# Данни за добив и анализ на жътвата

Използвайте GeoPard, за да превърнете суровите файлове от комбайна в готови за вземане на решения слоеве на добива.

### Типичен работен процес

{% stepper %}
{% step %}

### Импорт

Внесете данни за жътвата от шейпфайлове, машинни файлове или John Deere. Започнете с импорт на файл. После обработете, почистете, калибрирайте, запълнете пропуските и използвайте резултата повторно за агрономически препоръки.
{% endstep %}

{% step %}

### Обработка

Прегледайте атрибутите, мерните единици, съответствието с полето и детайлите, специфични за машината.
{% endstep %}

{% step %}

### Почистване и калибриране

Премахнете шума. Коригирайте ивиците. Изравнете стойностите спрямо проверени общи количества.
{% endstep %}

{% step %}

### Възстановяване на пропуски

Използвайте синтетичен добив там, където записът липсва или е непълен.
{% endstep %}

{% step %}

### Създаване на препоръки

Създайте зони, формули и работни процеси за рентабилност от почистения добив.
{% endstep %}

{% step %}

### Споделяне на изходните данни

Изпратете слоевете, получени от добива, и препоръките към John Deere Ops Center.
{% endstep %}
{% endstepper %}

### 1. Импорт на данни за добива

GeoPard поддържа стандартни GIS файлове и машинни формати.

Типичните входни файлове включват `shp`, `ISOXML`и собствени файлове като `jdl`, `cn1`, `adm`, `dat`и свързани машинни архиви.

Можете също да импортирате добив директно от John Deere Operations Center.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FAyA8wGTgxwgAZsjOhlmz%2Fimage.png?alt=media&#x26;token=0aeed3da-5098-404c-a881-2025f690f4bd" alt="Upload machinery files"><figcaption><p>Качете машинни файлове и оставете GeoPard да ги разпознае и превърне в набори от данни.</p></figcaption></figure>

Използвайте тези страници за точния поток на работа:

* [Импорт на данни за добива](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/import/yield-data-import)
* [Собствени машинни формати](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/import/machinery-proprietary-formats)
* [Импорт от MyJohnDeere](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/import/import-from-myjohndeere)

### 2. Обработка на данните за добива

След импорта GeoPard свързва набора от данни с полето и показва неговите атрибути на жътвата.

Това е етапът, в който се потвърждава, че наборът от данни е годен за употреба.

Първо проверете следните неща:

* основният атрибут за добив е избран правилно
* единиците са правилни и съпоставими
* влажност, скорост, работна ширина и посока изглеждат разумно
* данните съвпадат с границата на полето
* траекториите на машината или датите на жътвата са налични, когато са нужни

Този преглед помага преди всяко почистване, зониране или работа по формули.

{% hint style="info" %}
Наборите от данни за добив често съдържат повече от един полезен слой.

Освен масата на добива, проверете влажност, сухо вещество, скорост, разстояние, посока и поведението на машинната траектория.
{% endhint %}

### 3. Почистване и калибриране

Суровите файлове за добива често включват завои, спирания, пикове, припокриване и стойности извън полето.

GeoPard почиства тези артефакти и калибрира набора от данни за последващ анализ.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F20oK9gntxkBPLitm5waW%2Fimage.png?alt=media&#x26;token=dc4dc121-6e5e-41cf-8d72-515fe882663a" alt="Result after cleaning and calibration"><figcaption><p>Резултат след почистване и калибриране.</p></figcaption></figure>

Използвайте това, когато трябва да:

* премахнете отклонения и шум
* изрежете данните по границата на полето
* изравните няколко комбайна или жътвени дни
* коригирате общия bias с известен среден или общ добив
* приложите логика за почистване на добива по USDA

Отворете пълното ръководство тук:

* [Калибриране и почистване на добива](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/yield-calibration-and-cleaning)

{% hint style="warning" %}
Използвайте **Калибриране по траектория** когато ивиците идват от няколко машини или дни.

Използвайте **Калибриране по средна стойност или общо количество** когато общото количество за полето е надеждно.
{% endhint %}

### 4. Синтетични карти на добива

Не всяка жътва има пълно записване на добива.

Синтетичните карти на добива помагат, когато данните липсват, са частични или изобщо не са записани.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FnEKqU70RiQEE0oxNKgls%2Fimage.png?alt=media&#x26;token=e779ea7e-dc6b-45d0-8be6-4f320a5d600a" alt="Calibrated vs synthetic yield"><figcaption><p>Сравнете калибрирания добив със синтетична карта на добива.</p></figcaption></figure>

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fz427malsrdHAQOCNjQyh%2Fimage.png?alt=media&#x26;token=26a63983-2a7f-48b2-bfc9-3e40a883582a" alt="Synthetic yield dataset example"><figcaption><p>Пример за синтетичен набор от данни за добив.</p></figcaption></figure>

Това е полезно, когато:

* по-старите комбайни нямат монитор за добив
* е записана само част от полето
* суровите данни са твърде повредени, за да им се вярва сами по себе си
* известен е само средният или общият добив за полето

Синтетичният добив използва историческото поведение на полето и модели от дистанционното наблюдение.

Работи и за **частично възстановяване**.

Ако една част от полето има използваеми данни от жътвата, а друга липсва или е твърде шумна, GeoPard може да реконструира непълната зона и да изгради по-пълен набор от данни за добива.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F0seT3f3a7IV3lozI6BSj%2FGeoPard-restoring_partial_yield.gif?alt=media&#x26;token=1b6eecac-ac0a-45ff-80ee-26dd89da4a5a" alt="Reconstruct partial harvesting dataset"><figcaption><p>Реконструирайте липсващата част от частичен набор от данни за жътвата.</p></figcaption></figure>

Прочетете повече:

* [Синтетична карта на добива](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/synthetic-yield-map)
* [Сателитен мониторинг](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/satellite-monitoring)

### 5. Създаване на препоръки от данните за добива

Почистените данни за добива са един от най-силните входове за предписания и следжътвен анализ.

#### Зони

Използвайте само добив или го комбинирайте с почвени слоеве и слоеве от приложеното торене/третиране.

Това е често срещан подход за зони на продуктивност и планиране на променлива норма.

Можете също да изграждате зониране от няколко набора от данни за добив за различни години.

Обичайният работен процес е:

* почистете и калибрирайте всеки набор от данни за добив
* нормализирайте или сравнете набори от данни от различни години
* включете синтетичен добив там, където липсва историческо записване на жътвата
* комбинирайте избраните слоеве на добива в един работен процес за зониране

Полезни страници:

* [Създаване на карта на зони чрез данни за почва/добив/приложено](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/zones-maps-and-analytics/creating-zones-map-using-soil-yield-as-applied-data)
* [Процес на създаване на управленски зони на полето (зони на продуктивност)](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/field-management-zones-productivity-zones-creation-process)
* [Сравняване на набори от данни за добив](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/comparing-yield-datasets)

#### Формули

Използвайте добива във формули за извличане, ефективност, ROI, сходство и персонализиран анализ.

* [Анализи, базирани на формули](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/equation-based-analytics)
* [Пакетен анализ на формули](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/equation-based-analytics/batch-equation-analytics)
* [Ефективност на усвояването на азота (NUE) и усвояване на азот](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/nitrogen-use-efficiency-nue-and-nitrogen-uptake)

#### VRA карти, базирани на усвояването на хранителни вещества

Данните за добива могат също да подпомагат работни процеси за изнасяне и усвояване на хранителни вещества.

Един практически пример е създаване на карта за торене с променлива норма на азот въз основа на логиката за усвояване от културата, след което да бъде експортирана като предписание, готово за машината.

<figure><img src="https://lh4.googleusercontent.com/GlMwn4wfmG_uCEh4YaAY7w8wMmZ-eqdVkS9y8gZr1GFxnS7SJX_oH7njtMadYROdlHRkmsqg69JEGGFl-m02gJhdipOKxaoyohJDuzo5lAdmsx3CEGc3jUbTgaakZZc1ZzL1IThM15urylg81hoYv3Fv_lfHK3Y3iYtNiOBMhEGBzKF_eoyV8QBcJQ" alt="Variable-rate nutrient uptake map example"><figcaption><p>Пример за VRA карта, базирана на усвояване на хранителни вещества, извлечено от данни за добива.</p></figcaption></figure>

GeoPard може да изчисли:

* **Усвояване на азот (NU)**
* **Ефективност на усвояването на азот (NUE)**
* **Излишък на азот (NS)**

Тези резултати помагат да се идентифицира къде културата е изнесла повече хранителни вещества, къде азотът е останал неизползван и къде нормите за следващия сезон трябва да се повишат или намалят.

Използвайте тези справки:

* [Ефективност на усвояването на азота (NUE) и усвояване на азот](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/nitrogen-use-efficiency-nue-and-nitrogen-uptake)
* [Пример за употреба: Азотно торене с променлива норма (VRA) за картофи за постигане на 5–10% по-висок добив](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/use-case-variable-rate-nitrogen-vra-for-potatoes-to-realize-5-10-more-yield)
* [Задаване на променливи норми в инструмента за разпределение на нормите на агро-входовете в зоните](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/zones-maps-and-analytics/assign-variable-rates-in-the-zones-ag-inputs-rates-distribution-tool)

#### Картите на рентабилност

Работните процеси тип „profit“ комбинират добив, цени и разходи за операцията.

Използвайте ги, за да видите разликите в маржа вътре в едно и също поле, а не само една средна стойност за полето.

В примера от работния поток на дилър в Италия GeoPard сравнява добива и рентабилността по зони след изпълнение на VRA и преглед на жътвата.

Основни изводи от този пример:

* **Зона 2** имаше най-висока обща печалба и среден добив.
* **Зона 3** постигна най-висока продуктивност с **20.42 t/ha**.
* **Зона 3** и също донесе **€1808.14/ha** рентабилност.
* Картата на рентабилност показва къде маржът е силен и къде разходите са по-трудни за възвръщане.

<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&#x26;token=557d812b-784f-4d33-a208-157ef4e6ac47" alt="Profit map with high and low margin areas"><figcaption><p>Карта на рентабилност с високомаржинални и нискомаржинални зони.</p></figcaption></figure>

Източници:

* [Работен поток за дилър в Италия: John Deere Ops Center - GeoPard - VRA азот - опити - карти на рентабилност](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps)
* [Представяме картите на рентабилност на GeoPard: крачка напред в прецизното земеделие](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/)

### 6. Изпращане на данни за добива към John Deere Ops Center

Има три практични подхода.

Първо, импортирайте данните от жътвата от John Deere в GeoPard.

Второ, изпратете изходите, получени от добива, обратно към John Deere като файлове или картни слоеве.

Трето, експортирайте обработения добив обратно като **Операционни данни**.

Използвайте **Операционни данни** подхода, когато искате почистеният или калибрираният набор от данни да замени набора от данни, видим в John Deere Operations Center.

Ако полето вече е свързано с John Deere, новите GeoPard активи за това поле могат да се синхронизират обратно към Ops Center.

<figure><img src="https://190376946-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F8dKxPmUmV4amrPsHjVS2%2FExport%20GeoPard%20Layer%20to%20John%20Deere%20as%20a%20Map%20Layer.png?alt=media&#x26;token=97fa981e-9c01-4755-97ba-c30db4cb27ad" alt="Export layer to John Deere"><figcaption><p>Изпратете слоевете от GeoPard към John Deere Ops Center.</p></figcaption></figure>

Използвайте тези страници:

* [Импорт от MyJohnDeere](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/import/import-from-myjohndeere)
* [6. Експортиране на Rx карти към John Deere Operations Center като файлове](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/john-deere-operations-center-integration/6.-export-rx-maps-to-john-deere-operations-center-as-files)
* [9. Експортиране на почва, топография, сателитни данни или анализи като картни слоеве](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/john-deere-operations-center-integration/9.-export-soil-topography-satellite-or-analytics-as-map-layers)

{% hint style="info" %}
За полета, свързани с John Deere, GeoPard може също да върне обработените слоеве обратно в Ops Center като оперативни данни.

Това е полезно след почистване и калибриране на добива, когато коригираният набор от данни трябва да замени оригиналния оперативен слой в John Deere.
{% endhint %}

### Свързани страници

* [Сравняване на набори от данни за добив](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/comparing-yield-datasets)
* [Преглед на данни за добива](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-mobile-app/viewing-yield-data)
* [Операционен дневник - Проследяване на грешки/импорти и анализи](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/operations-log-track-errors-imports-and-analytics)