser. Jeg tror, du nærmest viser den, at det er den figurin lidt andet formning. Nu har jeg altid haft en meget stærk, meget, meget stærk, jeg arbejder sammen med Jørgen i rigtig mange år, rigtig godt samarbejder. Jeg har altid haft en meget, meget stærk modmiddelig mod, at gå med med Jørgen, fordi det er kedeligtid, man trækker det korte stro i den samme. Så derfor har jeg tænkt meget over det her, og jeg kan ikke komme til anden konkursion, end at jeg får en ganske skyld, er fundamental uenig med Jørgen. Man kan ikke trække en linje mellem tre vidt forskellige dyrkningssystemer. To forskellige afgrødelsamme... Hvad hedder det? Satsgifter, og tre vidt forskellige dyrkningssystemer, og sige det er en marginaludvastning. Det er det ikke. Rammenbetængelsen er simpelthen for anderledes. Jeg ked at sige det, men det er virkelig noget, jeg har brugt lang tid at fundere over. Det kan man ikke. Det er det jeg ikke er en marginaludvastning. Hvis du ser på det der punkt, for eksempel det her CGL, CC plus F, det betyder konventionelt dyrket, med efterafgrødder, og med minerært skødning, smid 50 kilo mere på det, og 50 kilo mindre på det, og gør de i fem eller tio år. Så veber den ikke 8 % op og ned. Den veber 16 % op og ned, 20 % op og ned. Hvad ved jeg? Den veber ikke 8 % op og ned. Det vil jeg vege næsten som helst. Jeg tror, jeg vil vege så stort på løbet, at det kan financiere den ekstra... en ekstra... Hvad hedder det? Entast det vil kræve. Men der er et eneste sted, hvor betændelsen faktisk er opfyldt, og den lille blå der, hvor der står 0,16 % marginaludvastning. Hvor det er plus minus, så vil jeg huske 50 kg gyl, det er det ikke rigtigt, eller en anden form for gødning. Hvad hedder det? Hustigere gødning. Og netop den, den giver en marginaludvastning så 16 %. Det synes jeg er en meget rimelig værdi for et økologis system, som er spekket med efterafråder, og virkelig nok skal få sammen noget op. Jeg er ikke tydel om, at det er det meget... Fast det er selvfølgelig usikker, der kan være så meget støj. 16 % lyder i mit hoved for et relativt lavt uden økologisk system, med lavt input og lavt output. Det lyder meget rimelig. For der er betændelsen opfyldt, ramt betændelsen, jeg øver det sammen, det eneste. I stort har ikke det eneste, og det forskellige her er gødningen. Alle de andre er dybt forskellige. Det er sikker allet af sprøjtet. Det giver en generelt højere udbytte. Det øverste system, der er det op til højere, det er høstet 3, 4 år, 1 år, der er det slet ikke høstet. Det er helt forskellige systemer. Man kan sikkert finde på et eller andet smart, men man kan ikke gøre det med sådan en eksyregression. Men jeg kunne faktisk godt tænke mig at snakke med Jørgen en dag, og han kan måske overbevise mig, men indtil videre fastholdere, det kan simpelthen ikke se for mig. Jeg har anvendt data fra Denutaris, fordi pander i et eller andet, som en del er forarbejdet eller oplægget, til landbrugsparken drejer, som stadigvæk er desværre ikke tilgængeligt. Jeg går ude fra at det er cirka de samme problemer, som jeg og de samme metoder, der er anvendt. Det var sådan set min hudflætning. Alle og jeg håber, jeg har fået endnu flere nye venner her. Og så vil jeg gerne, et eneste tag i HomeMatches, tage nogle af mine analyser, gå hjem og tænk over det her. Hvad det betyder? Og for mere information, eller hvis det løber tør for papir, det bliver sikkert røget væk, så lægger mine forskellige analyser på de her to links. Jeg håber, jeg provokerer, jeg er i det strakke lille omfang, forhold til det, vi forventede. Det finder vi ud af. Nu er vi ikke helt færdige nu. Er der nogle meget konkrete, ikke debatterende, bare konkrete, spørgsmål til Bjerg, så er det nu. Så går vi videre med oplegene, men gør nu også en del af paneler. Så tak til dig.