Анализи на полеви опити

Агрономите използват анализ на опити (Trial Analytics), за да оценят представянето на различни сортове култури, техники на отглеждане и приложения на входни материали, включително резултатите от приложения с променлива норма в прецизното земеделие. Чрез събиране, анализ и интерпретация на данни, генерирани от полеви опити, изследователите получават прозрения за взаимодействията между генетиката, средата и управленските практики. Тези знания информират разработването на стратегии за управление на културите, които оптимизират потенциала за добив, като същевременно минимизират използваните ресурси. Освен това анализът на опитите не само позволява оценка на ефективността на практиките за прецизно земеделие, но и подпомага идентификацията на устойчиви сортове, които могат да се развиват при разнообразни и предизвикателни условия, като по този начин допринасят за продоволствената сигурност.

Подготовка на данни

За ефективен анализ на опити са необходими няколко основни набора от данни:

1. Набор от данни за добив: Този набор улавя данните за добива. Можем да го импортираме от JohnDeere Operation Center или да го качим ръчно като shapefile или като собствен формат на машината.

2. Набор от данни за приложение: Това е от решаващо значение за разбиране на действително изпълненото приложение на полето. Минимумът включва атрибути като TargetRate, AppliedRate и някои метрики, свързани с техниката. Както при набора за добив, имаме опции да го импортираме от JohnDeere Operation Center или да го качим ръчно като shapefile или като собствен формат на машината.

3. Зони/Парцели с опити/експерименти: Тези показват планираните норми на приложение за нашите опити, давайки представа за експерименталния дизайн. Ако такъв слой данни е наличен, качваме го като shapefile в AsApplied/AsPlanted или контрол на Yield. Това осигурява съвместимост при изграждане на EquationMaps, опростявайки вашия опит с анализа на опити. Ако такъв слой данни не е наличен, атрибутът TargetRate от набора за приложение може да служи като заместител за оценките на опитите.

4. Исторически зони на потенциала на полето: Тези зони са генерирани от GeoPard (подробности са ТУК). Те са полезни за анализ на опити с консистентна историческа продуктивност. Това е особено полезно, когато опитите са разпределени в региони с различна историческа продуктивност.

След като съберем тези набори от данни, следващата стъпка е да започнем процеса на оценка на опитите.

Преглед на данните

Има следните данни за селскостопанския сезон 2023 за зимната пшеница:

• Набор от данни за добив, подчертаващ разпределението на мократа маса (Фиг.1)

Фиг.1 Оригинален набор от данни за добив

• План за VRA на азота (N34) (150 кг/ха) с 2 опитни парцела (120 кг/ха и 180 кг/ха)(Фиг.2)

Фиг.2 План за VRA на азота (N34) с опитни парцели

• Набор от данни за приложение, показващ приложената статистика (Фиг.3)

Фиг.3 Набор от данни за приложение

• Историческа продуктивност на полето (Фиг.4)

Фиг.4 Историческа продуктивност на полето

Наборът от данни за добив не е бил калибриран: там са оперирали няколко комбайна, има следи от завой и липсващи данни и се наблюдава шум. Препоръчително е да се приложат операциите за калибриране и почистване на добива за оптимални резултати. Стъпка по стъпка ръководство може да се намери в LINK.

Наборът от данни за добив, след калибриране и почистване, е показан във Фиг.5, заедно с актуализираната статистика. Този набор от данни ще бъде използван в последващите стъпки.

Фиг.5 Калибриран и почистен набор от данни за добив

Концепция

Тук целта на анализа на опитите е да се установи най-ефективната норма на азота (N34) за полето. Има очертани зони с норми на азот 120 кг/ха, 150 кг/ха и 180 кг/ха. Тези данни са извлечени от набора за приложение от една страна и от калибрирания набор за добив от друга.

Фокусираме анализа си върху три отделни зони:

• 120 кг/ха (определена като опитна зона)

• 150 кг/ха (смятана за основна зона)

• 180 кг/ха (друга опитна зона)

Подходът ни ще включва следните оценки:

1. Базиран на плана: използвайки планираното приложение с променлива норма (VRA), свързано с калибрирания добив.

2. Базиран на приложеното: Сравняване на действително приложените набори от данни спрямо калибрирания добив.

3. Базиран на приложеното и историческата продуктивност: Сравняване на действително приложените набори от данни спрямо калибрирания добив, припокрит с исторически зони на потенциала на полето.

Този методичен подход ще позволи цялостна оценка на въздействието на азота върху добива, базирана както на планираните, така и на действително приложените данни.

Базиран на плана

Влиянието на приложения планиран азот (N34) върху разпределението на добива е визуално уловено в следващите екранни снимки (Фиг.6, Фиг.7, Фиг.8). Ето кратко обобщение на констатациите:

• Основната зона, с норма азот 150 кг/ха, обхваща 45.8 ха и средният ѝ добив е 4.99 т/ха (Фиг.6).

• Първата опитна зона, използваща приложение на азот 180 кг/ха, покрива 1.76 ха и дава среден добив 6.5 т/ха (Фиг.7).

• Втората опитна зона, с 120 кг/ха азот, обхваща 1.86 ха и произвежда среден добив 6.39 т/ха (Фиг.8).

Резултатите повдигат значителен въпрос: Защо по-ниската норма на приложение изглежда по-ефективна от по-високата? За да получим по-задълбочени прозрения, следващата фаза включва оценка на опитите, използвайки действителните приложени данни.

Фиг.6 Основна зона с N34 150 кг/ха

Фиг.7 Опитна зона с N34 180 кг/ха

Фиг.8 Опитна зона с N34 120 кг/ха

По-надолу ще намерите задълбочено обсъждане на формулите и конфигурациите, използвани по време на оценката.

За да навлезете по-дълбоко в подхода с уравненията и тяхното изпълнение, моля, консултирайте нашите уроци както за Потребителския интерфейс и API.

Ето уравненията, които трябва да се изпълнят, за да възпроизведете изчисленията.

1. Основна с 150 кг/ха: Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)

2. Опитна с 120 кг/ха: Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)

3. Опитна с 180 кг/ха: Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)

Важно е да се активира Numpy (Фиг.9) и да се изключи Интерполация (Фиг.10).

Фиг.9 Активиране на "Numpy"

Фиг.10 Изключване на използването на "Интерполирани" данни

Базиран на приложеното

Забележително наблюдение е, че действително приложената норма по време на опита не съвпада постоянно с планираната (целевата) норма. По-конкретно, разпределението варира от 120 кг/ха до до 189 кг/ха (Фиг.11). Предвид тази изменчивост, стана важно да се определи прагове за толеранс на грешка. Затова бе приета точност ±5% като приемливо отклонение, за да се смята опитът за годен за оценка.

Представено в следващите екранни снимки (Фиг.12, Фиг.13, Фиг.14) е статистическото разпределение на добива, съсредоточено върху действително приложените стойности на азота (N34). Ето обобщената статистика, като се има предвид приемането на точност ±5%:

• Основната зона при 150 кг/ха имаше приложена площ от 43.5 ха, даваща среден добив 4.9 т/ха (Фиг.12).

• Първата опитна зона при 180 кг/ха покри площ от 1.47 ха и произведе среден добив 6.5 т/ха (Фиг.13).

• Втората опитна зона, зададена на 120 кг/ха, обхващаше площ от 1.44 ха, със среден добив 6.3 т/ха (Фиг.14).

Фиг.11 Действително приложени норми в опитите

Фиг.12 Основна зона с N34 150 кг/ха ±5%

Фиг.13 Опитна зона с N34 180 кг/ха ±5%

Фиг.14 Опитна зона с N34 120 кг/ха ±5%

За по-дълбоко разбиране на методологията и спецификата на тези резултати, използваните уравнения са по-долу:

1. Действително приложен азот в опита: Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

2. Основна с 150 кг/ха, включваща 5% допуск: Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

3. Опитна с 120 кг/ха, включваща 5% допуск: Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

4. Опитна с 180 кг/ха, включваща 5% допуск: Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

Базиран на приложеното и историческата продуктивност

Числата за добива от опитите постоянно надвишават средния добив за целия парцел. Един ключов фактор, който движи това разминаване, изглежда е исторически високопродуктивната зона, където са проведени опитите, както е визуализирано във Фиг.15 и Фиг.16. За по-нюансирана оценка на опитите е от съществено значение да се вземат предвид зоните на продуктивност при анализиране на резултатите.

Фиг.15 Исторически зони на потенциала на полето

Фиг.16 Исторически зони на потенциала на полето като набор от данни за добив

Представено в следващите екранни снимки (Фиг.17, Фиг.18, Фиг.19) е статистическото разпределение на добива, съсредоточено върху действително приложените стойности на азота (N34), припокрити с историческите зони на продуктивност (създадени в GeoPard). Ето обобщената статистика, като се има предвид приемането на точност ±5% за приложените стойности:

• Основната зона при 150 кг/ха имаше приложена площ от 2.65 ха, даваща среден добив 6.34 т/ха (Фиг.17).

• Първата опитна зона при 180 кг/ха покри площ от 1.08 ха и произведе среден добив 6.41 т/ха (Фиг.18).

• Втората опитна зона, зададена на 120 кг/ха, обхващаше площ от 1.78 ха, със среден добив 6.33 т/ха (Фиг.19).

Фиг.17 Основна зона с N34 150 кг/ха припокрита с историческата продуктивност

Фиг.18 Опитна зона с N34 180 кг/ха ±5% припокрита с историческата продуктивност

Фиг.19 Опитна зона с N34 120 кг/ха ±5% припокрита с историческата продуктивност

За по-дълбоко разбиране на методологията и спецификата на тези резултати, използваните уравнения са по-долу:

1. Основна с 150 кг/ха, включваща 5% допуск, припокрита с историческата продуктивност: Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

2. Опитна с 120 кг/ха, включваща 5% допуск, припокрита с историческата продуктивност: Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

3. Опитна с 180 кг/ха, включваща 5% допуск, припокрита с историческата продуктивност: Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

където

• частта Productivity_SubZone == 51 отразява високопродуктивните зони с прилаганите експерименти,

• частите (Applied_Value >= 142.5) & (Applied_Value <= 157.5) , (Applied_Value >= 114.0) & (Applied_Value <= 126.0), (Applied_Value >= 171.0) & (Applied_Value <= 189.0) включват ±5% точност от нормите 150, 120, 180 кг/ха.

Резюме

Резултатите за добива от опитите силно съвпадат със средния добив, наблюдаван в зоната с висока историческа продуктивност на полето. С други думи, експерименталното приложение на продукта N34 при норми от 120 кг/ха - 150 кг/ха - 180 кг/ха, е довело до средни добиви от 6.33 т/ха - 6.34 т/ха - 6.41 т/ха съответно, и не оказва значително влияние върху прибрания добив в рамките на високопродуктивната зона.