 Det vi har nu er en række oplæg, hvor vi tager, hvis der er opklarende spørgsmål til de oplæg, der kommer nu og frem til debatten, som starter kvartetog. Så tager vi, vi tager spørgsmål lige i kølvandet de enkelte oplæg, så må I bare lige vise en hånd. Det er det nu handler om, det er marginaludvaskning i modeller. Det er de opklarende faktuelle spørgsmål, vi tager nu. Det er mere debatterende. Det forsøger vi lige at gennem, fordi det er det, hvor tiden virkelig løber, når man kommer ind i det. Og første taler er seniorforsker Christen Dusbergsen fra Agroøkologi på Aarhus Universitet, og det skal handle om NS3 og 4 modeller. Ja, tak. Tak for muligen for at komme og fortælle jer om det. Jeg går lige på. Det indlæg, jeg vil fortælle om, det er først om en kring lidt nørdet modelstruktur, omkring NS4 og NS3. Her efter vil jeg fortælle om udvaskning beregnet med de to modeller. Og til sidst vil jeg sige noget om marginaludvaskning beregnet med de modeller. Det er så det indhold, jeg skal bruge lidt af jeres tid på. Først vil jeg definere, at de her typer modeller er empiriske udvaskningsmodeller. Det vil sige, at de baserer sig på forsøgstata. Forsøgstata er i denne her sammenhæng, det, som Jørgen har fortællet, at under rødzonen i cirka en meter, der har vi en transporter nitrant ud af rødzonen, og det er det, vi kalder rødzonudvaskning. De empiriske modeller er statistiske modeller, hvor man udefra en række forklarende variabler beskriver udvaskningen. De forklarende variabler i både NS3 og NS4 er jordtype gøskning, som I har hørt om her i Formidas. Joer og årlige hverforhold, altså specielt afstrømningen i efteråret og vinteren, afgrødden og så specielt dyrkningshistorien. Dyrkningshistorien både i relation til den gøskning, der har været i dyrkningshistorien, men også de afgrødder, der har været. Vi har forskellige versioner af NS, og den er jo blevet egentlig udviklet den første NS1 i 2000, men forud for det, der havde vi jo nogle simpelskårsmodell, som vi kaldte det fra 1991, som var en simpel regressionsfunktion med nogle dybetal, og så er de efterhånden blevet mere og mere detaljeret. NS3-modellen er forskellig fra de øvrige ved kun at have 23 forklarende variabler, hvor imod NS4 har 32. Det er en vigtig forskel her, og dem bliver så kommet lidt tættere på senere. Antalde observationer, der ligger bag ved modellen, det vil sige, at de forsøgsdata, som vi har målt udvastningen på, samtidig med, at vi har informationer omkring, hvad der er blevet gødet med, hvorfor en afgrød, hvilket årligt hver fenomen der har været, der har betydet afstrømningen. Jamen i de første to var det kun de gamle statens plantoutsforsøgsdata. Og i 2003 blev data fra loop- og blandende så indarbejdet, så ledes, at vi fik væsentlig flere data i 2003, hvor imod i fire åren har vi så både loopdata og data fra vores forsøg. Og der skal jeg så også sige, at der blev sket en kvalitetskontroll af data, så ledes, at nogle af de data, der indgik i tredjeren, blev pillet ud, fordi de var simpelthen for usikret bestemt. Og derfor er kun data set i enlas 4 at være meget større, men det er simpelthen været en kvalitetskontroll, der har gjort, at data har kun øget med de der par hundet observationer. Funktionen i både enlas 4 og enlas 3, den er grundlæggende sammen. Det er sådan en funktionshudtryk, som I ser derop, hvor vi har en udvastning, som er en funktion af et intercept u, som er korreteret for den tidlig udvikling i udvastningen over årene. Det vil du sige, det er det typisk kaldes teknologiaffekten. Så har vi nogle gødningseffekter, som vi kalder V, og gødningseffekterne er både korttids- og langtidsendeffekter på udvastningen. Vi har så en exponent K, som kappa, som opløfter V i kappa og giver en funktionshudtryk, der ser ud, som jeg vil vise jer her efter. Vi har en række multiplikativ effekter, fordi vi ved, at udvastningen er stærkt afhængig af de årlige afstrømninger, specielt men også jordtypen. I V-udtrykket er der ikke mange jord, der er få af parameternes af med jordtyper afhængig, men de fleste er fælles for sandsjordlærer. Hvis man ser på, hvordan udtrykket vil plottes, hvor vi har V ud af X-axen og Udvastningen og Y-axen, så har vi to eksempler her. En med den røde, hvor afstrømningen er lav, og det er på leerjord, og en, da afstrømningen er høj, og det er på sandjord. Men det er grundlæggende den basismodell af bruges. Hvis vi ser på n-effekter, der indgår i den V-parameter, som vi har forklaret, så har vi alt det, der handler om gødning. Det er gødningsniveau. Det vil sige den historiske gødning til den her mark, fordi det har vi jo set, det har betydning for udvastningsniveau, det har også betydning for, hvor meget det mineraliseres. Vi har mineralsgødning, vi har endafsat af græsene af dyr. Det svære skider, de her kører ikke sådan jevnt på marken, så derfor har vi nogle hotspots, for der sker en betydelig udvastning frem. Vi har også betydningen af, hvis der er tilføres kvældstof i efterhåret, da det nærmest er at gøde udvastningen i mange sammenhæng. I Inlass 3 har vi så også fjernet kvældstof med afgrøden. Den er ikke stærkt signifikant, men den er med i den model. Og så har vi hovedafgrød og forfrugt effekter i det udtryk. På Inlass 4 er de bier første det samme, men nu kommer vi så til, hvad der er sket af ændring i forhold til Inlass 3. Her har vi så 5 hovedafgrøde typer, hvor vi havde 6 derover. Vi har 3 forfrugt, men derudover har vi vinter, og nu har vi vinter forfrugten og vinterafgrøn. Det vil sige, at vi har delt opbevæder det dyrkningshistorien og selve udvastningshistorien op i 4 dele. I modellen her har vi også jordens endenhold, som svarer til, at hvis der er meget kvældstof i jorden, så vil der ske en udvastning ved, at der er en større del, der mineraliseres. Jorden ser end for at holde havesbetydning, og det der er forskel er det, jeg har ramt ind i i rødt, at vi har en meget, hvad skal man sige, grå beskrivelse i Inlass 3, af hovedafgrøde forfrugt, hvor i måde vi har en mere detaljeret beskrivelse af dyrkningspraksis på marken med Inlass 4. Hvis vi ser på, hvad der indgår i 3 Inlass 3, der har vi de to grupper. Det vil sige, at vi i en periode, som vi kalder forfrugt, det er det foregående og overfordret for udvastningsperioden, hvor vi måler på, der har vi så seks grupper, og der har vi typisk korn, barjordkorn, vinterkorn og korn efterafgrød. Den nederste er en efterafgrød. For hovedafgrøden har vi lidt flere, men vi har stadigvæk en type, der beskriver både, hvad der sker i forort og efterort. Hvis man går ind på Inlass 4, der har vi den opdelt i fire perioder. Vi har en forfrugt, som vi havde før, men lige pludselig er det også betydende, hvor et efterårssituation er forud for vores udvastningsperiode. For udvastningsperiode og udvastningsort har vi også to perioder, så vi kan kombinere bedre, så vi kan tage vintervædet barjord, vi kan også tage vintervædet, vintervædet, vordbyg, vintervædet osv. Det er et langt mere flexibelt system at beregne på, og det har nogle bedre beskrivelse af, hvorledes afgrøden den påvirker udvastningen. Kort til så langtidsaffekt af indgødningen i Inlass 4-modellen, og de er jo det er lidt det samme i Inlass 3, men vi har en beta 1, som er et gødningsnivå. Gødningsnivået har både organisk ind og mineralskind og infektshæng. Hvis vi så tager beta 2, det er kortidsaffekt, så har man kun effekten af den mineraliske gødning og infektshæng. Beta 1 og beta 2 er således kalibreret på forskellige gødningsmængder. Den ene indeholder noget. Aurelsk gødning fra hustegødningen, som frigis over en længere periode, og den anden indeholder kun handelsgødning. Så de to parameter, hvad de har, kan vi ikke bare begynde at dividere op i hinanden og gøre på trystersfærs. Det holder de ikke til, fordi de ikke kalibrerer på den samme gødningsmængde. I vores data-data-koalitioner, fordi vi har nogle sædskifter, hvor hvis vi i loop-data har et kvæbruds-sædskifter, så er det generelt et højere gødningsnivå, og derfor vil der være koalition i datasetet mellem årsinput og det langsigtede. Der er størst sikkerhed med den her model på den samlede effekt af en gødning. Vi tør i hvert fald ikke at begynde at udtale os om relationen mellem et år i og flere år af effekter af en gødning. Skriver du noget? Ja, så vil jeg vise lidt omkring, hvordan de to modeller beregner udvastningen, og her har jeg så taget nogle af de værste situationer, og set på, hvad det betyder, om man har den en eller anden model. I Inlass 3 vil man typisk få en lidt højere marginaludvastning end Inlass 4, men set på det normale gødningsnivå, så giver de nogenlunde den samme udvastning. Så nivået er ikke forskelligt. Hverden i, når man tager enkelplot eller når man tager og gør det for hele landet, der er nivået nogenlunde sammen. Men når man går meget op over gødningsnormen, så kan det godt være lidt forskel i marginaludvastningen, og her, som det værste, har jeg brugt Inlass 4, som har fået 20%, det vil sige helningen af den kurve, som ligger bagved, Inlass 4 er 20% og den anden er 33%. Samtidig med, at den kan give en meget høj marginaludvastning, så kan man faktisk også få en meget lav marginaludvastning, og det kan man med begge modeller. Her har vi et effekt af gødning tilførsel til en græsmark, og der har vi så forskellen på et højt og lavt niveau af enden nivået, altså den historiske gødning, og marginaludvastningen ligger på 3-3,5% ved gødet op til 456 kilo. Der skal jeg så sige, at hvis det er for regret, så var den gældende norm 350. Hvis man ser så, og vil bruge modellen på nogle enkelt års forsøg, så skal man være opmærksom på, at man hele tiden skal bruge den måde modellen er kalibreret på. Det vil sige, at man skal tage højde for det gødningsniveau, der har været i dyrkningshistorien. Og hvis nu man siger, at vi har en vedet her, og den gødes i historien med 160 kilo, og der er tilført 130 kilo i det enkelt år, jamen så er udvastningen beregnet til den samme uafhængig om, du bruger, altså hvordan du bruger dit enden nivå. Hvis du så i stedet går og måske vil have, at vedenden var forfrugt, men nu er vi over i en havremå, som kun får 40 kilo. Det betyder faktisk i modellen, at den stadigvæk har et gødningsniveau på 160, men tilført det første år af 40 kilo, og set over længere tid, så vil udvastningen falde, fordi et gødningsniveau vil falde, hvis man har gensagende år med havre, med lavniveau. Det skal man være meget opmærksom på, når man begynder at bruge den på enkelt forsøgsled. Så er der den kurve, vi visste, som vi visste for i vores besvarlse til Berlinskes artikel tilbage i oktober. Der har vi så vist, hvordan de to modeller reagerer. Baseret på den viden, I fik i formel af, både på de langsigtede forsøg og de kortsigtede forsøg, så tror jeg ikke, I vil være uenig med mig i, at en lastrig giver et generelt overestimat på marginaludvastningen. Fordi hvis I tror det, så er der altså noget, der har gået galt med vores pædagogiske evner her i formel af. Derfor har vi stor tillid til, at en lastfirs marginaludvastning og marginaludvastningen, i den her sammenhæng, er fra undergødningsnorm op til gødningsnorm. Det er ikke noget med op til halvanden af gødningsnorm, fordi det er ikke tillat. Så vores beregninger tilbage i tilbageholdningsnotat, gik jo ud fra, at 2011 var udgangspunktet, og så hævede vi gødningsmængden derfra. Så vi er helt overbevist om, at en lastfir, vi har afrundet det til 20 procent, selvom vi beregnede 18, at en lastfir-modellen giver et mere retvisning, svare på, hvad betydningen det vil have, og ændre gødningen fra undergødningsnorm op til gødningsnorm. Jeg vil lige zoomere lidt heroppe. Altså de to modeller, en lastfir, har samme grundstruktur. Der er flere floklarende variabler i en lastfir, flere afgrøde klasser, så vi beskriver sædskiftet bedre. Vi har et mere opdatert dataset, da en generell laver marginaludvastning for en lastfir, en lastfri. Det ved vi godt, men det er også fordi, at vi har et mere opdatert dataset. Vi tilægger i en lastfir og en større effekt af sædskiftet, og mindre betydning på endgødningen og udvastningen. Og jeg vil gerne sige, at man kan ikke begynde at splitte modellen op i en kort tidseffekt, eller først også effekt og en langvarig effekt af handelsgødningen på udvastningen, fordi den langvarige effekt er specielt knyttet til gødningen med den organisk fraaktion i husgødningen. En lastfir-modellen er kalibreret til at give et samlet effekt på kort- og langsiktigt effekt på endgødningen. Og en lastfir som en pirs-modell, det er en gennemsnitlig model. Og jeg siger tak. Er der nogen spørgsmål til Kristens oplæg? Nej, jo. Ja, det har jeg tænkt mig ikke fra FRDK. Jeg savner selvfølgelig jordbevartningsfaktor, men det har hørt ved i form af den her, den har en tyne, jeg vil sige, at hvis vi får hel i vores, med landmænd og for mindre jordbevartninger, så sker det op til skubbræresmodeller, vil jeg tro. Og den anden ting, det var, vi har hørt, eller Peter i form af, at biologisk bunde kvælstof, det var en sammenligning med husstyrkøjning, og det vil sige langsomt opsetligt, at du havde en anden gruppe, at det faktisk var hurtigt opsetligt. Og i hvert fald, hvis du koble med kvælst med jordbevartning, vil det påstå, at det ikke bliver hurtigt opset, hvis vi ellers holder igen med jordbevartning. Til det første omkring jordbevartningens betydning, det er rigtigt, at der har vi en udfordring på at beskrive denne betydning for udvastningsændringen, og specielt nu, hvor der er kommet forbud mod jordbevartningen i efteråret, så har vi ikke den ind i spil. Med ansyn til fixeringen, der indgår den både i den kort tid og lang tidseffekt på udvastningen, så den indgår begge steder. Ja, så iler vi det videre med næste opleg.