Feltforsøgsanalyse

Agronomer bruger forsøgsanalyse til at vurdere præstationen af forskellige afgrødevarianter, dyrkningsmetoder og indsatsstoffer, herunder resultater fra variabel dosering i præcisionslandbrug. Ved at indsamle, analysere og fortolke data fra markforsøg får forskere indsigt i interaktionerne mellem genetik, miljø og managementpraksis. Denne viden ligger til grund for udvikling af afgrødestyringsstrategier, der optimerer udbyttepotentialet samtidig med, at indsatsstofforbruget minimeres. Desuden gør forsøgsanalysen det muligt ikke kun at vurdere effektiviteten af præcisionslandbrugsmetoder, men også at identificere robuste sorter, der kan klare sig under forskellige og udfordrende forhold, hvilket bidrager til fødevaresikkerhed.

Dataklargøring

Til effektiv forsøgsanalyse kræves nogle få essentielle datasæt:

1. Udbyttedatasæt: Dette datasæt registrerer udbyttedata. Vi kan importere dette fra JohnDeere Operation Center eller manuelt uploade det som shapefile eller som maskinproducenters proprietære format.

2. Gødnings-/applikationsdatasæt: Dette er afgørende for at forstå den faktiske udførte applicering på marken. Minimumsindholdet omfatter attributter som TargetRate, AppliedRate og nogle maskinrelaterede målinger. Som med udbyttedatasættet har vi mulighed for at importere det fra JohnDeere Operation Center eller manuelt uploade det som shapefile eller som maskinproducenters proprietære format.

3. Zoner/Parceller med forsøg/eksperimenter: Disse viser de planlagte applikeringsrater for vores forsøg og giver indsigt i det eksperimentelle design. Hvis et sådant datalag er tilgængeligt, uploader vi det som shapefile i AsApplied/AsPlanted eller Yield-kontrollen. Dette sikrer kompatibilitet ved opbygning af EquationMaps og gør forsøgsanalysen mere gnidningsfri. Hvis et sådant datalag ikke er tilgængeligt, kan TargetRate-attributten fra applikationsdatasættet fungere som erstatning ved forsøgsevalueringer.

4. Historiske markpotentialezoner: Disse zoner genereres af GeoPard (detaljer er HER). De er nyttige til at analysere forsøg med ensartet historisk produktivitet. Dette er særligt gavnligt, når forsøg er fordelt på tværs af regioner med varierende historisk produktivitet.

Når vi har samlet disse datasæt, er næste skridt at starte forsøgs-evalueringsprocessen.

Dataoversigt

Følgende data findes for vækstsæsonen 2023 for vinterhvede:

• Udbyttedatasæt, der fremhæver fordeling af vådmasse (Fig.1)

Fig.1 Originalt udbyttedatasæt

• Nitrogen (N34) VRA-plan (150 kg/ha) med 2 forsøgsparceller (120 kg/ha og 180 kg/ha)(Fig.2)

Fig.2 Nitrogen (N34) VRA-plan med forsøgsparceller

• Applikationsdatasæt, der viser anvendte statistikker (Fig.3)

Fig.3 Applikationsdatasæt

• Historisk markproduktivitet (Fig.4)

Fig.4 Historisk markproduktivitet

Udbyttedatasættet er ikke kalibreret: flere mejetærskere har kørt i marken, der er spor af vendinger og manglende data, og støj er tydelig. Det anbefales at anvende kalibrering og rengøring af udbyttedata for optimale resultater. En trin-for-trin vejledning findes på LINK.

Udbyttedatasættet efter kalibrering og rengøring vises i Fig.5, sammen med de opdaterede statistikker. Dette datasæt vil blive brugt i de følgende trin.

Fig.5 Kalibreret og renset udbyttedatasæt

Koncept

Her er formålet med forsøgsanalysen at fastslå den mest effektive nitrogenrate (N34) for marken. Der er udpegede områder med nitrogenrater på 120 kg/ha, 150 kg/ha og 180 kg/ha. Disse data stammer på den ene side fra applikationsdatasættet og på den anden side fra det kalibrerede udbyttedatasæt.

Vi fokuserer analysen på tre forskellige zoner:

• 120 kg/ha (udpeget som forsøgszone)

• 150 kg/ha (betragtet som hovedzone)

• 180 kg/ha (anden forsøgszone)

Vores tilgang vil omfatte følgende vurderinger:

1. Planbaseret: brug af den planlagte variabel dosering (VRA) knyttet til det kalibrerede udbytte.

2. Anvendelsesbaseret: Sammenligning af de faktisk anvendte datasæt med det kalibrerede udbytte.

3. Anvendelsesbaseret og historisk produktivitet: Sammenligning af de faktisk anvendte datasæt med det kalibrerede udbytte overlappet med historiske markpotentialezoner.

Denne metodiske tilgang vil muliggøre en omfattende vurdering af nitrogenets indvirkning på udbyttet baseret på både planlagte og faktisk anvendte applikationsdata.

Planbaseret

Indflydelsen af anvendt planlagt nitrogen (N34) på udbyttefordelingen fanges visuelt i de følgende skærmbilleder (Fig.6, Fig.7, Fig.8). Her er en kort oversigt over resultaterne:

• Hovedzonen med en nitrogenrate på 150 kg/ha spænder over 45,8 ha og har et gennemsnitligt udbytte på 4,99 t/ha (Fig.6).

• Den første forsøgszone, der bruger 180 kg/ha nitrogen, dækker 1,76 ha og giver et gennemsnit på 6,5 t/ha (Fig.7).

• Den anden forsøgszone med 120 kg/ha nitrogen omfatter 1,86 ha og giver et gennemsnitligt udbytte på 6,39 t/ha (Fig.8).

Resultaterne rejser et væsentligt spørgsmål: Hvorfor ser den lavere applikeringsrate ud til at være mere effektiv end den højere? For at få dybere indsigt indebærer næste fase at evaluere forsøgene ved hjælp af de faktisk anvendte data.

Fig.6 Hovedzone med N34 150 kg/ha

Fig.7 Forsøgszone med N34 180 kg/ha

Fig.8 Forsøgszone med N34 120 kg/ha

Nedenfor finder du en dybdegående gennemgang af de formler og konfigurationer, der blev brugt under evalueringen.

For at gå dybere ind i Equation-tilgangen og dens udførelse, se venligst vores vejledninger for både Brugergrænsefladen og API.

Her er de ligninger, der skal køres for at genskabe beregningerne.

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

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

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

Det er vigtigt at aktivere Numpy (Fig.9) og slå Interpolering fra.

Fig.9 Aktivér "Numpy"

Fig.10 Slå brug af "Interpoleret" data fra

Anvendelsesbaseret

En bemærkelsesværdig observation er, at den faktisk anvendte rate under forsøget ikke altid stemmer overens med den planlagte (målte) rate. Konkrekt varierer distributionen fra 120 kg/ha til så højt som 189 kg/ha (Fig.11). Givet denne variation blev det vigtigt at fastsætte en tolerance for fejl. Derfor blev ±5% nøjagtighed fastlagt som en acceptabel grænse for at anse forsøget som egnet til evaluering.

Præsenteret i de følgende skærmbilleder (Fig.12, Fig.13, Fig.14) er den statistiske fordeling af udbyttet med fokus på de faktisk anvendte nitrogenmængder (N34). Her er de opsummerede statistikker med tanke på ±5% acceptgrænsen:

• Hovedzonen ved 150 kg/ha havde et anvendt areal på 43,5 ha og gav et gennemsnit på 4,9 t/ha (Fig.12).

• Den første forsøgszone ved 180 kg/ha dækkede et areal på 1,47 ha og gav et gennemsnitligt udbytte på 6,5 t/ha (Fig.13).

• Den anden forsøgszone sat til 120 kg/ha omfattede 1,44 ha med et gennemsnitligt udbytte på 6,3 t/ha (Fig.14).

Fig.11 Faktiske anvendte rater i forsøg

Fig.12 Hovedzone med N34 150 kg/ha ±5%

Fig.13 Forsøgszone med N34 180 kg/ha ±5%

Fig.14 Forsøgszone med N34 120 kg/ha ±5%

For en dybere forståelse af metodologien og detaljerne i disse resultater er de anvendte ligninger nedenfor:

1. Faktisk anvendt nitrogen i forsøg: Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

2. Hoved med 150 kg/ha med 5% acceptance: Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

3. Forsøg med 120 kg/ha med 5% acceptance: Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

4. Forsøg med 180 kg/ha med 5% acceptance: Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

Anvendelsesbaseret og historisk produktivitet

Udbyttet fra forsøgene overstiger konsekvent gennemsnitsudbyttet for hele marken. En væsentlig faktor bag denne forskel synes at være den historisk højproduktive zone, hvor forsøgene fandt sted, som visualiseret i Fig.15 og Fig.16. For en mere nuanceret vurdering af forsøgene er det vigtigt at tage produktivitetszonerne i betragtning ved analyse af resultaterne.

Fig.15 Historiske markpotentialezoner

Fig.16 Historiske markpotentialezoner som udbyttedatasæt

Præsenteret i de følgende skærmbilleder (Fig.17, Fig.18, Fig.19) er den statistiske fordeling af udbyttet med fokus på de faktisk anvendte nitrogenmængder (N34) overlappet med historiske produktivitetszoner (oprettet i GeoPard). Her er de opsummerede statistikker med tanke på ±5% acceptgrænsen for anvendte værdier:

• Hovedzonen ved 150 kg/ha havde et anvendt areal på 2,65 ha og gav et gennemsnitligt udbytte på 6,34 t/ha (Fig.17).

• Den første forsøgszone ved 180 kg/ha dækkede et areal på 1,08 ha og gav et gennemsnitligt udbytte på 6,41 t/ha (Fig.18).

• Den anden forsøgszone sat til 120 kg/ha omfattede 1,78 ha med et gennemsnitligt udbytte på 6,33 t/ha (Fig.19).

Fig.17 Hovedzone med N34 150 kg/ha overlappet med historisk produktivitet

Fig.18 Forsøgszone med N34 180 kg/ha ±5% overlappet med historisk produktivitet

Fig.19 Forsøgszone med N34 120 kg/ha ±5% overlappet med historisk produktivitet

For en dybere forståelse af metodologien og detaljerne i disse resultater er de anvendte ligninger nedenfor:

1. Hoved med 150 kg/ha med 5% acceptance overlappet med historisk produktivitet: Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

2. Forsøg med 120 kg/ha med 5% acceptance overlappet med historisk produktivitet: Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

3. Forsøg med 180 kg/ha med 5% acceptance overlappet med historisk produktivitet: Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

hvor

• delen Productivity_SubZone == 51 afspejler de højproduktive zoner, hvor de anvendte forsøg ligger,

• delene (Applied_Value >= 142.5) & (Applied_Value <= 157.5) , (Applied_Value >= 114.0) & (Applied_Value <= 126.0), (Applied_Value >= 171.0) & (Applied_Value <= 189.0) inkorporerer ±5% nøjagtighed fra raterne 150, 120, 180 kg/ha.

Resumé

Udbytteresultaterne fra forsøgene stemmer nøje overens med gennemsnitsudbyttet observeret i den højhistoriske produktivitetszone på marken. Med andre ord havde den eksperimentelle applicering af N34-produktet ved raterne 120 kg/ha - 150 kg/ha - 180 kg/ha, resulteret i gennemsnitlige udbytter på 6.33 t/ha - 6.34 t/ha - 6.41 t/ha henholdsvis, ingen væsentlig effekt på det høstede udbytte inden for den højproduktive zone.