 Er der allerede nu nogen, der vil lægge ud med spørgsmålet? I må selvfølgelig gerne sige, hvis jeg spørgsmålet er generelt til hele panelet, så sige det, eller så sige, hvem det er I gerne vil stille spørgsmålet til. Og vi starter heroppe på første regge. Ja, det er Peter Sørensen og som Æstet. Jeg lægger ud med et spørgsmål til Bjørn. Ja, fordi Bjørn, du efter spørg. En måde, eller du efter spørger, at man sammenligner NLS3 og NLS4 og kommer med objektive kriterier for, hvad er bedst. Så vil jeg godt spørge omvendt. Har du et godt bud på, hvordan man sammenligner to modeller? Og så ud fra det kan jeg sige, hvilken en er bedst? Jamen, jeg har brugt hele mit professionel liv på at lave en hel masse forskellige typer modeller. Jeg kan ikke lige sidde og røde stået, men hvis jeg er ret fibreret, så er jeg i en arbejdsgruppe, og så skulle jeg nok finde noget af jer. Ja, er der andre? Jeg forestiller mig, I måske også har nogen spørgsmål til hende enden. Ja, Lars? Jamen, jeg har måske et spørgsmål til Bjørn i relation til NLS5. Hvad med den sidste her responsen på kvældstof, den forestiller du dig, så ikke bliver ret meget anderledes, end den er i NLS4 eller? Nej, overoverne, nej. Vi er helt klar over det der spørgsmål om krummheden, ikke? Vi er ude i situationen, hvor vi helst ikke vil have, at noget er lige. Så kan jeg forstå, at det skal helst være krummer af gurkere, og så er det noget, vi har mærket. Det der er problemet, tror jeg, i virkeligheden, i den måde, som NLS3 og NLS4 er formulerede på, er, at de tesirer, at det er samme krummhed uanset af rød. Og det er medgarantig galt, for det kan vi også se i nogle af de præsentationer, vi nu har haft her, at når vi har sådan noget som kurde og rødder, der slutter væksten. Så er der et hullbindu efterfølgende, hvor man, hvis der er meget kølstof til rødighed, vil have den der udvaskning. Og det er derfor, at man i de situationer får den der krumme ting. En tilsvarende græd af krummhed vil man ikke have i de afgående, der har en meget længere væk-sæson som græs og rur og hvad ved jeg. Og den skældne har man aldrig fået lavet i NLS3 og NLS4, og det bliver nødt til at få gjort. Så det arbejder vi på. Ja, Bjørn. Hvis jeg måtte kommentere på det, er det samme grundprincipt, som vi så fører til de der mange krummninger, som ligger spredt ud over en halv kilometer område, så har man nemlig ingen chance for at ramme nogen som helst afgrøds krummhed. Men hvis jeg skal kommentere lidt på det, så tror jeg faktisk, at det allervægtigste er, fordi man kan også spørge, hvad er vigtigt at få repræsenteret i sådan nogle modeller. Og jeg lægger lidt væk på, at vi kan få repræsenteret det her med virkemedel og responser, i hvert fald i en gennemsnittelig situation, en modell som NLS4 vil aldrig kunne ramme enkelte år og situationer osv. Der skal man formelig over i noget dazig-modell, men selv de modeller har svært ved at håndtere altid det, der sker i virkeligheden. Det, vi skal sikre os er, tænker jeg, er, at vi får ramt effekter af afgrødder og efterafgrødder, og så de her nivåer på gødning. Og gerne tænker jeg den lidt langsigtede effekt. Vi har stadigvæk rigtig svært ved at få håndtert og skældnet. Det kan vi tåre ikke med det data set, vi nu har til grundlag mellem den kortvej en år eller hvad den nu er, og den flere år, for det konfunderer med rigtig mange andre ting i vores data set. Men altså er det rigtigt, vi vil operere i nogen låne samme struktur, men forsøg at få skældnet noget bedre mellem hovedafgrødder og det der efterårs situation. Og så håber jeg, at det der og tager højde for, at afgrødder reagerer forskelligt på det der responsorkomhed kan løse noget af problemet. Ja, Bjørn. Jeg vil fastholde, hvis det kører på nogen låne samme principle, så er det simpelthen en mulighed for det første. For det andet, bare det, at det kører på det principle, vil give en bier, som giver en noget lavere marginaludvaskning, end hvis man kunne datamegne de der krummninger meget mere specifikt. Så jeg har ingen planer om at datamegne de der enkel krummninger meget mere specifikt. Det har vi gjort. Vi er ikke presenteret det her i dag. Vi har kigget på de der 150 forskellige kåre, og der finder vi rigtigt, at hvis afgrødderne får vi ikke at håndtere den krummning rigtigt. Vi får dog, hvis vi nu tager den marginaludvaskning, der ligger ned omkring økonomisk optimalt, rammer vi sådan set fin nok. Men vi får ikke den ekstra krummning. Det er fuldstændigt korrekt. Det er heller ikke sådan faktisk. Og det har vi også set her, synes jeg i dag, i form af, at vi i alle situationer nødvendigvis har de der krumme kåre. Det har vi jo ikke. Vi skal i mange situationer godt stykke op over 50% af den optimale indfør, at det virkelig begynder at krumme for alvor. Det har vi altså meget, meget få data. Det kan vel være, at vi har gået i dumheder, når vi nu handledkker vores forsøg og data på den slags, at vi ikke kommer højt nok op. Det kan godt ærger mig noget, at vi ikke har det. Men så må vi jo i gang med det, tænker jeg. Men det kan vi altså ikke gøre bagudrettet. Vi har få få data, der faktisk krummer. Har du? Jeg fundet mig, at det er meget vigtigt med denne her krummling. Bjørn og det er jeg efter at give det. Men andre kaner du, at det jeg lige har vist demonstrerer, at ideen om at lave enkelkrummlinger for græs, majs, vintervede, et cetera, er en umulighed inden for det nuværende koncept. Og vi ændrer det koncept, så er det ikke længere en umulighed. Hvilke grundlag skal vi ændre det, når vi ingen gange har nogle data, hvor det krummer? Nu tror jeg, at Gitte skal have lov at komme til. Ja, fordi der er jo en grundpremis i NLAs 4, der gør, at man simpelthen aldrig kan komme til at komme uanset, hvad vi gør ved det, fordi sådan som dag i dag, så er udbytterne ikke inden. Hvis man har sådan en måle, så er det lige der, hvor udbyttet er, at udvæsningen begynder at stige. Og når udbyttet ikke er en forklaringsviabelt, så bliver udbyttet jo, eller udvæsningen jo bare noget gennemsnitligt udbyttetaktigt. Og derfor kan den aldrig komme til at være så skarp krummende som forsøgsdataerende. Tilsigere, det bliver et eller andet gennemsnitligt. Den kan selvfølgelig godt være mere krumm, end den er i dag i NLAs 4, og det er noget af det, vi vil arbejde med i NLAs 5. Det som Jørgen også har snakket er, at det betyder meget om den der respons, man prøver ind i modellerne. Om det er en gennemsnitlig respons for alle afgrøder, hvor Græsjo har en meget lave respons, eller man prøver at differensere der. Så når udbyttet ikke er en, så er det jo en gennemsnitlig udvæsning med en eller anden gennemsnitlig udbyttet. Og det kan man godt diskutere, om det er sådan, at man gerne vil have modellerne beregner. Man kan godt diskutere i år, hvor der nærmest ikke er ret høj udbytte, så vil udvæsningen jo være væsentlig højere end det modellerne beregner. Det er en worse case. Skal man regulere alle kongerider og kvælsterfugeladendning efter worse case, eller efter gennemsnits forhold? Det er rent politisk spørgsmål. Det er ikke spørgsmål om modellerne rammer rigtig i min optil. Ja, og Bjørn? Lidt provokatorisk vil jeg postulere, så længe man ikke har udbytterne, og i de tilfælde, når man ikke har mål at udbytte, så er en eller anden nogle lunde præcis funktion for, og hvordan de ærter sig, så kan man ikke lave en valid udvastningsmodell. Det er simpelthen et must efter meningen, og det er min subjektive mening, at man tager eksempelvis udbytterne ind, så når man har en bredere beskrivelse, og netop kan ramme de der krumlinger, så vil man også slippe for den der underlige, formentlig slippe for den der underlige, årlige teknologifaktor, som dybbelset efter meningen langt hænder vejen, bare drejer sig om udbytterne af stedet. Ja, og Jørgen? Det er fuldstændig korrekt. Det er også derfor, vi arbejder med det spørgsmål netop i udvikling af NLS 5, og får den teknologifaktor væk, det skal vi meget gerne, og vi kan se, at vi kan i hvert fald ikke få den væk, hvis ikke vi inddrager udbytter, og den udbyttestigninger, der ligger i den sammenhæng. Denne bare er lidt en udfordring, er, hvordan får vi det godt nok med, fordi vi har jo ikke de målte udbytter i alle de data, vi nu har med at gøre her. Så det er noget, vi arbejder på, og se, at vi ikke kan få løst. Life. Men altså, hvis man liste en anerkennere af NLS... Du skal lidt tætte dig på mikrofonen, tror jeg. Hvis man liste en anerkennere af NLS, kan du ikke beskrive udvæsningen præcis i den enkelte mark i det enkelte år. Men så siger han, at nu vil vi prøve at se, at vi kan gøre det i den enkelte mark over flere år. Så har du selv sagt, Bjørn, at optimum, det varierer meget mellem ordene, og der varierer afvielsen for optimum meget. Det vil i sig selv give noget mere flad kurve, end hvis man ender at se på de der udvæsningsforsøgelse i enkelte år. Bjørn, skal du lige have lov at svare på det? Jeg vil mene, at det giver en mere knap så knækket kurve. Det giver en mere blød kurve, og til gengæld starter denne blød kurve formentlig. Alt efter hvert en årlig variation eller variationsbrætning i optimum er den starter måske 50-55 kg underdøkonomisk optimum, og lige så stille begynder, som en effekt er en mange år i datainsamling begynder at stige. Yes, og så har vi nogle spørgsmål hernede. Du var først, og du æder. Jens Borum, Københavns Universitet, igen. Jeg kommer i den allervom og går igen. Jeg er ikke ekspert i det her, og det har jeg fået fortalt mange gange. Det vidste jeg synes er godt i forvejen. Derfor har min tilgang været meget til det, så den prøv at kigge på regnskabet. Fordi at kigge på masse balanser. Det er godt de regnskaber, så er det nogen, der kan afstemmes. Du skal lige til mikrofonen helt op. Så jeg så mig glæde at give despræsentationer så den regnskabet for op til gødningsnivået der 2011. Spørgsmålet er, kan man ikke lave det samme for marginaldelen? Kender marginal høstudbytte, og i beregnet af marginal udvastning, så mangler vi to poster der. Det er den itinerifikation, og så er det ophåbning i jorden. Hvis man prøver at lave den beregning ud for de værdier, vi har nu, kan man så prøve at vurdere, hvor der er det plausible, at vi får den meget store ophåbning i jord, som det faktisk vil kræve for at få en afstemning. Det er den ene tilgang, og han er en ekstra tilgang der. Man kan prøve at se, hvordan er forløbet på den mængde kvædstof, der faktisk udvaskes i vannet løbende. Er der en overén stemelse? Det kan bruges om ikke direkt tjekke, men alligevel et ekstra tjekk for om den udvikling, man estimerer, og faktisk også afspejles i de udvaskninger eller udledninger, man ser til havet og til vannet løbende. Ja, er der nogen heroppe, der vil svare på det? Det var Gitte, der blev nød. Det kan jeg prøve. Det er vanskeligt at lave den her massebalanser på marginaltingene, fordi der også kommer det der med udbytterne ind, og der er også en effekt af, at udbytterne justiger over årene, som Leif også var inde på. Men jeg er egentlig, at det er nødtigt at få lavet en masse balanser, som jeg stillede op der for 2011, og det synes jeg så, at vi skal gøre, når vi begynder at få data her for 16 og 17, med det mere gøndingsforbrug, der så kommer. Der er også den usikkerhed i hele det her regne kompleks, at vi har antaget, at gøndingsforbrug vil stige i de her 69.500 tonne, og virkeligheden formenlig, eller vi ved, at den er anderledes, at bl.a. man ikke gøder helt så meget. Så der er også nødtigt at prøve at kigge på de data, vi får ind nu her, og så prøver at stille den samme balanse op. Så var det i det der med udledning til havet, som jo, der også er rigtig stor fokus på, så er det også, om vi nu får det målet rigtigt, der hvor vi kan måle det. Men der er også noget tidsforsingelse, og det er også rigtig meget påvirket af klimat og anedbørn, og derfor er det ikke voldsomt nemt at koalere de her ting over få år, men nødtigt at gøre det over flere år, og det har vi så også gjort, f.eks. med marktbalanser og udvastning, og udledning til de forskellige oplander i forskellige papers. Ja, Jørn. Ja, hvor bliver det af? Jeg har overbevist om, at ændringer i jordpuljeorganiske stof er nøgle til at forstå det her. Det er bare det svære, ekstremt svært, umuligt, og måle de ændringer i jorden, fordi vi måler små ændringer i en stor pulje. Så derfor er man også ofte i den sammenhæng nødt til at tyde til nogle modelanalyser af det, og vi har hørt noget fra Merede om daiseanalyser af det her, og de viser jo også, at nogle af de tittage, som man så gør i den der sammenhæng, som vi også ved påvirker marginaludvastningen blandt andet efterafgrødder eller tidlig sovning, eller hvad det nu måtte være, afspejler sig også i en langsigtig ændring i jordpulje. Så derfor er det nok et spørgsmål om jordpuljeændringer, og der er problemstillinger så i virkeligheden, at godt nok kan vi muligvis håbe noget op i noget organisk ændring i jordpulje, men det bliver der jo ikke, fordi det vil jo blive mineraliseret og omsat. Noget er det godt nok på noget længere sikt, men på andre andet ispulje, så kommer det jo selvfølgelig, og der kan man jo så diskutere i virkeligheden ind i den her sammenhæng, hvilken tidshorisont er det så, man skal vurdere noget sådan på. Og hitel kan man jo sige, at den tidshorisont som en lesfire, har i virkeligheden med en femårig tidshorisont bagud, er i virkeligheden langt hen af vejen, og det har Bjørn også faktisk ganske udmærket hvad den er på, afspejler jo sådan set ikke de data, den nu nødvendigvis er lavet på. Og det er også noget, vi døger med, kan man sige, i vores nye nles 5, og der vil vi måske en dag gå ned i tidshorisont, det vi har med at gøre, simpelthen fordi, at vi jo ikke har for alle vores data ser, at det er tidsperspektiv bagud. Uanset hvad, ikke? Så er det jo sådan, at vi kan aldrig afspejle hele historien bagud i det her, og en hver af den her type modeller, hvis vi nu snakker om marginalen noget, vil afspejle en kortere tidshorisont i tingene, og ikke den fulde langtidsperspektiv. En fulde langtidsperspektiv vil nødvendigvis have en højere marginal respons. Men der er ikke endnu at sige, det afhænger så fuldstændig, hvad det er for noget dyrkningsteknik og så videre, man nu har, og hvor god udnøgelser man ender med i dyrkningssystemen, og her er sig kvælstof. Yes, last first, og så Bjørn. Ja, men så vil jeg måske stille lidt propagandet spørgsmål, både til Jørgen, og måske vækkerne også til Nelster, hvorfor er det, at AEU har så stor modvilde mod, og vil bruge nogle mechanistiske modeller, fordi de kan jo i virkeligheden bruges til mange af de her ting, altså sammenhørende ting af udbyte og udvikling i udvastning, og udvikling i andre ting, som de organiske pulver i jorden. Jeg forstår ikke, hvorfor man så desperat klinger sig til en modellform, som i virkeligheden giver alle de vanskeligheder, vi nu sidder og taler om, i stedet for at sige, vi gør i virkeligheden flere ting. Jeg tror jo ikke på, at mechanistiske modeller er det ultimative svaret hverdige mod. Jeg tror, at man skal bruge en kombination af empiriske og mechanistiske modeller, forløbet med det mechanistiske er, altså, at vi kan blive lidt klogere på tingene. Jeg synes ikke, at der er meget at tyde på, at vi bliver voldt så meget klogere af de empiriske. Ja, Jørgen, det skal du måske lige have så lov at svare på. Jeg tror bare, at de evne flytter den sted hen. Fordi de evne flytter der hen, hvor man skal skaffe sig et meget mere detaljeret input-dataset til at sætte de modelberegninger op, som man er nødt til for de her mechanistiske modeller. De er mere krævne med hensyn til at få beskrevet parametre på både afgrødder, jord og det hele. De er mere krævne også i virkeligheden, hvis vi nu skal usikkerhedsvorter og valider osv. i den her sammenhæng. Fordi, vil jeg mene, at de statistiske modeller er, at vi er på et niveau, hvor vi uanset kompleksiteten i det, har en chance for at forstå, og vurdere, hvor der ligger usikkerhed er anden. Jeg er bange for, at vi vil have et endnu større og uoverskogeligt situation med de mechanistiske modeller i sammenhæng. Men jeg kan vel følge Lars i, at en mulighed kunne være en kombination. Yes, der er flere spørgsmål nedeforsagende. Jeg kunne godt til mig lige at hoppe ned. Ja, Nils? Du har selv præsentat den som forskningsmodeller, og jeg kan da kun opfordre til at forskende på tvæs og understederne har været sammen, og igennem de år, jeg har været på forum, det gøb mig snart, 5 år, der har hørt mange, mange referencer og brugselreferencer, til da I siger, at der er min indtrykker, der er forskens. I forsknings samarbejde får jeg gå rigtig meget. Men jeg har svejligt hørt Lars, altså to spørgsmål, for at forestille dig, at du kunne koble hele det, der sætter op med at kunne modulere udvastning på de danske marker igennem flere år, om at det ville du kunne gøre med Dacia. Du kunne nogensinde parmetrisere den så meget, at du ville kunne bruge den til at analysere virkemedler ude i danske landskab. Du pointede selv meget, at det her er en punktmodellen. Du kan faktisk dold nok modulere en hel mark. Det er det ene spørgsmål. Det andre spørgsmål, som jeg har siddet under mig over lidt her, er, at nu vi snakker om krummelinjer. Den er meget mere krum-responsen, marginalen er sådan noget i Dacia. Men hvordan påkker har du fået det valideret? For hvis du sidder med nogle data, som faktisk kan validere, at den, der kunne, er krum og meget længere ude, end det, hvor vi har forsøgst data til at parmetrisere den empiriske model, så må du der være nogle data, vi bare ikke har haft adgang til eller hvad. Fordi problemet med at få den mere krum, som vi har hørt i Dacia, eller sluttet i en læs, også i den læs 5, er vi faktisk ikke her af de empiriske data, der viser, at vi har lige fået i form af rigtig mange fordager, der viser, hvad vi har, af forsøgsbaserede resultater. Der er gud i, at vi jo ikke er ret meget, at det er der, der krummer helst. Så kunne en ikke godt til mig at spørge, hvad det egentlig har valideret Dacia op imod, og efter, at kurven er så krum, og kan vi så låne dem? Vi lå en Dacia ud. Lars. For det første, så kan jeg sige til sidste spørgsmål, at Dacia har deltaget en lang række modelsammenligninger på en lang række international data set, hvor den ofte kommer ud som værre blandt en af de bedste modeller. Så jeg mener, at den er relativt valideret, og inklusiv danske data set, men de fleste af dem er jo international, med sammenlignelige klimaforhold og så videre. Når du så spørger mig om, jeg kunne forestille mig, at man kunne sætte Dacia op fra hele Danmark, jeg er i princippel, kunne man jo sagtens gøre det, det tror jeg ikke er realistisk. Jeg tror det er realistisk at opsætte Dacia for en lang række reprezentative jordtyper, sadskift og så videre. Det vil man ikke kunne gøre for nogle år siden, men det er jeg rent faktisk, det er jo rigtigt, og det gør mig ret, og jeg er også helt klart, at problemet er jo med en mechanistisk modell, at der er rigtig, rigtig mange parameter i den. Fordelen er bare, at vi kan altså blive klogere af den, vi kan få noget mere viden bygget ind, også for delprocessor, med endelæs, at den eneste chance, jeg har, det er at skabe flere udvastningsdater, og man kan kun kigge bagud i tid. Noget af jeres problem er jo, at I kan kun kigge på hjem, Fordelen ved det mechanistiske modeller er, at man i højere grad, når man først har fået valideret sin mechanisme, så kan man rent faktisk også sige, at hvis vi nu gør sådan og sådan, så har vi større tillid til, at modellen siger det rigtigt. Det, der er, synes jeg, et af udfordringerne er, når man bruger sig noget som mechanistiske modeller, som jo har en beskrivelse af, hvordan afgrødder og så videre vokser er, at det typisk bliver en idealiseret beskrivelse. Og vi har, det kan vi jo se, når vi nu tager en del af vores data her, et af de allervæktigste virkemedler af efterafgrødder. Og efterafgrødder vokser altså vit forskelligt i forskellige år. Det har vi meget svært ved at få beskrivet godt nok i vores mechanistiske modeller, og de er rigtig meget har et spørgsmål om, hvordan de bliver etableret. Og det er i sig selv en kompliceret, og derfor får vi ofte for idealiseret beskrivelse af tingene, når vi bruger sig nogle mechanistiske modeller. Det er svært at gøre på anden vis, fordi at få beskrivet lige præcis, hvorfor søren nogle gange går galt, og det gør det ofte på det der område i praksis. Der tror jeg så, at man er simpelthen nødt til at basere sig på et eller andet empiri, fordi at modellerne ikke dækker det, der i virkelig en foregår i praksis. Ja, Bjørn, kan du gøre det kort? Fordi der er flere spørgsmål i sælen? Ja, det var en kommentar til en ældstidskommentar. Jamen, vi har set nogle meget flade, marginaludvastninger i dag. Jeg er ked af at måtte popperopme statistikens ubornhørlige gud, og den i mit hoved, som jeg fortolker det, siger han, at der skal 5 år tage til at tune et fastlæggende forsøg ind til her, så nogen låner her kvæstofniveauet, og så skal der 10 år med den vejtionsbreide, vi har i Nord-Europa 10 års målinger til, før vi har det strækkeligt med bregte i det, til at vi kan sige, vi har bare en nogen lånne sikkermedel værdi. 15 år, guys. Jeg er frygtelig ked af at være sådan et spoilsport, men det er os lidt, at det tager 15 år. Vi kan få nogle indikationer, vi kan kompensere lidt, det tager 15 år og etablerer et godt dataset for det her, og det vil jeg fastholde. Tak. Ja, jeg vil gerne, der er en dame ved det hernede, der har markeret meget længe. Vi skal nok komme tilbage til dig. Mange tak. I deres søndergård, Miljøpolis Rødgiver for Enhedslisten. Jeg vil bare gerne spørge Bjørn. Altså, nu kommer vi jo meget ned i detaljen her, vi snakker meget om lige og krumme kurve, men det må måske være meget godt for diskussionen i den brede offentlighed. Hvis vi bare lige så kunne få dig helt straight, i det responsum du har kommet med, som svar på Aarhus Universitets kritik, er det så korrekt forstået, at du kogluderer, at der ikke er noget forskningsbasisk belæg for NLAS 4-modellen, der ligger, der bruges i landbrugsparken. Og hvis jeg, hvad betyder det så, at det regnskab, der ingår i landbrugsparken, ikke er noget der? Må jeg tilhøre mig at lave en paraphrase på dit spørgsmål? Jeg vil heller sige det sådan. Der er ikke forskningsmæssig belæg for at sige, at NLAS 4 har en bedre marginalundvasseling end NLAS 3. Jeg har ikke dermed sagt, at NLAS 3 er svaret på alle vores bønder. Det ved jeg ikke. Der er ingen forskningsmæssig belæg for at sige, at NLAS 4 er bedre. Og et usikkerhedsfældt mellem hvad det nu måtte være procenter, så er det for mig en fuld standig uakceptabelssituation, i tager, da jeg tror, man med få måneders arbejde vil kunne pinpointe de tre spørgsmål, som jeg nu har gentaget i det her paraphrase. Så nej, der er ikke noget forskningsmæssig baggrund for at sige, at marginalundvasseling, netop at 18-20%, jeg er en lidt provokerende person, så jeg vil sige, at det læner sig op, og jeg håber ikke, at der er nogen, som ser alle personer fortrykker, og det læner sig op af Gatwerk. Life, du markerede. Nu hører vi at sige noget andet, det jeg har tænkt mig om, Anna. Jeg vil sige, at hvis nu man skal få følge den diskussion, Bjørn, vil du så ikke sige, at all empiri og alle udvikling i landbrugt i de sidste 20 år, med stine udbytter, stine efterårsbevoksninger, det skal give en lavere marginalundvasseling. Det er jo sådan set det, der interesserer mig, men det var jo at brænde det. Ja, Bjørn. Ganske kort. Ja, Life, man laver en vad. Det er jo et godt spørgsmål. Jeg vil gerne gå ned til Christa hernede. Ja, tak. Det er henvendt Lars, fordi han efterspørger vores brug af DC-modellen. Og i DC-modellen har vi faktisk brugt de de evalueringer, vi har gennemført i forbindelse med grønne vækst og i forbindelse med WMP3 og WMP2. Så vi bruger jo både en less og DC-modellen. Men udlemten det er, at når man skal bruge DC-modellen på landsplan, så kræver der mere end i et år så arbejder forud for at få 200 modellen indtil at give. Og da de sidste gange vi har brugt dem har givet nogenlunde det samme niveau som en lessmodellen har, så har vi altså i den her forbindelse med tværhulnen taget ikke været ind, fordi det vil kræve det der års kalibrering på grund af at man skal se fremad. Og der har vi jo ikke udbyder, vi kan kalibrere til. Ja. Bjørn først, og så Jørgen. Skulle jeg tage alle for meget tættet. Kristian, er det ikke rigtig forstået og det er et åbent spørgsmål at den skæb DC, du så udmærker og brugte i mange år, giver en noget højere marginaludvaskning end less 4? Det kan jeg godt svare på, det gør den ikke. Den giver lavere, fordi at dit endresponsoptimum det ligger betydeligt højere end økonomisk i DC. Det er dens grundstruktur, så du får ikke nær den samme marginaludvaskning i DC, hvis du bruger den standard i sådan nogle landsbyrrejninger. Den skæb du har brugt giver ikke en højere marginaludvaskning. Så bliver hun klar, tak for det. Jørgen. Merejde. Jeg havde en god bemerkning på en af sine sidste slides, som også er vist i rigtig mange undersøgelser. Jeg har selv været med i også sådan noget modell sammenligning, nemlig, at den person, der sidder og bruger de her mechanistiske modeller, er rigtig, rigtig afgørende for hvad det er for resultater, der kommer ud af det. Det er nemlig, ofte så mange parameter i de her mechanistiske modeller, at det er op til brugeren, ligesom at få spesificeret, hvordan kalibrering skal foregå, hvilke parameter man ofte kalibrerer, hvordan man gør det osv. Det har den uheldige konsekvenser. Det kommer også til at påvirke i betydelig grad, hvad det er for predictioner, man får her under i en sådan sammenhæng af hvilken marginaludvaskning man har med at gøre. Det er rigtig ubehagelige ting. Man kan selvfølgelig løse det, hvis man sætter en række forskellige modellgrupper op til at være især og operere i de her systemer. Der har, hvad jeg nu våger påstår, de her, selvom der er alle mulige andre problemer med de her empiriske modeller, den fordel, at man i hvert fald i anvendelsen, er dem undgår den brugereffekt. Desværre er der jo en brugereffekt i forbindelse med dem, der nu steller modellen op. Ja, live, var det til samme smørsmål her? Nej, men når man sidder og hører diskussionen om modeller, kunne jeg måske godt ønske, at man havde brugt mere tid på at framske af nogle ordentlige data, der kunne belyse det. Vi diskuterer ved os selv at lave den ene modell efter den anden. Altså, i virkeligheden, så synes jeg, at vi i høj grad mangler nogle data, der belyser spørgsmål, og det er jo først i de senere år, der er kommet gang for alvor i den øvelse. Altså, hvis vi diskuterer om, og skal modellere en end respons. Yes. Der er et spørgsmål ned fra Bærester Række. Du har markeret meget længe. Det ved jeg også godt, der er flere i andre, der har. Jeg prøver lige at prøve at tage det her. Tak for det. Klaus Ekström, fra Kemals Universitet. Jeg har egentlig en kommentar, og så har jeg to spørgsmål. Min kommentar er, det var egentlig noget, der blev sagt til Lars lige før, om at den mechanistiske model var idealiseret, og det er alle modeller. Alle modeller er forkerte, og nogen af dem er brugbare, og der er ikke en skærmle forfader, har sagt. Så det gælder, hvad vi er empirisk, eller om det er den mechanistiske del af det. Men jeg kunne godt tænke mig at vide den empiriske del. Det er jo bare en emellig statistisk parametrisk modell. Hvorfor ser vi aldrig nogen, sæt nogen usikkerhedsintervaller på de størrelser, som er regnet ud? Fordi det er jo i hvert fald, det man lærer den første team i statistisk undervisning. Ja. Hvem vil gerne svare for det? Vedrørende usikkerheden. Hvorfor er det ikke mere tydeligt? Det bør det også være. Det er da helt klart. Det kunne jeg godt ønske mig, at vi gjorde i rigtig, rigtig mange sammenhæng. Det blev gjort for sjældent. Der hvor vi har en udfordring, synes jeg, er, også så at få en lang, lang bedre diskussion om, hvad det er for elementer. Hvad er det for elementer i hele set oppe vi ønsker? Og kræver skal indgå i de usikkerheder, vi har med at gøre. Fordi når vi snakker om noget, så forholdsvis kompliceret, som hvad sker der, når man for eksempel infører en eller anden form for ny regulering ude i landbruget. Der er jo ikke kun påvirker, kan man sige, nogen enkelte responser i et eller anden modell, vi måtte have. Men jo i høj grad også, hvordan landmænds adfærd bliver ændret i deres afgrødder, ændret i hvor de gøder, hvad hende og så videre. Så der er mange elementer i det der, som jeg tror, at vi skal bruge en hel del mere tid på at få belyst så front, at beslutningstager og politiker og så videre overhovedet vil bruge det til noget som helst. Fordi ellers er det jo spil af tid. Det, jeg i min karriere har oplevet, er, at der er aldrig verken i det ene eller anden styrrelse eller i en politisk sammenhæng. Nogen der egentlig bruger usikkeres intervallere til noget som helst. Ja, så får jeg lyst til at give ord til enhedslistens spørgsmål. Jeg vil bare spørge, ganske kort. Der var en anden del af mit spørgsmål. Bjørn, du svarede meget fint på spørgsmålet om, hvorfor vi der var forskningsmæssigt belæg for en list fire og der var svarig meget klart at den nærmede sig gett værk. Men den anden del af spørgsmålet gik på, hvad det betyder for landbrugspakkens regnskab, om det så i virkeligheden er noget at være overhovedet, der baserer sig på elementer af gett værk. Bjørn. Skulle kunne du præcisere en anden, som jeg? Landbrugspakkens regnskab, der vil sige kvældstofrejnskabet i, gødningsrejnskabet i 1868. Det berømte schema. Jeg har ikke, det er berømt, jeg har sagt det, jeg er meget present. Jeg kan sige, at hvis, og jeg siger ikke det er tilfælde, jeg siger heller ikke det er ikke tilfælde. Hvis NLS 3 trossalt giver en mere retvisende marginaludvæsling end NLS 4, så vil indsatsbehov og mange andre ting selvfølgelig ændre sig ganske væsligt. Eller hvis man ikke vil lave indsatsbehov, så vil belastningen ændre sig ganske væsligt. Jeg ved ikke, om jeg svarer sådan en helt spotterhåne på dit spørgsmål. Giv det, du må kæde også. Ja, fordi, den forskningsmaskige belag for at anvende den ene modell, fremfor den anden, altså NLS 3, NLS 4 i forhold til marginaludvæsningen, det er jo, at der findes nogle måle, der vi rent faktisk kan holde op imod de to marginaludvæsninger. Det er dem, der først er ved at trille ind nu og nogen af dem, vi først har set. Her i dag. Derfor er det urigenligt at stille det op, som om, at det er et valg, og som om, at den ene er bedre end den anden her nu, der har været en konsistens måde at arbejde med, at de har ting på i møndighedshøjgivningen, og det har vi gjort redde for i tilbagerundlingsnotatet og i mit indlag. Men jeg vil meget gerne hæfte mig, ved noget af det maré, der sagde. Hun sagde, at der måske ikke var så frokbar i diskussionen, og brug meget tid på, at nu er 33 eller 20 jeg kan sagtens se konsekvenserne af landbrugsparken. Og jeg har brug for at sige, at de der 33 var noget, der blev regnet ud tilbage ved en P2-evolvering 2003, og at den respons er langt lavere i dag, hvis alle efterråder kommer ind. Men det, der er fokus, det er jo på virkemedler og fremadrettet. Og der synes jeg bare, at diskussionen meget gerne skulle hen i, at vi skal have nogle virkemedler, der virker og også nogle modeller, der kan håndtere dem, og ikke kun have fokus på den her marginaleudvastning. Yes, Bjørn, det skal være meget kort. For det første, de data, vi har set, har været ganske kort. Mange af dem har været meget korte. Kortvare forsøg. Nogle af dem har været forsøg over, hvor der har været rigtig gode udbyter, man kan ikke komme bag efter undskyld. Det er provokatorisk. Man kan ikke komme i 2018 og lægge det mere, når man gør i 2005 mere, det viser, at vi har været ret. Man er nødt til at have en ordentlig process også i 2015. Kristoffer, du har markeret meget længe. Ja, jeg har lige et enkelt spørgsmål til Bjørn, og sådan en kommentar først, kommentaren, nemlig den, den langsigt effekt, der synes jeg også, at når vi får et højere omsætningsniveau i sådan et system, så sætter det sig jo også i det gønningsbehov, som vi sætter i kvælserfnormeren på det lange sægte. Det kan vi sådan set vise med vores landsforsøste, at efter vi fik de normer, så er det fallet den mængde som kvælserf, som Jorden steder til rådighed, og den vil jo forhåbentlig gå lidt den anden vej, ikke også. Det vil selvfølgelig sæt sig delvist i kvælserfremhåvet falder lidt, og det vil også i udvastningen. Den anden ting, det har Bjørn, når du vil revidere den ene halvdel af det regnestøk, nemlig, hvis vi siger marginaludvastningen om, der kan vi lægge nogen. Det mest rimelige, vi vil nok være at lægge et udsikkerhønsintervall, og sige, det kan være for det til det. Nu kender vi jo så også landmannens alfer, og den kender vi ikke med et udsikkerhønsintervall, den er sådan set indberette, nemlig det, at der er brugt mindre gødning. Så selv hvis den var 30% marginaludvastning, så ville vi jo enden med nogenlunde samme regnestøk og nogenlunde samme indsatsbehov. Er det ikke rigtigt? Bjørn. Nu er det svært at sige, hvor mange procent er råderommet landmannet med brug fremover, men uanset hvilken procent del af råderommet de vil bruge, så er det stadig ikke rigtigt at have en rigtig marginaludvastning. Og hvis de kun bruger 50% af råderommet, så er det bare skønt, så kan vi læmpe på nogle ting, eller få bedre eller hvad ved jeg. Men jeg synes ikke, det er et argument for, at det kan være lige meget, bare fordi de ikke bruger her en råderommet, og du skal have den rigtige valg, det er den venskablig ting. Hvad efter, så kan vi kigge på praksis. Det skal selvfølgelig løbningen justeres i forhold til adværen. Det er klart. Ja, ene. Yes. Du har også ventet rigtig længe. Ja. Jeg tror, at vi nærmer os det sidste spørgsmål. Hjælsker sin tillegent fra D2. Der har jeg mange skjævelsider af detaljen. Det siger Jørgens selv. Og så er det også spørgsmål, om man i all de er trængt, hvor det er pulgen i jorden. Der er 10.000 kilogram købser vi i jorden, barrektar. Stort set. Og så er det noget med, hvor meget landman laver om efteråret med sine vinterer og røver. Der er masser af detaljer, især selv. Der har 30 forskellige parametrer. Hvordan det forhinder, at i næste udgave nummer 5 ikke også bliver beskyldt for, at det er nogen der sidder forhåndskærmen, der bestemmer, hvordan ting er færdigere ud. Var det til en bestemt person, eller skal Jørgen? Ja, det er det, han fejlte før, ikke? Førere centimeter fra skærmen. Hvem er det? Det vi opererer i med den her udvikling er også at få testet lidt forskellige principper af, for hvordan kan vi lave sådan noget empirisk model her. Så ledes, tænker jeg, at også den del, der har med principielle aspekter af modelstrukturen, bliver belyst. Og noget af det, der er lidt principelt i det, er blandt andet effekten at inkludere det, der er høstet ind i sammenhæng. Og den var faktisk med i NLS 3, men blev taget væk i NLS 4, for det var ikke signifikant. Men der er jo sætninger måske så virkelig også, at bare fordi noget ikke er nødvendigvis af statistisk signifikant, behøver ikke der med at bevirke, at det ikke betyder noget. Så det er noget, man har nødt til i sådan nogle processer, tror jeg, at få belyst på instruktureret vis. Det sværer, at det er også noget, der tager tid, og vi har ikke ret meget tid. Ja, det blev det sidste ord i dag. Klocken er 2 minutter over 3. Tak til alle jer, der kom og var med den her dag. Og tak til jer, der stillede op med jeres oplæg og ikke mindst stille op til debatten her til sidst. Tak for dag.