Peltokoeanalytiikka

Analysoi peltokokeita spatiaalisen tilastotieteen avulla vertaillaksesi käsittelyjä, mitataksesi ROI:n ja parantaaksesi suosituksia.

Maanviljelyagronomit käyttävät Trial Analytics -työkalua arvioidakseen eri lajikkeiden, viljelytekniikoiden ja panostusten käyttökohteiden suorituskykyä, mukaan lukien Muuttuvan määräannostelun (Variable Rate Application, VRA) tulokset täsmäviljelyssä. Keräämällä, analysoimalla ja tulkitsemalla peltokokeista tuotettua dataa tutkijat saavat tietoa genetiikan, ympäristön ja hoitotoimenpiteiden välisistä vuorovaikutuksista. Tämä tieto ohjaa satopotentiaalia optimoivien ja samalla panosten käyttöä minimoivien kasvustonhallintastrategioiden kehittämistä. Lisäksi Trial Analytics ei ainoastaan mahdollista täsmäviljelykäytäntöjen tehokkuuden arviointia, vaan auttaa myös tunnistamaan sitkeitä lajikkeita, jotka menestyvät monenlaisissa ja haastavissa olosuhteissa, ja siten edistää ruokaturvaa.

GeoPard tukee myös jaetun lohkon kokeita kaksitekijäisille asetelmille, kuten samoilla määrillä eri hybrideillä. Arvioi sekä päävaikutukset että määrä × hybridi -vuorovaikutus samalla paikkatietoon sidotulla koekerroksella.

Datan valmistelu

Tehokasta koeanalytiikkaa varten tarvitaan muutamia olennaisia aineistoja:

1. Satomuuttuja-aineisto: Tämä aineisto sisältää satotiedot. Voimme tuoda tämän tiedon JohnDeere Operation Centeristä tai ladata sen manuaalisesti muodossa shapefile tai muodossa konevalmistajan oma tiedostomuoto.

2. Sovellusaineisto: Tämä on ratkaisevan tärkeä todellisen, pellolla tehdyn sovelluksen ymmärtämiseksi. Vähintään se sisältää ominaisuuksia kuten TargetRate, AppliedRate ja joitakin koneeseen liittyviä mittareita. Kuten satomuuttuja-aineistonkin kohdalla, meillä on vaihtoehtoja tuoda se JohnDeere Operation Centeristä tai ladata sen manuaalisesti muodossa shapefile tai muodossa konevalmistajan oma tiedostomuoto.

3. Koealueet/ruudut kokeilla/koeasetelmilla: Nämä näyttävät suunnitellut sovellusmäärät kokeissamme ja antavat näkymän koeasetelmaan. Jos tällainen datakerros on saatavilla, lataamme sen shapefile AsApplied/AsPlanted- tai Yield-ohjaukseen. Tämä varmistaa yhteensopivuuden EquationMapsien rakentamisessa ja sujuvoittaa koeanalytiikan käyttöä. Tämä voi olla yhden tekijän asetelma tai jaetun lohkon asetelma, jossa on toinen käsittelyulottuvuus, kuten hybridi tai lajike. Jos tällaista datakerrosta ei ole saatavilla, Application Datasetin TargetRate-ominaisuutta voidaan käyttää korvikkeena koearvioinneissa.

4. Historialliset pellon potentiaalivyöhykkeet: Nämä vyöhykkeet luo GeoPard (lisätiedot ovat TÄÄLLÄ). Niitä käytetään hyödyksi kokeiden analysoinnissa, kun historiallinen tuottavuus on tasainen. Tämä on erityisen hyödyllistä, kun kokeet jakautuvat alueille, joilla historiallinen tuottavuus vaihtelee.

Kun nämä aineistot on koottu, seuraava vaihe on aloittaa kokeen arviointiprosessi.

Datan yleiskatsaus

Vuoden 2023 talvivehnäkaudelta on seuraavat tiedot:

• Satomuuttuja-aineisto, jossa näkyy märkäpainon jakauma (Kuva 1)

Kuva 1 Alkuperäinen YieldDataset

• Typen (N34) VRA-suunnitelma (150 kg/ha), jossa 2 koeruuttua (120 kg/ha ja 180 kg/ha)(Kuva 2)

Kuva 2 Typen (N34) VRA-suunnitelma koeruutujen kanssa

• Sovellusaineisto, joka näyttää toteutuneiden määrien tilastot (Kuva 3)

Kuva 3 Sovellusaineisto

• Historiallinen pellon tuottavuus (Kuva 4)

Kuva 4 Historiallinen pellon tuottavuus

YieldDatasetia ei ole kalibroitu: siellä on työskennellyt useita puimureita, mukana on kääntöpaikkoja ja puuttuvan datan jälkiä, ja kohinaa on havaittavissa. Parhaan lopputuloksen saamiseksi on suositeltavaa käyttää Yield Calibrate- ja Clean-toimintoja sen päälle. Vaiheittainen ohje löytyy osoitteesta LINKKI.

Kalibroitu ja puhdistettu YieldDataset on esitetty kuvassa Kuva 5, yhdessä päivitettyjen tilastojen kanssa. Tätä aineistoa käytetään seuraavissa vaiheissa.

Kuva 5 Kalibroitu ja puhdistettu YieldDataset

Käsite

Tässä Trial Analyticsin tavoitteena on selvittää tehokkain typen (N34) määrä pellolle. Tunnistetut alueet ovat typen määrillä 120 kg/ha, 150 kg/ha ja 180 kg/ha. Tämä data perustuu toisaalta ApplicationDatasetiin ja toisaalta kalibroituun YieldDatasetiin.

Keskitymme analyysissa kolmeen erilliseen vyöhykkeeseen:

• 120 kg/ha (nimetty koevyöhykkeeksi)

• 150 kg/ha (katsotaan päävyöhykkeeksi)

• 180 kg/ha (toinen koevyöhyke)

Lähestymistapamme sisältää seuraavat arvioinnit:

1. Suunnitelmapohjainen: käyttäen suunniteltua muuttuvan määrän levitystä (VRA), joka on linkitetty kalibroituun satoon.

2. Toteutuneeseen perustuva: vertaamalla toteutuneita aineistoja kalibroituun satoon.

3. Toteutuneeseen perustuva ja historiallinen tuottavuus: vertaamalla toteutuneita aineistoja kalibroituun satoon, joka on päällekkäin historiallisten pellon potentiaalivyöhykkeiden kanssa.

Tämä järjestelmällinen lähestymistapa mahdollistaa typen vaikutuksen kattavan arvioinnin satoon sekä suunnitellun että toteutuneen levitysdatan perusteella.

Suunnitelmapohjainen

Vaikutus toteutuneen suunnitellun typen (N34) sadon jakautumiseen näkyy seuraavissa kuvakaappauksissa (Kuva 6, Kuva 7, Kuva 8). Tässä tiivis yhteenveto havainnoista:

• Päävyöhyke, typen määrällä 150 kg/ha, kattaa 45,8 ha ja sen keskisato on 4,99 t/ha (Kuva 6).

• Ensimmäinen koevyöhyke, jossa käytettiin 180 kg/ha typpeä, kattaa 1,76 ha ja tuottaa keskimäärin 6,5 t/ha (Kuva 7).

• Toinen koevyöhyke, jossa typpeä on 120 kg/ha, kattaa 1,86 ha ja tuottaa keskimäärin 6,39 t/ha (Kuva 8).

Tulokset herättävät merkittävän kysymyksen: Miksi pienempi levitysmäärä näyttää olevan tehokkaampi kuin suurempi? Syvempien näkemysten saamiseksi seuraava vaihe on arvioida kokeet toteutuneen datan perusteella.

Kuva 6 Päävyöhyke N34 150 kg/ha

Kuva 7 Koeyöhyke N34 180 kg/ha

Kuva 8 Koeyöhyke N34 120 kg/ha

Alla on yksityiskohtainen keskustelu arvioinnissa käytetyistä kaavoista ja asetuksista.

Perehtyäksesi syvemmin Equation-lähestymistapaan ja sen toteutukseen, tutustu ohjeisiimme sekä käyttöliittymän että API:n.

Tässä ovat ajettavat yhtälöt laskelmien toistamiseksi.

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

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

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

On tärkeää ottaa käyttöön Numpy (Kuva 9) ja kytkeä pois päältä interpolointi (Kuva 10).

Kuva 9 Ota "Numpy" käyttöön

Kuva 10 Poista käytöstä "Interpolated"-data

Toteutuneeseen perustuva

Merkittävä havainto on, että kokeen aikana toteutunut levitysmäärä ei vastaa johdonmukaisesti suunniteltua (Target) määrää. Tarkemmin sanottuna jakauma vaihtelee 120 kg/ha:sta aina 189 kg/ha:iin (Kuva 11). Tämän vaihtelun vuoksi oli ratkaisevan tärkeää asettaa virhetoleranssin vertailuarvo. Näin ollen ±5 %:n tarkkuus määritettiin hyväksyttäväksi rajaksi, jotta koe katsotaan arviointiin sopivaksi.

Seuraavissa kuvakaappauksissa (Kuva 12, Kuva 13, Kuva 14) näkyy sadon tilastollinen jakauma keskittyen toteutuneesti levitetyn typen (N34) määriin. Tässä ovat yhteenvedetyt tilastot, huomioiden ±5 %:n tarkkuuden hyväksyntä:

• Päävyöhykkeellä 150 kg/ha toteutunut ala oli 43,5 ha, ja keskisato oli 4,9 t/ha (Kuva 12).

• Ensimmäinen koevyöhyke 180 kg/ha kattoi 1,47 ha ja tuotti keskimäärin 6,5 t/ha (Kuva 13).

• Toinen koevyöhyke, jossa määrä oli 120 kg/ha, kattoi 1,44 ha ja keskisato oli 6,3 t/ha (Kuva 14).

Kuva 11 Toteutuneet levitysmäärät kokeissa

Kuva 12 Päävyöhyke N34 150 kg/ha ±5 %

Kuva 13 Koeyöhyke N34 180 kg/ha ±5 %

Kuva 14 Koeyöhyke N34 120 kg/ha ±5 %

Syvemmän ymmärryksen saamiseksi menetelmästä ja näiden tulosten yksityiskohdista käytetyt yhtälöt ovat alla:

1. Kokeen toteutunut typen levitys: Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

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

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

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

Toteutuneeseen perustuva ja historiallinen tuottavuus

Kokeiden satoluvut ylittävät johdonmukaisesti koko pellon keskimääräisen sadon. Keskeinen tekijä tämän eron taustalla näyttää olevan historiallisesti korkean tuottavuuden vyöhyke, jossa kokeet tehtiin, kuten näkyy Kuva 15 että Kuva 16. Vakuuttavamman arvioinnin saamiseksi on tärkeää ottaa tuottavuusvyöhykkeet huomioon tuloksia analysoitaessa.

Kuva 15 Historialliset pellon potentiaalivyöhykkeet

Kuva 16 Historialliset pellon potentiaalivyöhykkeet satomuuttuja-aineistona

Seuraavissa kuvakaappauksissa ((Kuva 17, Kuva 18, Kuva 19) näkyy sadon tilastollinen jakauma keskittyen toteutuneesti levitetyn typen (N34) määriin, jotka on päällekkäistetty historiallisten tuottavuusvyöhykkeiden kanssa (luotu GeoPardissa). Tässä ovat yhteenvedetyt tilastot, huomioiden ±5 %:n tarkkuuden hyväksyntä toteutuneille määrille:

• Päävyöhykkeellä 150 kg/ha toteutunut ala oli 2,65 ha, ja keskisato oli 6,34 t/ha (Kuva 17).

• Ensimmäinen koevyöhyke 180 kg/ha kattoi 1,08 ha ja tuotti keskimäärin 6,41 t/ha (Kuva 18).

• Toinen koevyöhyke, jossa määrä oli 120 kg/ha, kattoi 1,78 ha ja keskisato oli 6,33 t/ha (Kuva 19).

Kuva 17 Päävyöhyke N34 150 kg/ha päällekkäin historiallisen tuottavuuden kanssa

Kuva 18 Koeyöhyke N34 180 kg/ha ±5 % päällekkäin historiallisen tuottavuuden kanssa

Kuva 19 Koeyöhyke N34 120 kg/ha ±5 % päällekkäin historiallisen tuottavuuden kanssa

Syvemmän ymmärryksen saamiseksi menetelmästä ja näiden tulosten yksityiskohdista käytetyt yhtälöt ovat alla:

1. Päävyöhyke 150 kg/ha sisältäen 5 % hyväksynnän, 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. Koe 120 kg/ha sisältäen 5 % hyväksynnän, 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. Koe 180 kg/ha sisältäen 5 % hyväksynnän, 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)

missä

• osa Productivity_SubZone == 51 kuvaa korkean tuottavuuden vyöhykkeet yhdessä toteutuneiden kokeiden kanssa,

• 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) sisällyttävät ±5 %:n tarkkuuden määristä 150, 120, 180 kg/ha.

Yhteenveto

Kokeiden satotulokset vastaavat hyvin pellon korkean historiallisen tuottavuusvyöhykkeen keskimääräistä satoa. Toisin sanoen N34-tuotteen kokeellinen levitys määrillä 120 kg/ha - 150 kg/ha - 180 kg/ha, johti keskisatoihin 6,33 t/ha - 6,34 t/ha - 6,41 t/ha vastaavasti, eikä sillä ole merkittävää vaikutusta korjattuun satoon korkean tuottavuuden vyöhykkeellä.