# تحليلات التجارب الحقلية

يستخدم المهندسون الزراعيون تحليلات التجارب لتقييم أداء أصناف المحاصيل المختلفة، وتقنيات الزراعة، وتطبيقات المدخلات، بما في ذلك نتائج تطبيقات المعدل المتغير في الزراعة الدقيقة. ومن خلال جمع البيانات الناتجة من التجارب الحقلية وتحليلها وتفسيرها، يكتسب الباحثون رؤى حول التفاعلات بين الوراثة والبيئة وممارسات الإدارة. وتُسهم هذه المعرفة في تطوير استراتيجيات إدارة المحاصيل التي تعظّم إمكانات الغلة مع تقليل استخدام المدخلات إلى الحد الأدنى. علاوةً على ذلك، لا تتيح تحليلات التجارب تقييم فعالية ممارسات الزراعة الدقيقة فحسب، بل تساعد أيضًا في تحديد أصناف المحاصيل القادرة على الصمود والتي يمكنها الازدهار تحت ظروف متنوعة وصعبة، مما يساهم في الأمن الغذائي.

{% hint style="info" %}
يدعم GeoPard أيضًا تجارب القطع المقسمة لتصاميم العاملين، مثل تطبيق نفس المعدلات عبر هجائن مختلفة. قيّم كلًا من التأثيرات الرئيسية وتفاعل المعدل × الهجين على طبقة التجربة الجغرافية المرجعية نفسها.
{% endhint %}

## إعداد البيانات

لإجراء تحليلات تجارب فعّالة، نحتاج إلى بضعة مجموعات بيانات أساسية:

1. **مجموعة بيانات الغلة**:\
   تلتقط هذه المجموعة بيانات الغلة.\
   يمكننا استيرادها من [مركز عمليات JohnDeere](/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/astyrad-byanat-alzraah-aldqyqh/alastyrad-mn-myjohndeere.md) أو رفعها يدويًا بصيغة [shapefile](/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/astyrad-byanat-alzraah-aldqyqh/astyrad-byanat-alghlh.md) أو بصيغة [تنسيق الشركة المُصنِّعة للمعدات](/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/astyrad-byanat-alzraah-aldqyqh/tnsyqat-almakynat-alkhash.md).
2. **مجموعة بيانات التطبيق**:\
   وهذا أمر بالغ الأهمية لفهم التطبيق المنفذ فعليًا في الحقل. وعلى الأقل، تتضمن سمات مثل TargetRate وAppliedRate وبعض المقاييس المرتبطة بالآلات.\
   وكما هو الحال مع مجموعة بيانات الغلة، لدينا خيارات لاستيرادها من [مركز عمليات JohnDeere](/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/astyrad-byanat-alzraah-aldqyqh/alastyrad-mn-myjohndeere.md) أو رفعها يدويًا بصيغة [shapefile](/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/astyrad-byanat-alzraah-aldqyqh/astyrad-byanat-almtb-q-falyana-almzrwa-falyana.md) أو بصيغة [تنسيق الشركة المُصنِّعة للمعدات](/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/astyrad-byanat-alzraah-aldqyqh/tnsyqat-almakynat-alkhash.md).
3. **المناطق/القطع مع التجارب/الاختبارات**:\
   تُظهر هذه المعدلات المخططة للتطبيق في تجاربنا، مما يمنح رؤية في التصميم التجريبي.\
   إذا كانت طبقة بيانات كهذه متاحة، فنرفعها كـ [shapefile](/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/astyrad-byanat-alzraah-aldqyqh/astyrad-byanat-almtb-q-falyana-almzrwa-falyana.md) إلى التحكم AsApplied/AsPlanted أو Yield. وهذا يضمن التوافق عند بناء EquationMaps، مما يبسّط تجربة تحليلات التجارب لديك.\
   يمكن أن يكون هذا تخطيطًا بعامل واحد أو تخطيط قطع مقسمة مع بُعد معاملة ثانٍ، مثل الهجين أو الصنف.\
   إذا لم تكن طبقة البيانات هذه متاحة، فيمكن استخدام السمة TargetRate من مجموعة بيانات التطبيق كبديل لتقييمات التجربة.
4. **مناطق الإمكانات الحقلية التاريخية:**\
   تُنشأ هذه المناطق بواسطة GeoPard (التفاصيل [هنا](/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/khraet-almnatq-wthlylatha/mnatq-mtaddh-alsnwat.md)). وهي مفيدة لتحليل التجارب ذات الإنتاجية التاريخية المتسقة. وهذا مفيد بشكل خاص عندما تكون التجارب موزعة عبر مناطق ذات إنتاجية تاريخية متنوعة.

بمجرد أن نجمع هذه المجموعات من البيانات، تكون الخطوة التالية هي بدء عملية تقييم التجربة.

## نظرة عامة على البيانات

فيما يلي البيانات الخاصة بالموسم الزراعي 2023 للقمح الشتوي:

* مجموعة بيانات الغلة تُظهر توزيع الكتلة الرطبة *(الشكل 1)*

<figure><img src="/files/1c7f54e11f68355f78611c6df2c36af2e15135bf" alt=""><figcaption><p>الشكل 1 مجموعة بيانات الغلة الأصلية</p></figcaption></figure>

* خطة تطبيق متغير المعدل للنيتروجين (N34) (150 كجم/هكتار) مع قطعتين تجريبيتين (120 كجم/هكتار و180 كجم/هكتار)*(الشكل 2)*

<figure><img src="/files/7024f072ccba37dbdaf444cbebc4f045cea6ed3a" alt=""><figcaption><p>الشكل 2 خطة تطبيق النيتروجين (N34) متغير المعدل مع القطع التجريبية</p></figcaption></figure>

* مجموعة بيانات التطبيق تُظهر الإحصاءات المطبقة *(الشكل 3)*

<figure><img src="/files/4e1fae4714f486cddb8d80635dcbbe2a609a5580" alt=""><figcaption><p>الشكل 3 مجموعة بيانات التطبيق</p></figcaption></figure>

* إنتاجية الحقل التاريخية (*الشكل 4*)

<figure><img src="/files/f79e54e4c46d4e4830c4e59bef7747697c71d1f6" alt=""><figcaption><p>الشكل 4 إنتاجية الحقل التاريخية</p></figcaption></figure>

{% hint style="warning" %}
لم تُعايَر مجموعة بيانات الغلة: كانت هناك عدة حصادات تعمل هناك، وتوجد آثار للالتفافات والبيانات المفقودة، كما أن الضوضاء واضحة. يُنصح بتطبيق عمليتي معايرة الغلة والتنظيف في الأعلى للحصول على أفضل النتائج.\
يمكن العثور على درس خطوة بخطوة في [رابط](/geopard-tutorials/ar/alm-alzraah/maayrh-alghlh-wtnzyfha.md).
{% endhint %}

تُعرض مجموعة بيانات الغلة، بعد المعايرة والتنظيف، في *الشكل 5*، إلى جانب الإحصاءات المحدّثة. ستُستخدم هذه المجموعة من البيانات في الخطوات اللاحقة.

<figure><img src="/files/0eaf504cbf0c50800c13a0b53dd74dc49e17420d" alt=""><figcaption><p>الشكل 5 مجموعة بيانات الغلة بعد المعايرة والتنظيف</p></figcaption></figure>

## المفهوم

الهدف هنا من تحليلات التجارب هو تحديد أكثر معدل فعّال للنيتروجين (N34) في الحقل. توجد مناطق محددة بمعدلات نيتروجين قدرها 120 كجم/هكتار و150 كجم/هكتار و180 كجم/هكتار. وتُستمد هذه البيانات من مجموعة بيانات التطبيق من جهة، ومن مجموعة بيانات الغلة المُعايَرة من جهة أخرى.

نركز تحليلنا على ثلاث مناطق متميزة:

* 120 كجم/هكتار (مُخصصة كمنطقة تجربة)
* 150 كجم/هكتار (تُعد المنطقة الرئيسية)
* 180 كجم/هكتار (منطقة تجربة أخرى)

سيشمل نهجنا التقييمات التالية:

1. **مبني على الخطة:** باستخدام تطبيق المعدل المتغير المخطط (VRA) المرتبط بالغلة المُعايَرة.
2. **مبني على التطبيق الفعلي:** مقارنة مجموعات البيانات المطبقة فعليًا بالغلة المُعايَرة.
3. **مبني على التطبيق الفعلي والإنتاجية التاريخية:** مقارنة مجموعات البيانات المطبقة فعليًا بالغلة المُعايَرة المتداخلة مع مناطق الإمكانات الحقلية التاريخية.

هذا النهج المنهجي سيسمح بتقييم شامل لتأثير النيتروجين على الغلة، استنادًا إلى بيانات التطبيق المخططة والفعلية على حد سواء.

## مبني على الخطة

يُعرض تأثير ~~المطبَّق~~ للنيتروجين (N34) المخطط على توزيع الغلة بصريًا في لقطات الشاشة التالية *(الشكل 6، الشكل 7، الشكل 8)*. وفيما يلي ملخص موجز للنتائج:

* <mark style="color:أزرق;">المنطقة الرئيسية، بمعدل نيتروجين 150 كجم/هكتار، تمتد على 45.8 هكتار ويبلغ متوسط غلتها 4.99 طن/هكتار</mark> (*الشكل 6*).
* <mark style="color:أزرق;">المنطقة التجريبية الأولى، باستخدام تطبيق نيتروجين بمعدل 180 كجم/هكتار، تغطي 1.76 هكتار، وتحقق متوسط 6.5 طن/هكتار</mark> (*الشكل 7*).
* <mark style="color:أزرق;">المنطقة التجريبية الثانية، بمعدل نيتروجين 120 كجم/هكتار، تشمل 1.86 هكتار وتنتج متوسط غلة 6.39 طن/هكتار</mark> (*الشكل 8*).

تطرح النتائج سؤالًا مهمًا: <mark style="color:برتقالي;">لماذا يبدو أن معدل التطبيق الأقل أكثر كفاءة من الأعلى؟</mark> وللحصول على رؤى أعمق، تتضمن المرحلة التالية[ تقييم التجارب باستخدام بيانات التطبيق الفعلية](/geopard-tutorials/ar/alm-alzraah/thlylat-altjarb-alhqlyh.md#applied-based-evaluation).

<figure><img src="/files/2a8654152ef0f9f048b79964fa77e3f7ce5a95b1" alt=""><figcaption><p>الشكل 6 المنطقة الرئيسية مع N34 بمعدل 150 كجم/هكتار</p></figcaption></figure>

<figure><img src="/files/0058a70d09a0127c333d102627cc0049362376bf" alt=""><figcaption><p>الشكل 7 منطقة التجربة مع N34 بمعدل 180 كجم/هكتار</p></figcaption></figure>

<figure><img src="/files/06fa77a10327dedba6c813b44aed51bb2636234f" alt=""><figcaption><p>الشكل 8 منطقة التجربة مع N34 بمعدل 120 كجم/هكتار</p></figcaption></figure>

وفيما يلي، ستجد مناقشة متعمقة للصيغ والإعدادات المستخدمة أثناء التقييم.

{% hint style="info" %}
للتعمق أكثر في نهج المعادلات وكيفية تنفيذه، يُرجى مراجعة دروسنا لكلٍّ من [واجهة المستخدم](/geopard-tutorials/ar/jwlh-almntj-ttbyq-alwyb/thlylat-qaemh-ala-almaadlat.md) و [واجهة برمجة التطبيقات](/geopard-tutorials/ar/mstndat-wajhh-brmjh-alttbyqat/mkhttat-ma-altdfqat-alasasyh/5.-tnfyth-almaadlat.md).
{% endhint %}

فيما يلي المعادلات التي يجب تشغيلها لإعادة إنتاج الحسابات.

1. المنطقة الرئيسية مع 150 كجم/هكتار:\
   `Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)`
2. التجربة مع 120 كجم/هكتار:\
   `Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)`
3. التجربة مع 180 كجم/هكتار:\
   `Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)`

من المهم تفعيل *Numpy* *(الشكل 9)* وإيقاف *الاستيفاء* *(الشكل 10)*.

<figure><img src="/files/d537660624254caa46a192301c5e10edabd58d5e" alt=""><figcaption><p>الشكل 9 تفعيل "Numpy"</p></figcaption></figure>

<figure><img src="/files/bab56a019bb62da2cf9c1aa39ac0c96d68c9f91d" alt=""><figcaption><p>الشكل 10 إيقاف استخدام البيانات "المستوفاة"</p></figcaption></figure>

## مبني على التطبيق الفعلي

من الملاحظ أن معدل التطبيق الفعلي أثناء التجربة لا يتطابق باستمرار مع المعدل المخطط (الهدف). وبالتحديد، يتراوح التوزيع من 120 كجم/هكتار إلى ما يصل إلى 189 كجم/هكتار *(الشكل 11)*&#x648;نظرًا لهذا التباين، أصبح من الضروري وضع معيار لتحمّل الخطأ. لذلك، تبيّن أن دقة ±5% هي عتبة مقبولة لاعتبار التجربة مناسبة للتقييم.

مُقدَّم في لقطات الشاشة التالية (*الشكل 12، الشكل 13، الشكل 14)* هو التوزيع الإحصائي للغلة، مع التركيز على أرقام النيتروجين (N34) المطبقة فعليًا. فيما يلي الإحصاءات الملخصة، مع مراعاة قبول دقة ±5%:

* <mark style="color:أزرق;">المنطقة الرئيسية عند 150 كجم/هكتار كان لها مسطح مطبق قدره 43.5 هكتار، بمتوسط 4.9 طن/هكتار</mark> (*الشكل 12*).
* <mark style="color:أزرق;">المنطقة التجريبية الأولى عند 180 كجم/هكتار غطت مساحة 1.47 هكتار وأنتجت متوسط غلة 6.5 طن/هكتار</mark> (*الشكل 13*).
* <mark style="color:أزرق;">المنطقة التجريبية الثانية المحددة عند 120 كجم/هكتار امتدت على مساحة 1.44 هكتار، بمتوسط غلة 6.3 طن/هكتار</mark> (*الشكل 14*).

<figure><img src="/files/7c7bba05f5168c38a6bda45e0d93a4eaa09decc4" alt=""><figcaption><p>الشكل 11 المعدلات المطبقة فعليًا في التجارب</p></figcaption></figure>

<figure><img src="/files/8dd62e596437a13fcfa834d01b46cb2e590c7751" alt=""><figcaption><p>الشكل 12 المنطقة الرئيسية مع N34 بمعدل 150 كجم/هكتار ±5%</p></figcaption></figure>

<figure><img src="/files/912972f949c0a96ed2be866036f5dec6e78f116e" alt=""><figcaption><p>الشكل 13 منطقة التجربة مع N34 بمعدل 180 كجم/هكتار ±5%</p></figcaption></figure>

<figure><img src="/files/7e930915c35c0c53512db946f5d9a8e3727ddda4" alt=""><figcaption><p>الشكل 14 منطقة التجربة مع N34 بمعدل 120 كجم/هكتار ±5%</p></figcaption></figure>

ولفهم المنهجية وتفاصيل هذه النتائج بصورة أعمق، فالمعادلات المستخدمة موضحة أدناه:

1. النيتروجين المطبق فعليًا في التجربة:\
   `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)`
2. المنطقة الرئيسية مع 150 كجم/هكتار مع تضمين قبول 5%:\
   `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
3. التجربة مع 120 كجم/هكتار مع تضمين قبول 5%:\
   `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
4. التجربة مع 180 كجم/هكتار مع تضمين قبول 5%:\
   `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

## **مبني على التطبيق الفعلي والإنتاجية التاريخية**

تتجاوز أرقام الغلة من التجارب باستمرار متوسط الغلة المُلاحظ عبر منطقة الإنتاجية التاريخية المرتفعة في الحقل. ويبدو أن العامل الرئيسي وراء هذا التباين هو المنطقة ذات الإنتاجية العالية تاريخيًا حيث أُجريت التجارب، كما هو موضح في *الشكل 15* و *الشكل 16*. ولتقييم التجارب بصورة أكثر دقة، من الضروري أخذ مناطق الإنتاجية في الاعتبار عند تحليل النتائج.

<figure><img src="/files/13b67b00d935d78589b1e25635028d9bb5136d7e" alt=""><figcaption><p>الشكل 15 مناطق الإمكانات الحقلية التاريخية</p></figcaption></figure>

<figure><img src="/files/9ab2f61b762c83409b6d0f149fa88a5f8b46d93b" alt=""><figcaption><p>الشكل 16 مناطق الإمكانات الحقلية التاريخية كـ YieldDataset</p></figcaption></figure>

مُقدَّم في لقطات الشاشة التالية (*(الشكل 17، الشكل 18، الشكل 19)* هو التوزيع الإحصائي للغلة، مع التركيز على أرقام النيتروجين (N34) المطبقة فعليًا والمتداخلة مع مناطق الإنتاجية التاريخية (المُنشأة في GeoPard). فيما يلي الإحصاءات الملخصة، مع مراعاة قبول دقة ±5% للأرقام المطبقة:

* <mark style="color:أزرق;">المنطقة الرئيسية عند 150 كجم/هكتار كان لها مسطح مطبق قدره 2.65 هكتار، بمتوسط 6.34 طن/هكتار</mark> (*الشكل 17*).
* <mark style="color:أزرق;">المنطقة التجريبية الأولى عند 180 كجم/هكتار غطت مساحة 1.08 هكتار وأنتجت متوسط غلة 6.41 طن/هكتار</mark> (*الشكل 18*).
* <mark style="color:أزرق;">المنطقة التجريبية الثانية المحددة عند 120 كجم/هكتار امتدت على مساحة 1.78 هكتار، بمتوسط غلة 6.33 طن/هكتار</mark> (*الشكل 19*).

<figure><img src="/files/def5924d84aa0e96546d37c70ff8e0d307d75cb7" alt=""><figcaption><p>الشكل 17 المنطقة الرئيسية مع N34 بمعدل 150 كجم/هكتار متداخلة مع الإنتاجية التاريخية</p></figcaption></figure>

<figure><img src="/files/4f03fb37f263b1392646cd48a599f0d156a67c6c" alt=""><figcaption><p>الشكل 18 منطقة التجربة مع N34 بمعدل 180 كجم/هكتار ±5% متداخلة مع الإنتاجية التاريخية</p></figcaption></figure>

<figure><img src="/files/db55e8d301b54c653d5db5a8c3fa8050f4b02090" alt=""><figcaption><p>الشكل 19 منطقة التجربة مع N34 بمعدل 120 كجم/هكتار ±5% متداخلة مع الإنتاجية التاريخية</p></figcaption></figure>

ولفهم المنهجية وتفاصيل هذه النتائج بصورة أعمق، فالمعادلات المستخدمة موضحة أدناه:

1. المنطقة الرئيسية مع 150 كجم/هكتار مع تضمين قبول 5% والمتداخلة مع الإنتاجية التاريخية:\
   `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
2. التجربة مع 120 كجم/هكتار مع تضمين قبول 5% والمتداخلة مع الإنتاجية التاريخية:\
   `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
3. التجربة مع 180 كجم/هكتار مع تضمين قبول 5% والمتداخلة مع الإنتاجية التاريخية:\
   `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

حيث

* الجزء `Productivity_SubZone == 51` يعكس مناطق الإنتاجية العالية مع التجارب المطبقة،
* الأجزاء `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` تتضمن دقة ±5% من المعدلات `150`, `120`, `180` كجم/هكتار.

## الملخص

تتوافق نتائج الغلة من التجارب بشكل وثيق مع متوسط الغلة المُلاحظ عبر منطقة الإنتاجية التاريخية العالية في الحقل. بعبارة أخرى، فإن التطبيق التجريبي لمنتج N34 بمعدلات <mark style="color:أزرق;">120 كجم/هكتار - 150 كجم/هكتار - 180 كجم/هكتار</mark>، نتج عنه متوسط غلات <mark style="color:أزرق;">6.33 طن/هكتار - 6.34 طن/هكتار - 6.41 طن/هكتار</mark> على التوالي، ولا يُحدث تأثيرًا كبيرًا على الغلة المحصودة داخل منطقة الإنتاجية العالية.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.geopard.tech/geopard-tutorials/ar/alm-alzraah/thlylat-altjarb-alhqlyh.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.