> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/fin/agronomia/yield-and-trials/field-trial-analytics.md).

# Lohkokokeiden analytiikka

Analysoi lohkokokeita spatiaalisen tilastotieteen avulla vertaillaksesi käsittelyitä, mitataksesi ROI:n ja parantaaksesi suosituksia.

Agronomit käyttävät koeanalytiikkaa eri kasvilajikkeiden, viljelytekniikoiden ja tuotantopanosten käytön tuloksellisuuden arviointiin. Tähän sisältyvät myös täsmäviljelyn muuttuvamääräisten levitysten tulokset. Keräämällä, analysoimalla ja tulkitsemalla kenttäkokeista saatua aineistoa tutkijat saavat tietoa genetiikan, ympäristön ja viljelykäytäntöjen välisistä vuorovaikutuksista. Tämän tiedon pohjalta kehitetään viljelystrategioita, jotka optimoivat satopotentiaalin ja minimoivat tuotantopanosten käytön. Kokeiden analysointi auttaa arvioimaan täsmäviljelykäytäntöjen tehokkuutta sekä tunnistamaan kestäviä kasvilajikkeita, jotka menestyvät vaihtelevissa ja haastavissa olosuhteissa ja edistävät siten ruokaturvaa.

{% hint style="info" %}
Katso vuorovaikutteinen tilakokeita käsittelevä sivu geopard.tech-sivustolla: [Tilakokeet](https://geopard.tech/on-farm-trials/)
{% endhint %}

{% hint style="info" %}
GeoPard tukee myös kahden tekijän lohkokokeita, esimerkiksi samojen levitysmäärien vertailua eri hybrideillä. Arvioi samalla georeferoidulla koetasolla sekä päävaikutukset että levitysmäärän ja hybridin välisen yhteisvaikutuksen.
{% endhint %}

## Aineiston valmistelu

Kokeiden tulokselliseen analysointiin tarvitaan muutamia keskeisiä aineistoja:

1. **Satotasoaineisto**:\
   Tämä aineisto sisältää satotiedot.\
   Voimme tuoda sen [JohnDeere Operation Centeristä](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/import-precision-agriculture-data/import-from-myjohndeere.md) tai ladata sen manuaalisesti muodossa [shapefile](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/import-precision-agriculture-data/yield-data-import.md) tai muodossa [konevalmistajan omassa tiedostomuodossa](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/import-precision-agriculture-data/machinery-proprietary-formats.md).
2. **Levitysaineisto**:\
   Tämä on olennaisen tärkeä, kun halutaan ymmärtää pellolla todella toteutettua levitystä. Aineisto sisältää vähintään attribuutit TargetRate ja AppliedRate sekä joitakin koneisiin liittyviä mittareita.\
   Satotasoaineiston tavoin voimme tuoda sen [JohnDeere Operation Centeristä](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/import-precision-agriculture-data/import-from-myjohndeere.md) tai ladata sen manuaalisesti muodossa [shapefile](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/import-precision-agriculture-data/as-applied-as-planted-data-import.md) tai muodossa [konevalmistajan omassa tiedostomuodossa](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/import-precision-agriculture-data/machinery-proprietary-formats.md).
3. **Kokeiden ja koeruutujen vyöhykkeet**:\
   Nämä osoittavat kokeiden suunnitellut levitysmäärät ja auttavat hahmottamaan koejärjestelyä.\
   Jos tällainen taso on saatavilla, lataamme sen muodossa [shapefile](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/import-precision-agriculture-data/as-applied-as-planted-data-import.md) AsApplied/AsPlanted- tai Yield-ohjaimeen. Näin varmistetaan yhteensopivuus EquationMaps-karttoja luotaessa ja sujuvoitetaan kokeiden analysointia.\
   Asetelma voi olla yksitekijäinen tai lohkokoe, jossa on toinen käsittelytekijä, kuten hybridi tai lajike.\
   Jos tällaista tasoa ei ole saatavilla, levitysaineiston TargetRate-attribuuttia voidaan käyttää kokeiden arvioinnissa.
4. **Pellon historialliset satopotentiaalivyöhykkeet:**\
   GeoPard muodostaa nämä vyöhykkeet (lisätietoja [TÄÄLTÄ](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/zones-maps-and-analytics/multi-year-zones.md)). Niistä on hyötyä, kun analysoidaan kokeita alueilla, joiden historiallinen tuottavuus on ollut tasainen. Tämä on erityisen hyödyllistä, kun kokeet sijoittuvat alueille, joiden historiallinen tuottavuus vaihtelee.

Kun nämä aineistot on koottu, seuraava vaihe on kokeiden arvioinnin aloittaminen.

## Aineiston yleiskatsaus

Talvikauden 2023 talvivehnästä on käytettävissä seuraavat aineistot:

* Satotasoaineisto, jossa näkyy märän massan jakauma *(kuva 1)*

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fg9Iv1AMpACkykujxvJ9s%2Fimage.png?alt=media&amp;token=c2a61d7b-12e9-40b5-ad88-e6f820372638" alt=""><figcaption><p>Kuva 1. Alkuperäinen satotasoaineisto</p></figcaption></figure>

* Typen (N34) muuttuvamääräisen levityksen suunnitelma (150 kg/ha), jossa on kaksi koeruutua (120 kg/ha ja 180 kg/ha)*(kuva 2)*

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FwkGO1Tp0Ji2KzUPhfQAE%2Fimage.png?alt=media&amp;token=28a94d78-7360-43e2-865f-4a330028ab20" alt=""><figcaption><p>Kuva 2. Typen (N34) muuttuvamääräisen levityksen suunnitelma ja koeruudut</p></figcaption></figure>

* Levitysaineisto, jossa näkyvät toteutuneen levityksen tilastot *(kuva 3)*

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FF1YKbPqDw2HBDdnTqazX%2Fimage.png?alt=media&amp;token=0f83b5b0-9220-4cea-984c-735338716048" alt=""><figcaption><p>Kuva 3. Levitysaineisto</p></figcaption></figure>

* Pellon historiallinen tuottavuus (*kuva 4*)

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FCrFaBaZxtjd0xEXZ9TUd%2Fimage.png?alt=media&amp;token=9cf68b49-a17c-4f2f-be15-1b0bfee4993e" alt=""><figcaption><p>Kuva 4. Pellon historiallinen tuottavuus</p></figcaption></figure>

{% hint style="warning" %}
Satotasoaineistoa ei ole kalibroitu: pellolla on työskennellyt useita puimureita, aineistossa on käännösalueita ja puuttuvia tietojälkiä, ja siinä näkyy kohinaa. Parhaan tuloksen saavuttamiseksi suositellaan satotiedon kalibrointi- ja puhdistustoimintojen käyttöä.\
Vaiheittainen opas löytyy osoitteesta [LINKKI](https://docs.geopard.tech/geopard-tutorials/fin/agronomia/yield-and-trials/yield-calibration-and-cleaning.md).
{% endhint %}

Kalibroitu ja puhdistettu satotasoaineisto näkyy *kuvassa 5*, ja mukana ovat myös päivitetyt tilastot. Tätä aineistoa käytetään seuraavissa vaiheissa.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F62J6z5wt7ndZ4lWxZq58%2Fimage.png?alt=media&amp;token=9e6ea416-81a0-4dfc-a94a-aa19f69c0ff3" alt=""><figcaption><p>Kuva 5. Kalibroitu ja puhdistettu satotasoaineisto</p></figcaption></figure>

## Käsite

Tässä Trial Analyticsin tavoitteena on selvittää pellolle tehokkain typen (N34) levitysmäärä. Pellolta on rajattu alueet, joilla typen levitysmäärät ovat 120 kg/ha, 150 kg/ha ja 180 kg/ha. Tiedot perustuvat yhtäältä ApplicationDataset-aineistoon ja toisaalta kalibroituun YieldDataset-aineistoon.

Keskitymme analyysissä kolmeen erilliseen vyöhykkeeseen:

* 120 kg/ha (koevyöhyke)
* 150 kg/ha (päävyöhyke)
* 180 kg/ha (toinen koevyöhyke)

Arvioimme seuraavia asioita:

1. **Suunnitelmaan perustuva:** käytetään kalibroituun satotietoon yhdistettyä suunniteltua muuttuvamääräistä levitystä (VRA).
2. **Toteutuneeseen levitykseen perustuva:** verrataan toteutuneen levityksen aineistoja kalibroituun satotietoon.
3. **Toteutuneeseen levitykseen ja historialliseen tuottavuuteen perustuva:** verrataan toteutuneen levityksen aineistoja kalibroituun satotietoon, johon on yhdistetty pellon historialliset satopotentiaalivyöhykkeet.

Tämä järjestelmällinen lähestymistapa mahdollistaa typen vaikutuksen kattavan arvioinnin satotasoon sekä suunniteltujen että toteutuneiden levitystietojen perusteella.

## Suunnitelmaan perustuva

Kuvissa näkyy ~~toteutuneen~~ suunnitellun typen (N34) vaikutus satotason jakautumiseen *(kuvat 6, 7 ja 8)*. Tulokset tiivistettynä:

* <mark style="color:sininen;">Päävyöhyke kattaa 45,8 ha. Typen levitysmäärä on 150 kg/ha, ja keskisato on 4,99 t/ha.</mark> (*Kuva 6*).
* <mark style="color:sininen;">Ensimmäinen koevyöhyke kattaa 1,76 ha. Typen levitysmäärä on 180 kg/ha, ja keskisato on 6,5 t/ha.</mark> (*Kuva 7*).
* <mark style="color:sininen;">Toinen koevyöhyke kattaa 1,86 ha. Typen levitysmäärä on 120 kg/ha, ja keskisato on 6,39 t/ha.</mark> (*Kuva 8*).

Tulokset herättävät tärkeän kysymyksen: <mark style="color:oranssi;">Miksi pienempi levitysmäärä näyttää olevan tehokkaampi kuin suurempi?</mark> Syvällisempien havaintojen saamiseksi seuraavaksi[ koevyöhykkeitä arvioidaan toteutuneiden levitystietojen perusteella](#applied-based-evaluation).

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FraVRCgxuEVTGfTKK4c0s%2Fimage.png?alt=media&amp;token=57602ad8-bd9f-46b4-adcf-5de53f99fe7b" alt=""><figcaption><p>Kuva 6. Päävyöhyke, N34 150 kg/ha</p></figcaption></figure>

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FNM80FFM2TQULwV54LuqW%2Fimage.png?alt=media&amp;token=1542336e-20a2-4a77-a343-9a92f67c90eb" alt=""><figcaption><p>Kuva 7. Koevyöhyke, N34 180 kg/ha</p></figcaption></figure>

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FITg4CWAJb27X28jquqyO%2Fimage.png?alt=media&amp;token=cff8d0b3-5896-4f34-bbdc-6a34a7352982" alt=""><figcaption><p>Kuva 8. Koevyöhyke, N34 120 kg/ha</p></figcaption></figure>

Alempana on perusteellinen kuvaus arvioinnissa käytetyistä kaavoista ja asetuksista.

{% hint style="info" %}
Jos haluat perehtyä yhtälöihin perustuvaan lähestymistapaan ja sen toteutukseen tarkemmin, tutustu käyttöliittymän ja [käyttöliittymän](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/equation-based-analytics.md) sekä [API:n](https://docs.geopard.tech/geopard-tutorials/fin/api-dokumentaatio/diagrams-with-basic-flows/5.-execute-equations.md).
{% endhint %}

opetusohjelmiin. Seuraavilla yhtälöillä voit suorittaa laskelmat uudelleen.

1. Päävyöhyke, 150 kg/ha:\
   `Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)`
2. Koevyöhyke, 120 kg/ha:\
   `Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)`
3. Koevyöhyke, 180 kg/ha:\
   `Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)`

On tärkeää ottaa käyttöön *Numpy* *(kuva 9)* ja poistaa käytöstä *Interpolointi* *(kuva 10)*.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FixfesbJQxzVC93JW3H7b%2Fimage.png?alt=media&amp;token=dcab1611-8a33-4450-9b06-5ba24760e8c3" alt=""><figcaption><p>Kuva 9 Ota ”Numpy” käyttöön</p></figcaption></figure>

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F0V4AxWhE0zraNfH1axHQ%2Fimage.png?alt=media&amp;token=d86b3921-c313-4946-9455-35fbef29cc13" alt=""><figcaption><p>Kuva 10 Poista ”Interpolated”-datan käyttö käytöstä</p></figcaption></figure>

## Toteutuneisiin levitysmääriin perustuva

Huomionarvoista on, että kokeen aikana toteutunut levitysmäärä ei vastaa johdonmukaisesti suunniteltua (tavoite)levitysmäärää. Levitysmäärät vaihtelivat 120 kg/ha:sta jopa 189 kg/ha:aan *(kuva 11)*. Vaihtelun vuoksi oli tärkeää määrittää virhetoleranssin vertailuarvo. Siksi hyväksyttäväksi arviointikriteeriksi päätettiin ±5 %:n tarkkuus.

Seuraavissa kuvakaappauksissa (*kuvat 12, 13 ja 14)* esitetään sadon tilastollinen jakauma. Tarkastelussa ovat typen (N34) toteutuneet levitysmäärät. Tässä yhteenveto tilastoista, kun hyväksyttävän tarkkuuden rajana pidetään ±5 %:a:

* <mark style="color:sininen;">Päävyöhykkeen levitysmäärä oli 150 kg/ha ja levitetty pinta-ala 43,5 ha. Keskimääräinen sato oli 4,9 t/ha</mark> (*Kuva 12*).
* <mark style="color:sininen;">Ensimmäisen koealueen levitysmäärä oli 180 kg/ha ja pinta-ala 1,47 ha. Keskimääräinen sato oli 6,5 t/ha</mark> (*Kuva 13*).
* <mark style="color:sininen;">Toisen koealueen levitysmäärä oli 120 kg/ha ja pinta-ala 1,44 ha. Keskimääräinen sato oli 6,3 t/ha</mark> (*Kuva 14*).

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQ5Aawg78wAVNsybfq2RB%2Fimage.png?alt=media&amp;token=293f63d1-414b-4e23-be09-b54844f21988" alt=""><figcaption><p>Kuva 11 Kokeiden toteutuneet levitysmäärät</p></figcaption></figure>

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FyBHR1SLHA9ujXr5wk8xA%2Fimage.png?alt=media&amp;token=78f67150-560b-4495-974e-30407e25aca9" alt=""><figcaption><p>Kuva 12 Päävyöhyke: N34, 150 kg/ha ±5 %</p></figcaption></figure>

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FeOMxE76sp3ugO1NffWPN%2Fimage.png?alt=media&amp;token=9e3f47ae-250a-41dd-b9ce-f3d4bcaab85e" alt=""><figcaption><p>Kuva 13 Koealue: N34, 180 kg/ha ±5 %</p></figcaption></figure>

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FJUBlkogPAF2fTSYa0EOW%2Fimage.png?alt=media&amp;token=48dd3f24-df15-40da-905c-9012b70971d2" alt=""><figcaption><p>Kuva 14 Koealue: N34, 120 kg/ha ±5 %</p></figcaption></figure>

Menetelmän ja tulosten yksityiskohtien ymmärtämiseksi tarkemmin alla on esitetty käytetyt yhtälöt:

1. Kokeen toteutunut typen levitysmäärä:\
   `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)`
2. Päävyöhyke, 150 kg/ha, ±5 %:n hyväksymisraja:\
   `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
3. Koealue, 120 kg/ha, ±5 %:n hyväksymisraja:\
   `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
4. Koealue, 180 kg/ha, ±5 %:n hyväksymisraja:\
   `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

## **Toteutuneisiin levitysmääriin perustuva ja historiallinen tuottavuus**

Koealueiden sadot ylittävät johdonmukaisesti koko pellon keskimääräisen sadon. Eroa selittää ilmeisesti se, että kokeet tehtiin historiallisesti hyvin tuottavalla vyöhykkeellä, kuten kuvissa *kuva 15* ja *kuva 16*esitetään. Kokeiden tuloksia arvioitaessa on tärkeää ottaa huomioon tuottavuusvyöhykkeet, jotta arviointi olisi tarkempi.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FH0aA9ZAe2IkSFtqcJe5B%2Fimage.png?alt=media&amp;token=c58e81d6-b2df-4d6d-8682-3c750f38f2a1" alt=""><figcaption><p>Kuva 15 Pellon historialliset satopotentiaalivyöhykkeet</p></figcaption></figure>

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fi2agD6onOT4aVaW9LvHh%2Fimage.png?alt=media&amp;token=feecbfd5-2433-4061-85b9-8233446572d8" alt=""><figcaption><p>Kuva 16 Pellon historialliset satopotentiaalivyöhykkeet YieldDataset-muodossa</p></figcaption></figure>

Seuraavissa kuvakaappauksissa (*kuvat 17, 18 ja 19)* esitetään sadon tilastollinen jakauma. Tarkastelussa ovat typen (N34) toteutuneet levitysmäärät, jotka on yhdistetty GeoPardissa luotuihin historiallisiin tuottavuusvyöhykkeisiin. Tässä yhteenveto tilastoista; levitysmäärien hyväksyttävän tarkkuuden rajana pidetään ±5 %:a:

* <mark style="color:sininen;">Päävyöhykkeen levitysmäärä oli 150 kg/ha ja levitetty pinta-ala 2,65 ha. Keskimääräinen sato oli 6,34 t/ha</mark> (*Kuva 17*).
* <mark style="color:sininen;">Ensimmäisen koealueen levitysmäärä oli 180 kg/ha ja pinta-ala 1,08 ha. Keskimääräinen sato oli 6,41 t/ha</mark> (*Kuva 18*).
* <mark style="color:sininen;">Toisen koealueen levitysmäärä oli 120 kg/ha ja pinta-ala 1,78 ha. Keskimääräinen sato oli 6,33 t/ha</mark> (*Kuva 19*).

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FPqw7u62bJAezDn9UW5qs%2Fimage.png?alt=media&amp;token=ff101b42-7882-4dc3-a2ad-b57053900768" alt=""><figcaption><p>Kuva 17 Päävyöhyke: N34, 150 kg/ha, yhdistetty historialliseen tuottavuuteen</p></figcaption></figure>

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FmzkQRoU3HMMOm1fLLjNY%2Fimage.png?alt=media&amp;token=ba8105da-877b-4234-9e1d-f59826949bf0" alt=""><figcaption><p>Kuva 18 Koealue: N34, 180 kg/ha ±5 %, yhdistetty historialliseen tuottavuuteen</p></figcaption></figure>

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FzTOI3v14HdZLANjM3o36%2Fimage.png?alt=media&amp;token=f83a50dd-585d-4b66-937d-eb0d2f1c78f0" alt=""><figcaption><p>Kuva 19 Koealue: N34, 120 kg/ha ±5 %, yhdistetty historialliseen tuottavuuteen</p></figcaption></figure>

Menetelmän ja tulosten yksityiskohtien ymmärtämiseksi tarkemmin alla on esitetty käytetyt yhtälöt:

1. Pääkoe 150 kg/ha, ±5 %:n hyväksyntä huomioituna, päällekkäin historiallisen tuottavuuden kanssa:\
   `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
2. Koekäsittely 120 kg/ha, ±5 %:n hyväksyntä huomioituna, päällekkäin historiallisen tuottavuuden kanssa:\
   `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
3. Koekäsittely 180 kg/ha, ±5 %:n hyväksyntä huomioituna, päällekkäin historiallisen tuottavuuden kanssa:\
   `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

jossa

* osa `Productivity_SubZone == 51` kuvaa korkean tuottavuuden vyöhykkeitä, joilla kokeet tehtiin,
* osat `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` huomioivat levitysmäärien ±5 %:n tarkkuuden `150`, `120`, `180` kg/ha.

## Yhteenveto

Koekäsittelyjen satotulokset vastaavat hyvin pellon historiallisen tuottavuuden korkean vyöhykkeen keskimääräistä satoa. Toisin sanoen N34-tuotteen kokeellinen levitys määrillä <mark style="color:sininen;">120 kg/ha – 150 kg/ha – 180 kg/ha</mark>, tuotti keskimääräiset sadot <mark style="color:sininen;">6,33 t/ha – 6,34 t/ha – 6,41 t/ha</mark> vastaavasti, eikä sillä ole merkittävää vaikutusta korkean tuottavuuden vyöhykkeen korjattuun satoon.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/fin/agronomia/yield-and-trials/field-trial-analytics.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.
