Dyrkningsregistreringer og driftsoptimering

Dyrkningsregistreringer og driftsoptimering -Vurdering af data i Dansk Markdatabase til benchmarking- Af: Rolf Thostrup Poulsen, Videncentret for Landbrug, Planteproduktion Fotos: Jens Tønnesen, Dansk Landbrugs Medier og Rolf Th. Poulsen/Poul Henning Petersen, Videncentret for Landbrug 1

Resumé/konklusion I denne rapport er data fra Dansk Markdatabase (DMDB) undersøgt, med det formål at belyse, om data kan bruges til at vurdere forskellige bedrifters præstationer. Arbejdet med denne rapport har tydeliggjort vigtigheden af at have valide data til dette formål. Da det aldrig har været hensigten at bruge DMDB til denne form for vurdering, krævede det en relativ stor indsats at validere data. Ved hjælp af ekspertskøn og erfaringer blev data screenet for mange unøjagtigheder. Hvis dataene i fremtiden skal bruges til bedriftsanalyser, skal der opsættes en mængde kvalitetskrav til dataene, så det garanteres, at de ikke er fejlbehæftede. Alternativt kan der opbygges et system, således at der sker en validering af data ved registrering. Gennemgangen af data viser, at de fleste sammenhænge tilsyneladende har en faglig forklaring. Det kræver dog nærmere analyse at eftervise, om forklaringerne er retvisende. En sådan analyse vil også kræve flere data, herunder f.eks. priser på plantebeskyttelsesmidler, så der kan gennemføres en økonomisk vurdering af de udførte behandlinger. Det konkluderes, at data i DMDB ikke på nuværende tidspunkt kan bruges til en grundig sammenligning af bedrifter på nationalt plan. Dertil er forskellene mellem bedrifterne alt for store. Omvendt antyder analyserne, at data kan bruges til at sige noget om de generelle tendenser i planteavlen, og også til at udpege potentielle indsatsområder på den enkelte ejendom. Indledning For at kunne optimere en virksomheds præstationer, er det nødvendigt at vide, hvor virksomheden har det største potentiale for optimering. Det stiller krav til registrering af de betydningsfulde parametre. Inden for planteavlen er parametrene de forskellige dyrkningsregistreringer, herunder udbyttet og indsatsfaktorerne (planteværn, gødskning og arbejdsforbrug). Ved at sammenholde dyrkningsregistreringerne, og evt. sammenligne med andre bedrifter, kan de de områder identificeres, hvor bedriften evt. kan optimeres. Det kræver korrekte dyrkningsregistreringer. Dansk Markdatabase (DMDB) er et elektronisk arkiv, hvor alle landmandens dyrkningsregistreringer kan samles. Databasen danner fundamentet for alle de online-programmer, der udbydes af PlanteIT ved Videncentret for Landbrug, Planteproduktion. Det betyder, at alle oplysninger en landmand registrerer i it-programmet DLBR Mark Online eller lignende, i princippet kan oploades til DMDB. For øjeblikket indeholder databasen registreringer for mere end 65 % af det danske landbrugsareal. Med alle de resultater samlet i én database, er det nærliggende at antage, at disse data kan bruges til at sige noget om den enkelte bedrifts udvikling og præstationer samt til sammenligninger mellem ens ejendomme på nationalt plan. I nedenstående afsnit undersøges anvendeligheden af data i DMDB til benchmarking. Som modelafgrøde for analysen er valgt vinterraps, idet der for denne afgrøde ofte registreres udbytte. På grund af datastrukturen vil der kun blive kigget på enkeltfaktorer, og altså ikke vekselvirkningerne imellem dem. Udtræk fra DMDB Som baggrundsdata for analysen, udtrækkes data for vinterraps for de tre vækstsæsoner 2006/07, 2007/08 og 2008/09. Der er udvalgt data, hvor landmanden har registreret et udbytte. Desuden er følgende parametre udvalgt: 2

FarmNr (et anonymt nummer for den enkelte ejendom) Postnr. Marknr. Markareal Afgrødenavn (altid vinterraps) Sort Sådato JB.Nr. Behandling, mængde og anvendt produkt for: o Handelsgødning o Ukrudtsbekæmpelse o Skadedyrsbekæmpelse o Sygdomsbekæmpelse o Udbytte Dato for behandling Om behandlingen er registreret eller ej De medvirkende bedrifter er 100 % anonymiseret, så data ikke kan bruges til at identificere enkeltbedrifter. I tabel 1 er nøgletal for udtrækkene sammenstillet. Tabellen viser, at der skal ske en betydelig validering af data, før de kan bruges til analyse. F.eks. er det valgt kun at medtage udbytter mellem 1000 og 6500 kg pr. ha (se også figur 1). Og hvor der sammenlignes med sådato, analyseres der kun på den del af datasættet, hvor denne findes. I andre tilfælde inkluderes data, uanset om der er registreret sådato eller ej. Figur 1. Eksempel på rådata fra 2006/07. Som det ses, er der mange udbytter registreret med den 15/8 som sådato (grøn trekant), ligesom der er mange udbytter omkring 0 kg pr. ha (rød firkant). Det er et generelt problem med data, at der i indtastningen til DLBR Mark Online er fortrykt en række normværdier. I mange tilfælde er det valgt af landmanden/konsulenten at godtage disse normværdier som fakta. Det betyder f.eks., at uforholdsmæssigt mange marker sås den 15/8 og giver 3500 kg pr. ha (se figur 1 og tabel 1). I de tilfælde, hvor det betyder noget, er disse data udeladt fra analysen. 3

Tabel 1. Basisinformationer om de tre datasæt undersøgt i forbindelse med rapporten 2006/07 2007/08 2008/09 Marker med udbytte i alt 408 751 795 Marker med dobbeltregistrering 1 4 0 0 Marker hvor frøudbytte ikke er registreret 2 12 19 19 Marker uden sådato 96 138 87 Marker sået 15/8 141 191 258 Marker med udbytte på 3500 kg pr. ha 47 91 124 Marker med udbytte inden for 1000-6500 kg pr. ha og 364 706 763 registreret frøudbytte, uanset sådato, marker med dobbeltreg er udeladt. Marker med udbytte inden for 1000-6500 kg pr. ha og 152 403 432 frøudbytte registreret. Marker med dobbeltreg og marker sået 15/8, eller uden sådato, eller sået i det forkerte år 3, er udeladt. Første sådato 4 23/7 18/7 1/8 Sidste sådato 4 26/9 18/9 16/9 1 Markerne har samme marknummer, og kan kun adskilles på JB. Nr. Markerne er taget ud af datasættet. 2 Nogle marker fremkommer to gange, men kun for den ene er udbyttet registreret. For den anden mark står udbyttet blot som planlagt, mens alle andre registreringer er ens. I dette tilfælde er den registrerede mark taget med i analysen, hvor det er relevant. 3 For enkelte marker var sådatoen angivet til at være i høståret. 4 Da det anses for værende urealistisk, at visse vinterrapsmarker er etableret før 1/8 og efter 10/9, er marker uden for dette interval udeladt. Analyse Udbytte som funktion af sådato I figur 2 er udbyttet i rapsmarkerne vist som funktion af sådatoen. Data er ikke samlet for alle tre år, da udbyttet varierer mellem årene. Normudbytterne på 3500 kg er taget ud af analysen. Af figuren ses, at der ikke er nogen sammenhæng mellem udbytte og sådato. Det var forventet, at en sen såning (efter 1/9) burde føre til et markant lavere udbytte pga. dårligere vækstbetingelser. En forklaring kan være, at alle tre efterår var lunere end gennemsnittet, hvilket har gjort det muligt at etablere raps relativt sent. Det kan dog også gå galt. F.eks. gav et enkelt sent sået forsøg i 2008 et udbytte, der var 20 hkg lavere end referencen. Forsøget blev etableret 13/9, referencen 4/9. Også i 2009 var der et statistisk sikkert udbyttetab i forsøgene, hvis etableringen blev udskudt til først i september (Oversigten 2008 og 2009). At der ikke er nogen forskel på udbyttet i markerne sået tidligere (før 1/9), kan skyldes, at der er andre faktorer der er mere betydende, eksempelvis korrekt etablering. Nedenfor er udbyttet ifølge DMDB sammenlignet med udbyttedata fra Danmarks Statistik: Tabel 2. Udbytte af vinterraps ifølge Dansk Markdatabase. Udbytterne er fordelt på de tre vækstsæsoner og sammenlignet med resultater fra Danmarks statistik. Sæson Udbytte i DMDB (hkg/ha) Udbytte i Danmarks statistik (hkg/ha) 2006/07 33,5 (n=364) 32,9 2007/08 37,4 (n=706) 36,6 2008/09 39,8 (n=763) 39,1 Der er en tendens til, at udbytterne er højere i DMDB, sammenlignet med udbytterne i Danmarks statistik, men udviklingen er sammenfaldende. 4

Figur 2. Udbytte som funktion af sådato for de tre vækstsæsoner. Det ses, at der er variation i udbytteniveauet over årene, men det er ikke afhængigt af sådatoen. Linjerne angiver spredning på gennemsnittet. Udbytte som funktion af region Raps er ikke lige dyrkningssikker på alle lokaliteter i Danmark. På grund af forskellige vækstfaktorer (bl.a. jordtype) dyrkes der f.eks. markant mere raps i den østlige del af Jylland, sammenlignet med den vestlige. Hvis denne formodning holder stik, burde det blive afspejlet i data i Dansk Markdatabase. De indsamlede data er derfor, på baggrund af postnummer, opdelt efter kortet vist i figur 3. 5

Der er 59 marker uden registreret postnummer i datasættet. Disse er udeladt fra analysen. Det samme er data fra Bornholm, da der kun er 3 registreringer af udbytte, som fordeler sig over to vækstsæsoner. Normudbytter på 3500 kg er også her udeladt. Udbytterne i de forskellige områder er sammenlignet i figur 4. Her ses der en tendens til et lavere udbytte i Vest- og Nordjylland, sammenlignet med resten af landet. Forskellen i udbytter på Sjælland og Vestjylland er 1053 kg/ha. Det er ikke undersøgt, om forskellene er statistisk sikre, ligesom data ikke viser, om årsagen til forskellen skyldes jordtype, klima eller begge dele. Dog er de lettere jordtyper dominerende i Vestjylland. Figur 3. For at undersøge forskelle i udbyttedata for forskellige områder af landet, er landet inddelt i disse områder. Figur 4. Udbytte af vinterraps i forskellige områder af Danmark, ifølge Dansk Markdatabase. Fejllinjerne angiver spredningen på gennemsnittet. Over hver søjle er angivet antal observationer, der ligger til grund for søjlerne. Udbytte som funktion af antal behandlinger For hhv. skadedyrs-, ukrudts- og sygdomsmidler, er intensiteten af anvendelsen sammenlignet med udbyttet. Data er til dette formål samlet for alle tre år. Intensiteten af anvendelsen vises ved at sammenligne udbyttet med antal behandlinger. Dette er gjort for at belyse, om der er en sammenhæng mellem antallet af behandlinger og udbyttet, eller om antallet af behandlinger i 6

stor udstrækning afspejler behovet for behandling. Antal behandlinger angiver, hvor mange gange en middelgruppe er anvendt i marken, og således hverken noget om antallet af gange, der er kørt i marken - eller hvor mange forskellige midler, der er anvendt i marken. Skadedyrsmidler I figur 5 er antal behandlinger med skadedyrsmidler sammenlignet med udbyttet i et såkaldt box-plot. I et box-plot angiver den sorte streg medianen, boksen angiver hhv. 25 og 75 % fraktilen og de stiplede linjer angiver hhv. den mindste og den største værdi. Punkter, der er ekstreme i forhold til resten af datasættet, er markeret med punkter. Det ses, at der bekæmpes skadedyr (inklusive snegle) imellem 0 og 7 gange (en enkelt observation) på en enkelt sæson Der er ikke noget i disse data, der tyder på en sammenhæng mellem antallet af gange, der bekæmpes skadedyr og udbyttet. Data er herefter grupperet i behandlinger foretaget om efteråret og om foråret. Det er gjort ud fra den antagelse, at behandlinger i efteråret er målrettet rapsjordlopper, der er en tabsvoldende skadegører i vinterraps, og derfor vil have en negativ påvirkning af udbyttet. Disse data er vist i figur 6. Figur 5. Box-plot, der viser udbytte som funktion af antallet af behandlinger med skadedyrsmiddel i vinterraps. n = 865. Figur 6 viser, at der, hverken for efterårs eller forårsbehandlinger, er sammenhæng mellem udbytte og antal behandlinger. Angrebsstyrken af rapsjordlopper var i efterårene 2006 og 2007 over middel, mens der i efteråret 2008 blev fanget rigtig mange rapsjordlopper, og behandling blev anbefalet i samtlige marker i planteavlskonsulenternes registreringsnet (Oversigt over Landsforsøgene 2007, 2008 og 2009). I figur 6 er medtaget midler anvendt til sneglebekæmpelse. I figur 7 er disse udeladt. 7

Figur 6. Box-plot, der viser udbytte af vinterraps som funktion af antallet af behandlinger med skadedyrsmidler (inklusive sneglemidler), fordelt på anvendelse i efteråret og foråret. Det bemærkes, at der for to markers vedkommende er registreret fire behandlinger med sneglemiddel, med en samlet dosis på 60 kg pr. ha. Da registreringerne er foretaget samme dag i juli, må det antages, at det er en fejl. De to marker tilhører den samme bedrift. Figur 7. Box-plot der viser udbytte af vinterraps som funktion af antallet af behandlinger med skadedyrsmidler (uden sneglemidler), fordelt på anvendelse i efteråret og foråret. Selvom sneglemidlerne er udtaget fra analysen, ændrer det ikke på konklusionen, at der ikke er nogen sammenhæng mellem udbytte og antal behandlinger med skadedyrsmidler. Det kunne være nærliggende at tro, at den manglende sammenhæng mellem udbytte og antal behandlinger delvist kunne være skjult i årsvariationerne, men dette er ikke tilfældet (data ikke vist). Ukrudtsmidler I figur 8 er vist sammenhængen mellem udbytte og antal behandlinger med ukrudtsmidler i vinterraps. Ud af de 865 marker i analysen, er der registreret bekæmpelse af ukrudt i 846 marker. Det vides dog ikke, om der i praksis er udført behandling i de resterende marker, der blot ikke er registreret. Der bekæmpes ukrudt op til 7 gange pr. sæson, dog kun for en enkelt mark. 8

Der er ikke noget, der tyder på, at udbyttet ændres som følge af intensiteten af ukrudtsbehandlingen. Behandlingerne for den ene mark med 7 behandlinger er vist i tabel 3. Figur 8. Box-plot der viser udbyttet af vinterraps som funktion af antal behandlinger med ukrudtsmiddel (n=846). Tabel 3. Eksempel på ukrudtssprøjtninger i en mark, der tilsyneladende er behandlet syv gange med seks forskellige midler inden for samme sæson, se tekst for uddybende kommentarer. Middel Timing Antal behandlinger Dato for beh. Samlet dosis Agil Efterår 2 11/9+14/10 1,06 l pr. ha Command CS Efterår 1 23/8 0,22 l pr. ha Glyfonova 360 Efterår 1 23/8 0,56 l pr. ha Kerb 500 SC Efterår 1 16/12 0,9 l pr. ha Stomp Pentagon Efterår 1 23/8 0,22 l pr. ha Matrigon Forår 1 27/4 0,80 l pr. ha Af tabel 3 ses det, at Command CS, Stomp Pentagon og Glyfonova 360 er udbragt samme dag (samme dag som der er sået). Agil er udbragt ad to omgange i efteråret, med godt en måneds mellemrum i hhv. september og oktober, formentlig mod spildkorn og fremspiret græsukrudt. Kerb 500 SC er udbragt i december, formentlig hovedsageligt mod fremspiret græsukrudt. For at kunne validere, om der er tale om korrekte indberetninger, er det nødvendigt at vide mere om ejendommen. Praktiseres der f.eks. reduceret jordbearbejdning på ejendommen, kan der være problemer med spildkorn og græsukrudt, mens det varme efterår også har bidraget til vækst i ukrudtet. Bemærk, at Stomp Pentagon ikke er godkendt i vinterraps, der skulle sandsynligvis have stået Stomp (middel med samme aktivstof som Stomp Pentagon), som er godkendt i vinterraps. Som det ses af tabel 4 er, er det ikke kun tilfældet for en enkelt bedrift, at der er registreret midler, der ikke er godkendt i afgrøden. Der er tydeligvis tale om fejlagtige indberetninger, da vinterraps er meget følsom over for visse af midlerne (f.eks. Express ST). Denne type fejl opstår, fordi der ikke udføres nogen kontrol af de indberettede oplysninger til DMDB. Selvom der ikke er tale om ret mange tilfælde, øger det usikkerheden på data. I MarkOnlineprogrammerne er der i forbindelse med den lovpligtige indberetning indlagt en pesticidkontrol, således at brugeren får en fejlmeddelelse, hvis der er fejl i de indberettede oplysninger. 9

Tabel 4. Oversigt over midler, der ifølge Dansk Markdatabase er anvendt til ukrudtsbekæmpelse i vinterraps i perioden 2006-2009 Middel Antal gange anvendt ifølge DMDB Er godkendt eller har været godkendt i vinterraps? Agil 257 Ja Boxer EC 1 Nej Command CS 440 Ja Express ST 1 Nej Focus Ultra 42 Ja Fox 480 SC 15 Ja Fusilade Max 10 Ja Fusilade X-tra 9 Ja Gyfonova 360 178 Ja Kerb 400 2 Ja Kerb 500 597 Ja Matrigon 585 Ja Oxitril CM 1 Nej Roundup 2000 27 Ja Roundup 3000 58 Ja Roundup Max 13 Ja Stomp 126 Ja Stomp Pentagon 18 Nej For at undersøge, om data kan sige noget om anvendelsen af glyphosat til nedvisning af vinterraps i perioden fra 2006-2009, er andelen af arealet behandlet med glyphosat i høst plottet som funktion af årstallet, se figur 9. Det antages, at alle behandlinger med glyphosat i høståret er anvendt til nedvisning. Data indikerer, at arealet, der nedvisnes, er steget med 8,9 procentenheder over de tre sæsoner. Denne observation passer med praktiske erfaringer fra samme periode. Der er dog også her usikkerhed på indberetningerne. F.eks. er der for en enkelt bedrift indberettet sprøjtning med glyphosat i april, mens der på en anden er indberettet en sprøjtning tidligt i juni. Figur 9. Andel af det samlede rapsareal nedvisnet med glyphosat, fordelt på dyrkningssæson. 10

Det er også undersøgt, hvorvidt der er en sammenhæng mellem anvendelse af glyphosat før såning og behovet for bekæmpelse af ukrudt i vækstsæsonen. Det er relevant ud fra den antagelse, at en behandling med glyphosat før såning vil nedvisne fremspiret ukrudt og bekæmpe rodukrudt, så andelen af ukrudt i afgrøden mindskes (anvendes bl.a. i systemer med pløjefri dyrkning). Variationen i data er dog så stor, at det vil kræve nærmere statistiske analyser at validere denne sammenhæng. Svampemidler I figur 10 er udbyttet som funktion af antallet af behandlinger med svampemidler vist. Figur 10. Box-plot, der viser udbytte i vinterraps som funktion af antal behandlinger mod sygdomme. Overordnet set, er der ikke den store sammenhæng mellem udbytte og antal behandlinger. Data viser, at 7 marker er blevet behandlet 4 gange i løbet af en sæson mod sygdomme. Det dækker over 2 ejendomme, hvor der på den ene ejendom er noteret to behandlinger i samme mark, med de samme to midler, på samme dato og i samme dosis. Dvs. at den samme behandling er registreret to gange, hvilket er en fejl. På den anden bedrift, med i alt 6 marker med vinterraps, er der noteret én behandling med svampemidlet Folicur EC 250 i efteråret og en behandling i foråret med i alt tre svampemidler (Amistar + Folicur EC 250 + Cantus). Behandlingen i efteråret kan være mod rodhalsråd, da Folicur er godkendt til denne anvendelse i efteråret. Folicur EC 250 har endvidere en vækstregulerende effekt. Det virker dog usandsynligt, at der er bekæmpet med en blanding af tre svampemidler i foråret. En blanding af Amistar og Folicur EC 250 har klaret sig godt i forsøgene, men det er vanskeligt at se, hvorfor man skulle iblande Cantus. Der må sandsynligvis være tale om en fejlregistrering. I relation til figur 10 er der i figur 11 vist registrerede svampebehandlinger i efteråret (behandlinger foretaget efter 1. august i etableringsåret og inden 31. december). Til efterårsanvendelse er kun godkendt Folicur 250 EC og Cantus til bekæmpelse af rodhalsråd og Juventus 90 til vækstregulering. Ud af de i alt 923 registrerede sygdomsbehandlinger (inklusive vækstregulering med Juventus 90 i efteråret) i de tre år, er der således registreret 54 efterårsbehandlinger (ca. 6 %). Et yderligere tjek med data i DMDB viser, at der i de tre vækstsæsoner ikke er indberettet brug af vækstregulering i vinterraps (data ikke vist). Dvs. at alle efterårsbehandlinger med Juventus 90 tilsyneladende er registreret som sygdomsbehandlinger. 11

I den ene mark, hvor der er registreret to behandlinger mod sygdomme i efteråret, er det Folicur EC 250 og Juventus 90, der er anvendt. Behandlingen er registreret på samme dato, og midlerne er brugt i samme dosis. Figur 11. Box-plot, der viser udbytte som funktion af antallet af svampebehandlinger i efteråret. Diskussion For at kunne bruge dyrkningsregistreringer til at optimere driften er det vigtigt, at de data, der indgår i analysen er valide. Det stiller dels krav til indberetningen, dels til valideringen af de indberettede data. Der er mange landmænd og konsulenter, der bruger og indberetter til DMDB. Men da det aldrig har været hensigten med værktøjet, at det skulle bruges til benchmarking mv., er der ikke kontrol af mængden eller kvaliteten af de indberettede data, hvorfor der heller ikke er garanti for, at de data, der findes i databasen, er fyldestgørende eller korrekte. Det er således op til den enkelte landmand selv, om han vil indberette alle data til DMDB, eller kun et udsnit heraf, og så registrere resten et andet sted (f.eks. et andet medie, eller blot på papir). Som det også ses af analyserne i denne rapport, skal der bruges en del kræfter på at fastlægge rammer for kvaliteten af data, altså rammer for, hvornår man mener, at data er korrekte samt efterfølgende at screene i henhold til kvalitetskravene. F.eks. er det antaget, at udbytter under 1000 kg pr. ha eller over 6500 kg pr. ha ikke er realistiske, hvorfor data uden for dette interval er fjernet. Men er en mark f.eks. udvintret og høstet, kan der godt være situationer, hvor udbyttet er lavere. Og at udtage data udelukkende fordi de er sammenfaldende med normværdier er måske heller ikke retvisende, da normerne gerne skulle være et udtryk for gennemsnittet. Men for at få et datasæt med valide data, er det nødvendigt. Alternativt skal der indføres en form for kontrol af data, så der ikke bliver oploadet data til DMDB, der ikke er kontrolleret en ekstra gang af enten landmand eller konsulent. Som det f.eks. ses af tabel 2 og figur 4, tyder det på, at valideres data, kan visse registreringer være anvendelige til analyseformål. Her gives der et indblik i udbytteniveauerne på hhv. landsog regionsplan, og de passer tilsyneladende meget godt med praktiske erfaringer. Det skyldes nok ikke mindst, at udbyttet er en registrering der ofte valideres, inden den indtastes. For de resterende analyser, er det også muligt at komme med forklaringer på variationen i data, eller mangel på samme, selvom forklaringen ikke altid er entydig. F.eks. kan den manglende sammenhæng i data, præsenteret i figurerne 5-8 og 10-11, enten forklares med, at der ikke kan opnås et højere udbytte ved at sprøjte mere, eller at alle landmændene sprøjter optimalt, og 12

derfor opnår de samme udbytter uanset indsatsen. For at kunne gennemføre en mere retvisende sammenligning, bør der kigges på merudbytter, altså udbytte i en ubehandlet del af marken, sammenlignet med en behandlet. Kun på denne måde vil det være muligt at afgøre, om en høj indsats kan betale sig. Det er ikke noget, der praktiseres mange steder uden for forsøgene, og desuden er DMDB ikke designet til at håndtere denne form for data. Problemet med fejlregistreringer (f.eks. når der fejlagtigt noteres anvendelse af midler, der ikke er godkendt i vinterraps) forventes at blive mindre fremover, idet det nu er muligt at kontrollere registreringerne med den såkaldte pesticidkontrol i markstyringsprogrammet DLBR MarkOnline. Selvom der ikke er lavet analyse på enkeltbedrifter, viser denne rapport alligevel, at data fra DMDB kan bruges til at identificere områder, hvor der måske er behov for en ekstra indsats, såfremt der er tale om valide data. Hvis en nærmere analyse f.eks viser, at det rent faktisk er tilfældet, at en landmand har brugt en blanding af tre svampemidler i foråret, kunne det være relevant at se på, om behovet modsvarer dette, eller om der er brug for en øget oplysningsindsats. Det samme kan også være tilfældet for bedriften vist i tabel 3. Ud fra de tre dataudtræk, vil det være muligt at gennemføre mange flere sammenligninger, end dem der er medtaget her. Der er f.eks. ikke lavet sammenligninger mellem anvendelsen af gødning og behovet for bekæmpelse af eksempelvis ukrudt eller sygdomme og mellem dosis og bedriftsstørrelse. Det kan derfor ikke udelukkes, at der er sammenhænge i data, der ikke er belyst her. Specifikt for afsnittet, hvor udbyttet af vinterraps er sammenlignet med antallet af behandlinger for de forskellige middelgrupper, burde der også laves en analyse af vekselvirkningen mellem middelgrupperne. 13