> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/bg/agronomiya/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps.md).

# Работен поток на дилър в Италия: John Deere Ops Center - GeoPard - VRA азот - опити - карти на печалбата

Казус за дилър на John Deere: Sergio Bassan и GeoPard движат възвръщаемостта на инвестициите в прецизното земеделие

В прецизното земеделие точните данни и усъвършенстваните анализи са от ключово значение за по-информирани решения и по-висока продуктивност на стопанството. Миналата година, [GeoPard Agriculture](https://geopard.tech/) партнира с [John Deere](https://deere.com/) дилъра [Sergio Bassan S.r.l.](https://www.bassan.com/) в Италия, за да подкрепи местните земеделски стопани през целия вегетационен сезон. Ето как сътрудничеството ни се отрази на едно поле.

## 1. Начало: определяне на зони на продуктивност и карти за променлива норма на приложение (VRA) <a href="#ember54" id="ember54"></a>

За да се подготвим за сезона, анализирахме историческите данни за добивите и тенденциите в растителността, за да оценим продуктивността на полето. Тъй като теренът беше сравнително равен и не представляваше ограничаващ фактор, съсредоточихме се върху добивите и историческите модели на растителност. Данните за добивите бяха импортирани безпроблемно в GeoPard чрез [интеграцията с John Deere Operations Center](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/john-deere-operations-center-integration/john-deere-operations-center-integration/2.-connect-to-johndeere-operations-center).

Използвайки [подход с множество слоеве](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/zones-maps-and-analytics/multi-layer-analytics), разделихме всяко поле на три зони на продуктивност въз основа на данните за добивите и историческата растителност, като използвахме индекса EVI2 от сателитни изображения. Това даде възможност на земеделските стопани да прецизират стратегиите си за сеитба и торене и да коригират нормите според променливостта на полето.

За да оценим ефекта от сеитбата с променлива норма (VRA), определихме опитна ивица, която пресичаше всички зони на продуктивност. Това пряко сравнение помогна да се измери ефективността на сеитбата с VRA спрямо традиционната сеитба с еднаква норма.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F9K1AKO8U6WRqtK5XBVKj%2F1.png?alt=media&amp;token=de34466e-17f1-40c9-98da-c00d71ae5d14" alt="The GeoPard VRA seeding map for silage corn, with the trial line."><figcaption><p>Карта за сеитба на царевица за силаж с променлива норма (VRA) и маркирана опитна ивица.</p></figcaption></figure>

## 2. Прецизно изпълнение: от сеитбата до торенето <a href="#ember59" id="ember59"></a>

GeoPard осигури безпроблемното изпълнение на картите за VRA и подробно проследяване на операциите през целия сезон.

### Безпроблемно предаване и изпълнение на карти за VRA <a href="#ember61" id="ember61"></a>

Картите за VRA бяха изпратени директно до John Deere Operations Center за изпълнение от машините. GeoPard поддържа множество формати за експортиране, включително Shapefile, ISOXML и директна интеграция с John Deere Ops Center като файлове, картни слоеве и [работни планове](https://youtu.be/op1o-Y3r6bg). През сезона бяха приложени както обработки с променлива норма (сеитба и азотно торене), така и обработки с еднаква норма (предсеитбено внасяне на фосфор и калий, както и няколко подхранвания с азот), за да се оптимизират добивите и управлението на хранителните вещества.

### Проследяване на картите с действително внесените количества тор <a href="#ember63" id="ember63"></a>

GeoPard събираше и анализираше всички данни за приложените обработки, [като сравняваше планираните и изпълнените операции](https://docs.geopard.tech/geopard-tutorials/agronomy/evaluate-accuracy-of-seeding-application) за откриване на несъответствия, които може да изискват корекции или повторно приложение. Така сравнението между целевите и действително приложените норми на сеитба потвърди прецизното изпълнение без съществени отклонения.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDqi85aemYTwjcnJtiTPT%2F2.png?alt=media&amp;token=bd5d1333-bcbc-4535-bf67-259d8ac719d7" alt="Article content"><figcaption><p>Норма на сеитба: сравнение между целевата и действително приложената норма.</p></figcaption></figure>

## 3. Практически полезни анализи <a href="#ember66" id="ember66"></a>

Анализът след жътвата е от ключово значение за извличането на поуки от сезона и планирането на следващия.

### Почистване и калибриране на данните за добивите <a href="#ember68" id="ember68"></a>

След приключване на жътвата картите на добивите автоматично се появяват в GeoPard чрез интеграцията с John Deere Operations Center или могат да бъдат качени ръчно през интерфейса на GeoPard. Платформата [калибрира и почиства данните за добивите от комбайна](https://docs.geopard.tech/geopard-tutorials/agronomy/yield-calibration-and-cleaning), за да осигури високоточни анализи и по-добри решения. Сравненията едно до друго по-долу ясно показват как почистването на данните прави анализа по-прецизен и повишава надеждността му.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FgYa1XZB0Ay1GnowHzUs4%2F3.png?alt=media&amp;token=8e1afa21-e0ac-48ab-a087-9aa5c7edae25" alt="Article content"><figcaption><p>Калибрирани (горе) и необработени (долу) данни за добивите.</p></figcaption></figure>

### Управление на азота <a href="#ember71" id="ember71"></a>

Достъпът до всички карти с действително приложените обработки за сезона позволи прецизно изчисляване на общото количество внесен азот чрез сумиране на всички операции, свързани с азотно торене.

Усвояването на азот беше определено въз основа на данните за добивите и модели на културите. Ако комбайните са оборудвани със сензори за суров протеин, тези данни се включват в изчисленията за още по-точни анализи.

[Ефективност на използване на азота и излишък](https://docs.geopard.tech/geopard-tutorials/agronomy/nitrogen-use-efficiency-and-uptake) бяха оценени чрез сравняване на общото количество внесен азот с усвоеното от културата количество, което помага за оптимизиране на стратегиите за торене през следващите сезони.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FnuPXw9XnwPy3lc6Dci9B%2F4.png?alt=media&amp;token=05758c78-f64a-494b-970f-0bf22238ff6c" alt="Article content"><figcaption><p>Ефективност на използване на азота.</p></figcaption></figure>

### Оценка на VRA и опитите <a href="#ember76" id="ember76"></a>

Благодарение на ясно определените опитни участъци бяха изготвени задълбочени анализи за сравнение на развитието на културите в различните зони на продуктивност.

Тези анализи дадоха ясна представа как [всяка зона реагира на сеитбата с VRA](https://docs.geopard.tech/geopard-tutorials/agronomy/field-trial-analytics), което помогна да се потвърдят най-добрите практики за следващите сезони.

Предоставените карта на опита и таблица с данни представят подробен анализ на развитието на културата в четири ясно разграничени зони на продуктивност и показват ефекта от сеитбата с променлива норма (VRA) върху добивите и рентабилността.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FEpEUASCH2lPMWsn6nECR%2F5.png?alt=media&amp;token=955f90ec-264b-40f8-9e83-4be408601aef" alt="VRA and trial results"><figcaption><p>Резултати от VRA и опита.</p></figcaption></figure>

### **Основни наблюдения и анализи**

* **Рентабилност спрямо площта**: Зона 2 постигна най-високата обща печалба и среден добив, докато Зона 3 показа, че по-малки, но високопродуктивни площи (20.42 t/ha) могат да осигурят висока рентабилност на хектар (€1808.14/ha).
* **Резултати по зони**: Картата показва, че районите с най-високи добиви съвпадат със зоните с по-светлозелен цвят и по-висока продуктивност (Зона 3), което показва силен ефект от сеитбата с променлива норма (VRA).
* **Разпределение на печалбата**: Въпреки приличния добив, Зона 4 (опитната ивица) е с по-ниска обща печалба заради по-малката си площ и вероятно по-високите разходи за вложения или по-ниската ефективност.
* **Значение за бъдещите сезони**: Тези анализи осигуряват основана на данни база за усъвършенстване на стратегиите за сеитба през следващите сезони. Те показват, че по-големите инвестиции в зони с по-добър отговор (като Зона 3) могат да повишат общите резултати на стопанството.

### Анализ на добива и рентабилността <a href="#ember83" id="ember83"></a>

Анализът на данните за добива спрямо действителните разходи за вложения даде на земеделските стопани ясна представа за [Пространствени карти на печалбата](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/) мощен инструмент за оценка на рентабилността на ниво отделни части от полето. Съпоставянето на приходите от добива с разходите открои зоните с висок марж и посочи местата, където са нужни по-целенасочени мерки.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F47XGTkAERSxGHMsIKxQ6%2F6.png?alt=media&amp;token=557d812b-784f-4d33-a208-157ef4e6ac47" alt="Article content"><figcaption><p>Карта на печалбата със зони с висок и нисък марж.</p></figcaption></figure>

## 4. Поглед напред: какво предстои? <a href="#ember86" id="ember86"></a>

Въз основа на успеха тази година сътрудничеството с дилъра на John Deere Sergio Bassan Italy продължава и през сезон 2025 г. с допълнителни функции и усъвършенствани дейности:

### Автоматизирани препоръки за почвено пробовземане <a href="#ember88" id="ember88"></a>

Интелигентната система на GeoPard предлага оптимални точки за почвено пробовземане по зони. За пробовземането и обследването на полетата се използва приложението GeoPard Mobile.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKOxGw1tENbXpyyyOd9Q6%2F7.png?alt=media&amp;token=6ad38d66-31a4-44c3-9900-3dbb6b7e4e48" alt="Article content" width="375"><figcaption><p>Карта с местата за почвено пробовземане</p></figcaption></figure>

### Анализ на данните от почвените проби и препоръки за VRA <a href="#ember91" id="ember91"></a>

След като [данните за почвата](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/import/soil-data) бъдат събрани, GeoPard ще ги преобразува в карти за прецизно торене, които ще служат за предписания с променлива норма в различните зони.

### Автоматизиран анализ на опитни ивици и VRA <a href="#ember93" id="ember93"></a>

Земеделските стопани ще могат да оценяват ефективността на стратегиите си за VRA и опитните ивици чрез автоматизиран процес, който позволява по-бързо и по-последователно отчитане на резултатите.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F4oApZ5oWX8s85glsZbVc%2F8.png?alt=media&amp;token=16653dc6-8966-408d-9a0e-22cd2ea820ac" alt="Article content"><figcaption></figcaption></figure>

### Автоматично генериране на карти на печалбата <a href="#ember96" id="ember96"></a>

Планираме да автоматизираме създаването на карти на рентабилността, като използваме данни за извършените дейности и други ключови данни, за да оптимизираме рентабилността и да подпомогнем планирането на следващия сезон

## 5. Мнението на партньора <a href="#ember98" id="ember98"></a>

Според нашия партньор **Sergio Bassan Italy**,

> „Аналитичните инструменти на GeoPard улесниха екипа ни и земеделските стопани в ефективното използване на технологиите за прецизно земеделие. Надеждните анализи и постоянната подкрепа през целия сезон подобриха планирането и управлението на вложенията. Убедени сме, че синергията между нашия отдел и GeoPard ще донесе значителни промени и ползи за клиентите ни.“

\- [Edoardo Pozzato](https://www.linkedin.com/article/edit/7307362147670343682/), агроном по прецизно земеделие.

## Заключение <a href="#ember102" id="ember102"></a>

От определянето на зоните с различна продуктивност до анализа на картите на добива и печалбата — сътрудничеството ни с дилъра на John Deere Sergio Bassan Italy показва реалните ползи от прецизното земеделие. С внедряването на автоматизирани препоръки за почвено пробовземане и усъвършенствани анализи на рентабилността очакваме да постигнем още по-висока ефективност и устойчивост за земеделските стопани в региона.

## За компаниите <a href="#ember104" id="ember104"></a>

[**Sergio Bassan srl**](https://www.bassan.com/it/)**:** В своите 10 обекта компанията предлага богат избор от нова и употребявана селскостопанска техника: трактори, зърнокомбайни, дробилки, телескопични товарачи, багери, системи за сателитно управление, техника за обработка на земята и сенокос, за градинарство и лозарство, градински машини и трактори, принадлежности и резервни части. Екипът на Sergio Bassan включва осем специалисти по прецизно земеделие, които консултират клиентите за технологиите за прецизно земеделие и им помагат да усетят ползите от тях на практика, на полето. Отделът по прецизно земеделие се стреми да изпробва нови решения за клиентите си и да поддържа постоянна връзка с тях, включително дистанционно, за да им осигурява непрекъсната подкрепа.

[**GeoPard Agriculture**](https://geopard.tech/)**:** Компанията е сред водещите в областта на технологиите за прецизно земеделие. GeoPard е специализирана в геопространствения анализ и предлага решения, които превръщат сложните селскостопански данни в конкретни насоки за действие. Технологиите ѝ помагат за оптимизиране на различни дейности — от анализа на почвата до картите за VRA, дистанционното наблюдение и анализа на данни от селскостопанска техника — и допринасят значително за развитието на интелигентното земеделие.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

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

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/bg/agronomiya/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.
