Feldversuch-Analytik

Agronomen nutzen Versuchsanalysen, um die Leistung verschiedener Kultursorten, Anbautechniken und Einsatzstrategien zu bewerten, einschließlich der Ergebnisse von variablen Applikationen in der Präzisionslandwirtschaft. Durch das Erfassen, Analysieren und Interpretieren von Daten aus Feldversuchen gewinnen Forschende Einblicke in die Wechselwirkungen zwischen Genetik, Umwelt und Managementpraktiken. Dieses Wissen fließt in die Entwicklung von Bestandsführungsstrategien ein, die das Ertragspotenzial optimieren und gleichzeitig den Einsatz von Betriebsmitteln minimieren. Darüber hinaus ermöglicht Trial Analytics nicht nur die Bewertung der Wirksamkeit von Precision-Farming-Maßnahmen, sondern hilft auch, resiliente Sorten zu identifizieren, die unter unterschiedlichen und herausfordernden Bedingungen gut gedeihen und so zur Ernährungssicherheit beitragen.

Datenaufbereitung

Für effektive Versuchsanalysen werden einige wesentliche Datensätze benötigt:

1. Ertragsdatensatz: Dieser Datensatz erfasst die Ertragsdaten. Wir können ihn aus dem JohnDeere Operation Center importieren oder manuell hochladen als Shapefile oder als maschinenproprietäres Format.

2. Applikationsdatensatz: Dieser ist entscheidend, um die tatsächlich auf dem Feld ausgeführte Applikation zu verstehen. Mindestens enthält er Attribute wie TargetRate, AppliedRate und einige maschinenbezogene Kennwerte. Wie beim Ertragsdatensatz haben wir die Möglichkeit, ihn aus dem JohnDeere Operation Center importieren oder manuell hochladen als Shapefile oder als maschinenproprietäres Format.

3. Zonen/Parzellen mit Versuchen/Experimenten: Diese zeigen die geplanten Applikationsraten für unsere Versuche und geben Einblick in das Versuchsdesign. Wenn eine solche Datenebene verfügbar ist, laden wir sie als Shapefile in die AsApplied/AsPlanted- oder Ertragskontrolle hoch. Dies gewährleistet die Kompatibilität beim Erstellen von Gleichungskarten und vereinfacht Ihre Versuchsanalysen. Wenn eine solche Datenebene nicht vorliegt, kann das TargetRate-Attribut aus dem Applikationsdatensatz als Ersatz für die Versuchsbeurteilung dienen.

4. Historische Feldpotenzialzonen: Diese Zonen werden von GeoPard erzeugt (Details sind HIER). Sie sind nützlich zur Analyse von Versuchen mit konsistenter historischer Produktivität. Dies ist besonders vorteilhaft, wenn Versuche über Regionen mit unterschiedlicher historischer Produktivität verteilt sind.

Sobald wir diese Datensätze gesammelt haben, besteht der nächste Schritt darin, mit der Versuchsbeurteilung zu beginnen.

Datenübersicht

Für die Anbausaison 2023 beim Winterweizen liegen folgende Daten vor:

• Ertragsdatensatz mit Hervorhebung der Nassmasse-Verteilung (Abb.1)

Abb.1 Originaler Ertragsdatensatz

• Stickstoff-(N34)-VRA-Plan (150 kg/ha) mit 2 Versuchsparzellen (120 kg/ha und 180 kg/ha)(Abb.2)

Abb.2 Stickstoff-(N34)-VRA-Plan mit Versuchsparzellen

• Applikationsdatensatz mit Darstellung der angewendeten Statistiken (Abb.3)

Abb.3 Applikationsdatensatz

• Historische Feldproduktivität (Abb.4)

Abb.4 Historische Feldproduktivität

Der Ertragsdatensatz wurde nicht kalibriert: Mehrere Mähdrescher waren dort im Einsatz, es gibt Wendemarken und fehlende Daten sowie erkennbares Rauschen. Es wird empfohlen, zusätzlich die Ertragskalibrierungs- und Reinigungsoperationen anzuwenden, um optimale Ergebnisse zu erzielen. Ein schrittweises Tutorial finden Sie unter LINK.

Der Ertragsdatensatz, nach Kalibrierung und Bereinigung, ist in Abb.5dargestellt, zusammen mit den aktualisierten Statistiken. Dieser Datensatz wird in den folgenden Schritten verwendet.

Abb.5 Kalibrierter und bereinigter Ertragsdatensatz

Konzept

Hier ist das Ziel der Versuchsanalysen, die effektivste Stickstoff-(N34)-Rate für das Feld zu bestimmen. Es gibt markierte Bereiche mit Stickstoffraten von 120 kg/ha, 150 kg/ha und 180 kg/ha. Diese Daten stammen einerseits aus dem Applikationsdatensatz und andererseits aus dem kalibrierten Ertragsdatensatz.

Wir konzentrieren unsere Analyse auf drei verschiedene Zonen:

• 120 kg/ha (als Versuchszone ausgewiesen)

• 150 kg/ha (als Hauptzone betrachtet)

• 180 kg/ha (eine weitere Versuchszone)

Unser Vorgehen umfasst die folgenden Bewertungen:

1. Planbasiert: unter Verwendung der geplanten variablen Applikation (VRA), verknüpft mit dem kalibrierten Ertrag.

2. Anwendungsbasiert: Vergleich der tatsächlich angewendeten Datensätze mit dem kalibrierten Ertrag.

3. Anwendungsbasiert und historische Produktivität: Vergleich der tatsächlich angewendeten Datensätze mit dem kalibrierten Ertrag überlagert mit historischen Feldpotenzialzonen.

Dieser methodische Ansatz ermöglicht eine umfassende Bewertung des Einflusses von Stickstoff auf den Ertrag, basierend auf geplanten und tatsächlich angewendeten Applikationsdaten.

Planbasiert

Der Einfluss der angewendeten geplanten Stickstoff-(N34)-Rate auf die Ertragsverteilung wird in den nachfolgenden Screenshots visuell erfasst (Abb.6, Abb.7, Abb.8). Hier ist eine kurze Zusammenfassung der Ergebnisse:

• Die Hauptzone mit einer Stickstoffrate von 150 kg/ha umfasst 45,8 ha und weist einen durchschnittlichen Ertrag von 4,99 t/ha auf (Abb.6).

• Die erste Versuchszone mit einer Stickstoffapplikation von 180 kg/ha erstreckt sich über 1,76 ha und erzielt einen Durchschnittsertrag von 6,5 t/ha (Abb.7).

• Die zweite Versuchszone mit 120 kg/ha Stickstoff umfasst 1,86 ha und erzielt einen durchschnittlichen Ertrag von 6,39 t/ha (Abb.8).

Die Ergebnisse werfen eine bedeutsame Frage auf: Warum scheint die niedrigere Applikationsrate effizienter zu sein als die höhere? Um tiefergehende Einblicke zu gewinnen, umfasst die nächste Phase die Bewertung der Versuche anhand der tatsächlich angewendeten Daten.

Abb.6 Hauptzone mit N34 150 kg/ha

Abb.7 Versuchszone mit N34 180 kg/ha

Abb.8 Versuchszone mit N34 120 kg/ha

Weiter unten finden Sie eine detaillierte Diskussion der während der Bewertung verwendeten Formeln und Konfigurationen.

Um tiefer in den Gleichungsansatz und seine Ausführung einzutauchen, konsultieren Sie bitte unsere Tutorials sowohl für die Benutzeroberfläche und API.

Hier sind die Gleichungen, die ausgeführt werden müssen, um die Berechnungen zu reproduzieren.

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

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

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

Es ist wichtig, Numpy zu aktivieren (Abb.9) und Interpolation.

auszuschalten

(Abb.10)

Abb.9 Aktivieren von "Numpy"

Abb.10 Deaktivieren der Verwendung von "interpolierten" Daten AnwendungsbasiertEine bemerkenswerte Beobachtung ist, dass die tatsächlich angewendete Rate während des Versuchs nicht durchgängig mit der geplanten (Ziel-)Rate übereinstimmt. Konkret reicht die Verteilung von 120 kg/ha bis zu 189 kg/ha

(Abb.11). Angesichts dieser Variabilität war es wichtig, eine Toleranzschwelle für Abweichungen festzulegen. Deshalb wurde eine ±5%-Genauigkeit als akzeptable Grenze definiert, um den Versuch für die Bewertung als geeignet zu betrachten. In den nachfolgenden Screenshots (

• Abb.12, Abb.13, Abb.14) (wird die statistische Verteilung des Ertrags dargestellt, mit Fokus auf die tatsächlich angewendeten Stickstoff-(N34)-Mengen. Hier sind die zusammengefassten Statistiken unter Berücksichtigung der ±5%-Akzeptanz:).

• Die Hauptzone bei 150 kg/ha hatte eine angewendete Fläche von 43,5 ha und einen durchschnittlichen Ertrag von 4,9 t/ha (Abb.12).

• Die erste Versuchszone bei 180 kg/ha deckte eine Fläche von 1,47 ha ab und erzielte einen Durchschnittsertrag von 6,5 t/ha (Abb.13).

Die zweite Versuchszone mit 120 kg/ha erstreckte sich über 1,44 ha und wies einen durchschnittlichen Ertrag von 6,3 t/ha auf

Abb.14

Abb.11 Tatsächlich angewendete Raten in Versuchen

Abb.12 Hauptzone mit N34 150 kg/ha ±5%

Abb.13 Versuchszone mit N34 180 kg/ha ±5%

1. Abb.14 Versuchszone mit N34 120 kg/ha ±5% Für ein tieferes Verständnis der Methodik und der Einzelheiten dieser Ergebnisse sind die verwendeten Gleichungen unten aufgeführt:

2. Tatsächlich angewendeter Stickstoff im Versuch: Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

3. Hauptzone mit 150 kg/ha unter Einbeziehung der 5%-Akzeptanz: Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

4. Versuch mit 120 kg/ha unter Einbeziehung der 5%-Akzeptanz: Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

Versuch mit 180 kg/ha unter Einbeziehung der 5%-Akzeptanz:

Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan) Anwendungsbasiert und historische Produktivität und Die Ertragswerte aus den Versuchen übersteigen konsequent den durchschnittlichen Ertrag über das gesamte Feld. Ein Schlüsselfaktor für diese Diskrepanz scheint die historisch hochproduktive Zone zu sein, in der die Versuche stattfanden, wie inAbb.15

und

Abb.16

(Abb.11)visualisiert. Für eine nuanciertere Bewertung der Versuche ist es entscheidend, die Produktivitätszonen bei der Analyse der Ergebnisse zu berücksichtigen. Abb.15 Historische Feldpotenzialzonen

• Abb.16 Historische Feldpotenzialzonen als Ertragsdatensatz (Abb.17, Abb.18, Abb.19)).

• ist die statistische Verteilung des Ertrags, mit Fokus auf die tatsächlich angewendeten Stickstoff-(N34)-Mengen überlagert mit historischen Produktivitätszonen (erstellt in GeoPard). Hier sind die zusammengefassten Statistiken unter Berücksichtigung der ±5%-Akzeptanz für die angewendeten Werte: (Die Hauptzone bei 150 kg/ha hatte eine angewendete Fläche von 2,65 ha und einen durchschnittlichen Ertrag von 6,34 t/ha).

• Abb.17 (Die erste Versuchszone bei 180 kg/ha deckte eine Fläche von 1,08 ha ab und erzielte einen Durchschnittsertrag von 6,41 t/ha).

Abb.18

Die zweite Versuchszone mit 120 kg/ha erstreckte sich über 1,78 ha und wies einen durchschnittlichen Ertrag von 6,33 t/ha auf

Abb.19

Abb.13 Versuchszone mit N34 180 kg/ha ±5%

1. Abb.17 Hauptzone mit N34 150 kg/ha überlagert mit historischer Produktivität Abb.18 Versuchszone mit N34 180 kg/ha ±5% überlagert mit historischer Produktivität

2. Abb.19 Versuchszone mit N34 120 kg/ha ±5% überlagert mit historischer Produktivität Hauptzone mit 150 kg/ha unter Einbeziehung der 5%-Akzeptanz überlagert mit historischer Produktivität:

3. Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan) Versuch mit 120 kg/ha unter Einbeziehung der 5%-Akzeptanz überlagert mit historischer Produktivität:

Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

• Versuch mit 180 kg/ha unter Einbeziehung der 5%-Akzeptanz überlagert mit historischer Produktivität: Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan) wobei

• der Teil Productivity_SubZone == 51 , die hochproduktiven Unterzonen widerspiegelt, in denen die angewandten Versuche stattgefunden haben,, die Teile (Applied_Value >= 142.5) & (Applied_Value <= 157.5) 150, 120, 180 (Applied_Value >= 114.0) & (Applied_Value <= 126.0)

(Applied_Value >= 171.0) & (Applied_Value <= 189.0)

beziehen die ±5%-Genauigkeit der Raten ein kg/ha.Zusammenfassung Die Ertragsresultate aus den Versuchen stimmen eng mit dem durchschnittlichen Ertrag überein, der in der historisch hochproduktiven Zone des Feldes beobachtet wurde. Mit anderen Worten: Die experimentelle Applikation des N34-Produkts in den Raten 120 kg/ha - 150 kg/ha - 180 kg/ha