# Analíticas de ensayos de campo Los agrónomos emplean el análisis de ensayos para evaluar el rendimiento de diversas variedades de cultivo, técnicas de cultivo y aplicaciones de insumos, incluidos los resultados de las Aplicaciones de Dosis Variable en Agricultura de Precisión. Al recopilar, analizar e interpretar los datos generados a partir de ensayos de campo, los investigadores obtienen información sobre las interacciones entre la genética, el entorno y las prácticas de manejo. Este conocimiento orienta el desarrollo de estrategias de manejo del cultivo que optimizan el potencial de rendimiento mientras minimizan el uso de insumos. Además, el análisis de ensayos no solo permite evaluar la eficacia de las prácticas de Agricultura de Precisión, sino que también ayuda a identificar variedades de cultivo resilientes que pueden prosperar en condiciones diversas y exigentes, contribuyendo así a la seguridad alimentaria. {% hint style="info" %} GeoPard también admite ensayos en parcelas divididas para diseños de dos factores, como las mismas dosis en distintos híbridos. Evalúe tanto los efectos principales como la interacción dosis × híbrido en la misma capa georreferenciada del ensayo. {% endhint %} ## Preparación de datos Para un análisis de ensayos eficaz, se requieren algunos conjuntos de datos esenciales: 1. **Conjunto de datos de rendimiento**:\ Este conjunto de datos captura los datos de rendimiento.\ Podemos importarlo desde el [JohnDeere Operation Center](/geopard-tutorials/esp/tour-del-producto-aplicacion-web/importar-datos-de-agricultura-de-precision/importar-desde-myjohndeere.md) o cargarlo manualmente como [shapefile](/geopard-tutorials/esp/tour-del-producto-aplicacion-web/importar-datos-de-agricultura-de-precision/importacion-de-datos-de-rendimiento.md) o como [formato propietario de la maquinaria](/geopard-tutorials/esp/tour-del-producto-aplicacion-web/importar-datos-de-agricultura-de-precision/formatos-propietarios-de-maquinaria.md). 2. **Conjunto de datos de aplicación**:\ Esto es crucial para comprender la Aplicación real ejecutada en el campo. Como mínimo, contiene atributos como TargetRate, AppliedRate y algunas métricas relacionadas con la maquinaria.\ Al igual que con el conjunto de datos de rendimiento, tenemos opciones para importarlo desde el [JohnDeere Operation Center](/geopard-tutorials/esp/tour-del-producto-aplicacion-web/importar-datos-de-agricultura-de-precision/importar-desde-myjohndeere.md) o cargarlo manualmente como [shapefile](/geopard-tutorials/esp/tour-del-producto-aplicacion-web/importar-datos-de-agricultura-de-precision/importacion-de-datos-aplicados-sembrados.md) o como [formato propietario de la maquinaria](/geopard-tutorials/esp/tour-del-producto-aplicacion-web/importar-datos-de-agricultura-de-precision/formatos-propietarios-de-maquinaria.md). 3. **Zonas/Parcelas con ensayos/experimentos**:\ Estas muestran las dosis de Aplicación planificadas para nuestros ensayos, proporcionando información sobre el diseño experimental.\ Si dicha capa de datos está disponible, la cargamos como [shapefile](/geopard-tutorials/esp/tour-del-producto-aplicacion-web/importar-datos-de-agricultura-de-precision/importacion-de-datos-aplicados-sembrados.md) en el control AsApplied/AsPlanted o Yield. Esto garantiza la compatibilidad al construir EquationMaps, agilizando su experiencia de análisis de ensayos.\ Esto puede ser un diseño de un solo factor o un diseño de parcelas divididas con una segunda dimensión de tratamiento, como híbrido o variedad.\ Si dicha capa de datos no está disponible, el atributo TargetRate del conjunto de datos de aplicación puede servir como sustituto para las evaluaciones de ensayo. 4. **Zonas históricas de potencial del campo:**\ Estas zonas son generadas por GeoPard (los detalles están [AQUÍ](/geopard-tutorials/esp/tour-del-producto-aplicacion-web/mapas-de-zonas-y-analiticas/zonas-multianuales.md)). Son útiles para analizar ensayos con productividad histórica consistente. Esto es particularmente beneficioso cuando los ensayos se distribuyen en regiones con productividad histórica variada. Una vez que hayamos reunido estos conjuntos de datos, el siguiente paso es iniciar el proceso de evaluación del ensayo. ## Resumen de datos A continuación están los datos de la campaña agrícola 2023 de trigo de invierno: * Conjunto de datos de rendimiento que muestra la distribución de masa húmeda *(Fig.1)*

Fig.1 Conjunto de datos de rendimiento original

* Plan VRA de nitrógeno (N34) (150 kg/ha) con 2 parcelas de ensayo (120 kg/ha y 180 kg/ha)*(Fig.2)*

Fig.2 Plan VRA de nitrógeno (N34) con parcelas de ensayo

* Conjunto de datos de aplicación que muestra estadísticas aplicadas *(Fig.3)*

Fig.3 Conjunto de datos de aplicación

* Productividad histórica del campo (*Fig.4*)

Fig.4 Productividad histórica del campo

{% hint style="warning" %} El conjunto de datos de rendimiento no se ha calibrado: allí operaban varias cosechadoras, hay trazas de giros y de datos faltantes, y el ruido es evidente. Se recomienda aplicar encima las operaciones de Calibrar rendimiento y Limpiar para obtener resultados óptimos.\ Puede encontrar un tutorial paso a paso en [ENLACE](/geopard-tutorials/esp/agronomia/calibracion-y-limpieza-de-rendimiento.md). {% endhint %} El conjunto de datos de rendimiento, después de la calibración y limpieza, se muestra en *Fig.5*, junto con las estadísticas actualizadas. Este conjunto de datos se utilizará en los pasos siguientes.

Fig.5 Conjunto de datos de rendimiento calibrado y limpio

## Concepto Aquí el objetivo del análisis de ensayos es determinar la dosis de nitrógeno (N34) más eficaz para el campo. Hay áreas delimitadas con dosis de nitrógeno de 120 kg/ha, 150 kg/ha y 180 kg/ha. Estos datos se derivan, por un lado, del conjunto de datos de aplicación y, por otro, del conjunto de datos de rendimiento calibrado. Nos enfocamos en tres zonas distintas: * 120 kg/ha (designada como la zona de ensayo) * 150 kg/ha (considerada la zona principal) * 180 kg/ha (otra zona de ensayo) Nuestro enfoque incluirá las siguientes evaluaciones: 1. **Basado en el plan:** usando la Aplicación de Dosis Variable (VRA) planificada vinculada al rendimiento calibrado. 2. **Basado en la aplicación:** comparando los conjuntos de datos realmente aplicados con el rendimiento calibrado. 3. **Basado en la aplicación y productividad histórica:** comparando los conjuntos de datos realmente aplicados con el rendimiento calibrado superpuesto con las Zonas históricas de potencial del campo. Este enfoque metódico permitirá una evaluación integral del impacto del nitrógeno en el rendimiento, basada tanto en los datos de aplicación planificados como en los realmente aplicados. ## Basado en el plan La influencia del ~~aplicado~~ nitrógeno planificado (N34) sobre la distribución del rendimiento se captura visualmente en las capturas de pantalla siguientes *(Fig.6, Fig.7, Fig.8)*. Aquí hay un desglose conciso de los hallazgos: * La zona principal, con una dosis de nitrógeno de 150 kg/ha, abarca 45,8 ha y promedia un rendimiento de 4,99 t/ha (*Fig.6*). * La primera zona de ensayo, utilizando una aplicación de nitrógeno de 180 kg/ha, cubre 1,76 ha y arroja un promedio de 6,5 t/ha (*Fig.7*). * La segunda zona de ensayo, con 120 kg/ha de nitrógeno, comprende 1,86 ha y produce un rendimiento promedio de 6,39 t/ha (*Fig.8*). Los resultados plantean una pregunta importante: ¿Por qué la dosis de aplicación más baja parece ser más eficiente que la más alta? Para obtener información más profunda, la siguiente fase implica[ evaluar los ensayos usando los datos reales aplicados](/geopard-tutorials/esp/agronomia/analiticas-de-ensayos-de-campo.md#applied-based-evaluation).

Fig.6 Zona principal con N34 150 kg/ha

Fig.7 Zona de ensayo con N34 180 kg/ha

Fig.8 Zona de ensayo con N34 120 kg/ha

Más abajo, encontrará una discusión detallada de las fórmulas y configuraciones empleadas durante la evaluación. {% hint style="info" %} Para profundizar en el enfoque de Equation y su ejecución, consulte nuestros tutoriales tanto para la [Interfaz de usuario](/geopard-tutorials/esp/tour-del-producto-aplicacion-web/analiticas-basadas-en-ecuaciones.md) y [API](/geopard-tutorials/esp/documentacion-de-la-api/diagramas-con-flujos-basicos/5.-ejecutar-ecuaciones.md). {% endhint %} Aquí están las ecuaciones que debe ejecutar para reproducir los cálculos. 1. Principal con 150 kg/ha:\ `Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)` 2. Ensayo con 120 kg/ha:\ `Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)` 3. Ensayo con 180 kg/ha:\ `Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)` Es importante activar *Numpy* *(Fig.9)* y desactivar *Interpolación* *(Fig.10)*.

Fig.9 Activar "Numpy"

Fig.10 Desactivar el uso de datos "Interpolados"

## Basado en la aplicación Una observación notable es que la dosis realmente aplicada durante el ensayo no coincide de forma consistente con la dosis planificada (objetivo). En concreto, la distribución va desde 120 kg/ha hasta 189 kg/ha *(Fig.11)*. Dada esta variabilidad, se volvió crucial establecer un criterio de referencia para la tolerancia al error. Así, se determinó que una precisión de ±5% era un umbral aceptable para considerar que el ensayo era apto para evaluación. Presentado en las capturas de pantalla siguientes (*Fig.12, Fig.13, Fig.14)* es la distribución estadística del rendimiento, centrándose en los números de nitrógeno (N34) realmente aplicados. Aquí están las estadísticas resumidas, teniendo en cuenta la aceptación de precisión de ±5%: * La zona principal a 150 kg/ha tuvo un área aplicada de 43,5 ha, arrojando un promedio de 4,9 t/ha (*Fig.12*). * La primera zona de ensayo a 180 kg/ha cubrió un área de 1,47 ha y produjo un rendimiento promedio de 6,5 t/ha (*Fig.13*). * La segunda zona de ensayo fijada en 120 kg/ha abarcó un área de 1,44 ha, con un rendimiento promedio de 6,3 t/ha (*Fig.14*).

Fig.11 Tasas realmente aplicadas en los ensayos

Fig.12 Zona principal con N34 150 kg/ha ±5%

Fig.13 Zona de ensayo con N34 180 kg/ha ±5%

Fig.14 Zona de ensayo con N34 120 kg/ha ±5%

Para una comprensión más profunda de la metodología y las particularidades de estos resultados, a continuación se muestran las ecuaciones utilizadas: 1. Nitrógeno aplicado real del ensayo:\ `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)` 2. Principal con 150 kg/ha incorporando una aceptación del 5%:\ `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)` 3. Ensayo con 120 kg/ha incorporando una aceptación del 5%:\ `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)` 4. Ensayo con 180 kg/ha incorporando una aceptación del 5%:\ `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)` ## **Basado en la aplicación y productividad histórica** Las cifras de rendimiento de los ensayos superan constantemente el rendimiento promedio observado en toda el área del campo. Un factor clave que impulsa esta disparidad parece ser la zona históricamente de alta productividad donde tuvieron lugar los ensayos, como se visualiza en *Fig.15* y *Fig.16*. Para una evaluación más matizada de los ensayos, es crucial considerar las zonas de productividad al analizar los resultados.

Fig.15 Zonas históricas de potencial del campo

Fig.16 Zonas históricas de potencial del campo como conjunto de datos de rendimiento

Presentado en las capturas de pantalla siguientes (*Fig.17, Fig.18, Fig.19)* es la distribución estadística del rendimiento, centrándose en los números de nitrógeno (N34) realmente aplicados superpuestos con las Zonas históricas de productividad (creadas en GeoPard). Aquí están las estadísticas resumidas, teniendo en cuenta la aceptación de precisión de ±5% para los números aplicados: * La zona principal a 150 kg/ha tuvo un área aplicada de 2,65 ha, arrojando un promedio de 6,34 t/ha (*Fig.17*). * La primera zona de ensayo a 180 kg/ha cubrió un área de 1,08 ha y produjo un rendimiento promedio de 6,41 t/ha (*Fig.18*). * La segunda zona de ensayo fijada en 120 kg/ha abarcó un área de 1,78 ha, con un rendimiento promedio de 6,33 t/ha (*Fig.19*).

Fig.17 Zona principal con N34 150 kg/ha superpuesta con Productividad Histórica

Fig.18 Zona de ensayo con N34 180 kg/ha ±5% superpuesta con Productividad Histórica

Fig.19 Zona de ensayo con N34 120 kg/ha ±5% superpuesta con Productividad Histórica

Para una comprensión más profunda de la metodología y las particularidades de estos resultados, a continuación se muestran las ecuaciones utilizadas: 1. Principal con 150 kg/ha incorporando una aceptación del 5% superpuesta con Productividad Histórica:\ `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)` 2. Ensayo con 120 kg/ha incorporando una aceptación del 5% superpuesta con Productividad Histórica:\ `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)` 3. Ensayo con 180 kg/ha incorporando una aceptación del 5% superpuesta con Productividad Histórica:\ `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)` donde * la parte `Productivity_SubZone == 51` refleja las zonas de alta productividad con los ensayos aplicados, * las partes `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` incorporan una precisión de ±5% respecto de las dosis `150`, `120`, `180` kg/ha. ## Resumen Los resultados de rendimiento de los ensayos se alinean estrechamente con el rendimiento promedio observado en la zona histórica de alta productividad del campo. En otras palabras, la aplicación experimental del producto N34 a dosis de 120 kg/ha - 150 kg/ha - 180 kg/ha, dio como resultado rendimientos promedio de 6,33 t/ha - 6,34 t/ha - 6,41 t/ha respectivamente, no tiene un impacto significativo en el rendimiento cosechado dentro de la zona de alta productividad. --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.geopard.tech/geopard-tutorials/esp/agronomia/analiticas-de-ensayos-de-campo.md?ask= ``` The question should be specific, self-contained, and written in natural language. 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.