Analýza polních pokusů

Analyzujte pokusy přímo na farmě pomocí prostorové statistiky, porovnávejte varianty, měřte návratnost investic a vylepšujte doporučení.

Agronomové používají Trial Analytics k posouzení výkonnosti různých odrůd plodin, pěstitelských technik a aplikací vstupů, včetně výsledků proměnlivé dávky aplikace v precizním zemědělství. Sběrem, analýzou a interpretací dat z polních pokusů získávají výzkumníci přehled o interakcích mezi genetikou, prostředím a agrotechnickými postupy. Tyto poznatky slouží jako podklad pro vývoj strategií řízení porostu, které optimalizují výnosový potenciál při současném omezení spotřeby vstupů. Trial Analytics navíc umožňuje nejen vyhodnocení účinnosti postupů precizního hospodaření, ale také pomáhá identifikovat odolné odrůdy plodin, které dokážou prospívat v různorodých a náročných podmínkách, a tím přispívá k potravinové bezpečnosti.

GeoPard také podporuje split-plot pokusy pro dvoufaktorové návrhy, například stejné dávky napříč různými hybridy. Vyhodnoťte jak hlavní efekty, tak interakci dávka × hybrid na stejné georeferencované vrstvě pokusu.

Příprava dat

Pro efektivní analýzu pokusů jsou potřeba některé základní datové sady:

1. Datová sada výnosu: Tato datová sada zachycuje data o výnosu. Můžeme ji importovat z JohnDeere Operation Center nebo ji ručně nahrát jako shapefile nebo jako proprietární formát stroje.

2. Datová sada aplikace: To je zásadní pro pochopení skutečně provedené aplikace na poli. Minimálně obsahuje atributy jako TargetRate, AppliedRate a některé metriky související se strojem. Stejně jako u datové sady výnosu máme možnost ji importovat z JohnDeere Operation Center nebo ji ručně nahrát jako shapefile nebo jako proprietární formát stroje.

3. Zóny/parcely s pokusy/experimenty: Tyto zobrazují plánované aplikační dávky pro naše pokusy a dávají přehled o experimentálním návrhu. Pokud je taková datová vrstva k dispozici, nahrajeme ji jako shapefile do AsApplied/AsPlanted nebo do řízení výnosu. Tím je zajištěna kompatibilita při tvorbě EquationMaps a zjednoduší se práce s analýzou pokusů. Může jít o jednofaktorové uspořádání nebo o split-plot uspořádání s druhým rozměrem ošetření, například hybrid nebo odrůda. Pokud taková datová vrstva není k dispozici, může atribut TargetRate z datové sady aplikace sloužit jako náhrada pro vyhodnocení pokusů.

4. Zóny historického potenciálu pole: Tyto zóny jsou generovány GeoPardem (podrobnosti jsou ZDE). Hodí se pro analýzu pokusů v místech se stálou historickou produktivitou. To je obzvlášť užitečné, když jsou pokusy rozmístěny napříč oblastmi s rozdílnou historickou produktivitou.

Jakmile jsme shromáždili tato data, dalším krokem je spuštění vyhodnocení pokusu.

Přehled dat

Pro zemědělskou sezónu 2023 ozimé pšenice jsou k dispozici tato data:

• Datová sada výnosu ukazující rozložení mokré hmoty (obr. 1)

Obr. 1 Originální datová sada výnosu

• Plán VRA pro dusík (N34) (150 kg/ha) se 2 pokusnými parcelami (120 kg/ha a 180 kg/ha)(obr. 2)

Obr. 2 Plán VRA pro dusík (N34) s pokusnými parcelami

• Datová sada aplikace ukazující statistiky aplikace (obr. 3)

Obr. 3 Datová sada aplikace

• Historická produktivita pole (Obr. 4)

Obr. 4 Historická produktivita pole

Datová sada výnosu nebyla kalibrována: pracovaly tam více sklízecích mlátiček, jsou tam stopy po otáčení a chybějící data a je patrný šum. Pro optimální výsledky se doporučuje nahoře použít operace Kalibrace výnosu a Vyčištění. Podrobný návod najdete na ODKAZ.

Datová sada výnosu je po kalibraci a vyčištění zobrazena v Obr. 5, spolu s aktualizovanými statistikami. Tato datová sada bude použita v dalších krocích.

Obr. 5 Kalibrovaná a vyčištěná datová sada výnosu

Koncept

Cílem Trial Analytics je zde zjistit nejúčinnější dávku dusíku (N34) pro dané pole. Jsou zde vyznačené plochy s dávkami dusíku 120 kg/ha, 150 kg/ha a 180 kg/ha. Tato data vycházejí jednak z ApplicationDataset, jednak z kalibrované YieldDataset.

Zaměříme analýzu na tři odlišné zóny:

• 120 kg/ha (označeno jako pokusná zóna)

• 150 kg/ha (považováno za hlavní zónu)

• 180 kg/ha (další pokusná zóna)

Náš postup bude zahrnovat tato vyhodnocení:

1. Na základě plánu: použití plánované aplikace s proměnlivou dávkou (VRA) napojené na kalibrovaný výnos.

2. Na základě aplikace: porovnání skutečně aplikovaných dat s kalibrovaným výnosem.

3. Na základě aplikace a historické produktivity: porovnání skutečně aplikovaných dat s kalibrovaným výnosem překrytým s historickými zónami potenciálu pole.

Tento systematický postup umožní komplexně vyhodnotit vliv dusíku na výnos na základě plánovaných i skutečně aplikovaných dat.

Na základě plánu

Vliv aplikovaného plánovaného dusíku (N34) na rozložení výnosu je vizuálně zachycen v následujících snímcích obrazovky (obr. 6, obr. 7, obr. 8). Zde je stručné shrnutí zjištění:

• Hlavní zóna s dávkou dusíku 150 kg/ha zabírá 45,8 ha a dosahuje průměrného výnosu 4,99 t/ha (Obr. 6).

• První pokusná zóna s aplikací dusíku 180 kg/ha pokrývá 1,76 ha a dosahuje průměrného výnosu 6,5 t/ha (Obr. 7).

• Druhá pokusná zóna s 120 kg/ha dusíku zahrnuje 1,86 ha a produkuje průměrný výnos 6,39 t/ha (Obr. 8).

Výsledky vyvolávají zásadní otázku: Proč se nižší aplikační dávka zdá být účinnější než vyšší? Pro hlubší vhled následuje vyhodnocení pokusů podle skutečně aplikovaných dat.

Obr. 6 Hlavní zóna s N34 150 kg/ha

Obr. 7 Pokusná zóna s N34 180 kg/ha

Obr. 8 Pokusná zóna s N34 120 kg/ha

Níže najdete podrobnou diskuzi o vzorcích a nastaveních použitých při vyhodnocení.

Chcete-li se podrobněji podívat na přístup s rovnicemi a jeho provedení, prostudujte si prosím naše návody pro obě uživatelské rozhraní a API.

Zde jsou rovnice, které je třeba spustit pro zopakování výpočtů.

1. Hlavní s 150 kg/ha: Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)

2. Pokus s 120 kg/ha: Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)

3. Pokus s 180 kg/ha: Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)

Je důležité zapnout Numpy (obr. 9) a vypnout Interpolaci (obr. 10).

Obr. 9 Zapnout „Numpy“

Obr. 10 Vypnout použití „interpolovaných“ dat

Na základě aplikace

Pozoruhodné zjištění je, že skutečná aplikační dávka během pokusu se trvale neshoduje s plánovanou (cílovou) dávkou. Konkrétně se rozložení pohybuje od 120 kg/ha až po 189 kg/ha (obr. 11). S ohledem na tuto proměnlivost bylo klíčové stanovit referenční mez pro toleranci chyby. Proto byla jako přijatelný práh pro posouzení vhodnosti pokusu stanovena přesnost ±5 %.

Ve snímcích níže (obr. 12, obr. 13, obr. 14) je statistické rozložení výnosu se zaměřením na skutečně aplikované množství dusíku (N34). Níže jsou shrnuté statistiky s ohledem na přijatou přesnost ±5 %:

• Hlavní zóna při 150 kg/ha měla aplikovanou plochu 43,5 ha a dosáhla průměru 4,9 t/ha (Obr. 12).

• První pokusná zóna při 180 kg/ha pokryla plochu 1,47 ha a dosáhla průměrného výnosu 6,5 t/ha (Obr. 13).

• Druhá pokusná zóna nastavená na 120 kg/ha zahrnovala plochu 1,44 ha a měla průměrný výnos 6,3 t/ha (Obr. 14).

Obr. 11 Skutečně aplikované dávky v pokusech

Obr. 12 Hlavní zóna s N34 150 kg/ha ±5 %

Obr. 13 Pokusná zóna s N34 180 kg/ha ±5 %

Obr. 14 Pokusná zóna s N34 120 kg/ha ±5 %

Pro hlubší pochopení metodiky a specifik těchto výsledků jsou níže uvedeny použité rovnice:

1. Skutečně aplikovaný dusík v pokusu: Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

2. Hlavní zóna s 150 kg/ha včetně 5% tolerance: Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

3. Pokus s 120 kg/ha včetně 5% tolerance: Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

4. Pokus s 180 kg/ha včetně 5% tolerance: Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

Na základě aplikace a historické produktivity

Hodnoty výnosu z pokusů trvale převyšují průměrný výnos zaznamenaný v celé poli. Klíčovým faktorem tohoto rozdílu se zdá být zóna s historicky vysokou produktivitou, kde pokusy probíhaly, jak je vidět v Obr. 15 a Obr. 16. Pro jemnější vyhodnocení pokusů je při analýze výsledků zásadní zohlednit produktivní zóny.

Obr. 15 Zóny historického potenciálu pole

Obr. 16 Zóny historického potenciálu pole jako datová sada výnosu

Ve snímcích níže ((obr. 17, obr. 18, obr. 19) je statistické rozložení výnosu se zaměřením na skutečně aplikované množství dusíku (N34) překryté s historickými zónami produktivity (vytvořenými v GeoPardu). Níže jsou shrnuté statistiky s ohledem na přijatou přesnost ±5 % pro skutečně aplikované hodnoty:

• Hlavní zóna při 150 kg/ha měla aplikovanou plochu 2,65 ha a dosáhla průměru 6,34 t/ha (Obr. 17).

• První pokusná zóna při 180 kg/ha pokryla plochu 1,08 ha a dosáhla průměrného výnosu 6,41 t/ha (Obr. 18).

• Druhá pokusná zóna nastavená na 120 kg/ha zahrnovala plochu 1,78 ha a měla průměrný výnos 6,33 t/ha (Obr. 19).

Obr. 17 Hlavní zóna s N34 150 kg/ha překrytá s historickou produktivitou

Obr. 18 Pokusná zóna s N34 180 kg/ha ±5 % překrytá s historickou produktivitou

Obr. 19 Pokusná zóna s N34 120 kg/ha ±5 % překrytá s historickou produktivitou

Pro hlubší pochopení metodiky a specifik těchto výsledků jsou níže uvedeny použité rovnice:

1. Hlavní zóna s 150 kg/ha včetně 5% tolerance překrytá s historickou produktivitou: Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

2. Pokus s 120 kg/ha včetně 5% tolerance překrytý s historickou produktivitou: Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

3. Pokus s 180 kg/ha včetně 5% tolerance překrytý s historickou produktivitou: Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

kde

• část Productivity_SubZone == 51 odpovídá vysokým zónám produktivity s aplikovanými pokusy,

• části (Applied_Value >= 142.5) & (Applied_Value <= 157.5) , (Applied_Value >= 114.0) & (Applied_Value <= 126.0), (Applied_Value >= 171.0) & (Applied_Value <= 189.0) zahrnují přesnost ±5 % od dávek 150, 120, 180 kg/ha.

Shrnutí

Výsledky výnosu z pokusů se velmi blízce shodují s průměrným výnosem zaznamenaným ve vysoké historické zóně produktivity pole. Jinými slovy, experimentální aplikace přípravku N34 v dávkách 120 kg/ha - 150 kg/ha - 180 kg/ha, vedla k průměrným výnosům 6,33 t/ha - 6,34 t/ha - 6,41 t/ha a to postupně, nemá v rámci zóny s vysokou produktivitou významný vliv na sklizený výnos.