> 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/in/agronomy/yield-and-trials/field-trial-analytics.md).

# फील्ड ट्रायल विश्लेषण

ट्रीटमेंट की तुलना, ROI मापने और सिफ़ारिशें बेहतर करने के लिए स्थानिक सांख्यिकी से ऑन-फार्म ट्रायल का विश्लेषण करें।

कृषि विशेषज्ञ विभिन्न फसल किस्मों, खेती की तकनीकों और कृषि निवेशों के उपयोग के प्रदर्शन का आकलन करने के लिए ट्रायल एनालिटिक्स का इस्तेमाल करते हैं। इसमें सटीक कृषि में परिवर्तनीय दर अनुप्रयोगों (VRA) के परिणाम भी शामिल हैं। खेत में किए गए परीक्षणों से प्राप्त डेटा को एकत्रित, विश्लेषित और व्याख्यायित करके शोधकर्ताओं को आनुवंशिकी, पर्यावरण और प्रबंधन पद्धतियों के बीच परस्पर प्रभावों की जानकारी मिलती है। इस जानकारी से फसल प्रबंधन की ऐसी रणनीतियाँ विकसित करने में मदद मिलती है जो कृषि निवेशों का उपयोग कम से कम रखते हुए उपज की क्षमता को अधिकतम करती हैं। इसके अलावा, ट्रायल एनालिटिक्स से न केवल सटीक खेती की पद्धतियों की प्रभावशीलता का मूल्यांकन किया जा सकता है, बल्कि ऐसी लचीली फसल किस्मों की पहचान करने में भी मदद मिलती है जो विविध और चुनौतीपूर्ण परिस्थितियों में पनप सकें। इससे खाद्य सुरक्षा को बढ़ावा मिलता है।

{% hint style="info" %}
geopard.tech पर खेतों में किए जाने वाले परीक्षणों का इंटरैक्टिव पेज देखें: [खेतों में किए जाने वाले परीक्षण](https://geopard.tech/on-farm-trials/)
{% endhint %}

{% hint style="info" %}
GeoPard दो-कारक डिज़ाइन वाले स्प्लिट-प्लॉट परीक्षणों को भी सपोर्ट करता है, जैसे अलग-अलग हाइब्रिड में समान दरें। एक ही जियोरेफरेंस्ड परीक्षण लेयर पर मुख्य प्रभावों और दर × हाइब्रिड के परस्पर प्रभाव, दोनों का मूल्यांकन करें।
{% endhint %}

## डेटा की तैयारी

प्रभावी ट्रायल एनालिटिक्स के लिए कुछ आवश्यक डेटासेट चाहिए:

1. **उपज डेटासेट**:\
   इस डेटासेट में उपज का डेटा होता है।\
   हम इसे यहाँ से इंपोर्ट कर सकते हैं: [JohnDeere Operation Center](https://docs.geopard.tech/geopard-tutorials/in/product-tour-web-app/import-precision-agriculture-data/import-from-myjohndeere.md) या इसे मैन्युअल रूप से इस रूप में अपलोड कर सकते हैं: [shapefile](https://docs.geopard.tech/geopard-tutorials/in/product-tour-web-app/import-precision-agriculture-data/yield-data-import.md) या इस रूप में: [मशीनरी का प्रोप्राइटरी फ़ॉर्मैट](https://docs.geopard.tech/geopard-tutorials/in/product-tour-web-app/import-precision-agriculture-data/machinery-proprietary-formats.md).
2. **अनुप्रयोग डेटासेट**:\
   यह खेत में वास्तव में किए गए अनुप्रयोग को समझने के लिए ज़रूरी है। इसमें कम-से-कम TargetRate, AppliedRate और मशीनरी से जुड़े कुछ मेट्रिक्स जैसे एट्रिब्यूट होते हैं।\
   उपज डेटासेट की तरह, इसे भी यहाँ से इंपोर्ट किया जा सकता है: [JohnDeere Operation Center](https://docs.geopard.tech/geopard-tutorials/in/product-tour-web-app/import-precision-agriculture-data/import-from-myjohndeere.md) या मैन्युअल रूप से इस रूप में अपलोड किया जा सकता है: [shapefile](https://docs.geopard.tech/geopard-tutorials/in/product-tour-web-app/import-precision-agriculture-data/as-applied-as-planted-data-import.md) या इस रूप में: [मशीनरी का प्रोप्राइटरी फ़ॉर्मैट](https://docs.geopard.tech/geopard-tutorials/in/product-tour-web-app/import-precision-agriculture-data/machinery-proprietary-formats.md).
3. **परीक्षणों/प्रयोगों वाले ज़ोन/प्लॉट**:\
   ये हमारे परीक्षणों के लिए नियोजित अनुप्रयोग दरें दिखाते हैं और प्रयोग के डिज़ाइन की जानकारी देते हैं।\
   यदि ऐसा डेटा लेयर उपलब्ध हो, तो इसे यहाँ अपलोड करें: [shapefile](https://docs.geopard.tech/geopard-tutorials/in/product-tour-web-app/import-precision-agriculture-data/as-applied-as-planted-data-import.md) AsApplied/AsPlanted या Yield कंट्रोल में। इससे EquationMaps बनाते समय अनुकूलता सुनिश्चित होती है और ट्रायल एनालिटिक्स का काम आसान होता है।\
   यह एक-कारक लेआउट या दूसरे ट्रीटमेंट आयाम—जैसे हाइब्रिड या किस्म—वाले स्प्लिट-प्लॉट लेआउट का हो सकता है।\
   यदि ऐसा डेटा लेयर उपलब्ध न हो, तो परीक्षणों के मूल्यांकन के लिए अनुप्रयोग डेटासेट का TargetRate एट्रिब्यूट विकल्प के तौर पर इस्तेमाल किया जा सकता है।
4. **ऐतिहासिक खेत क्षमता के ज़ोन:**\
   ये ज़ोन GeoPard द्वारा बनाए जाते हैं (विवरण [यहाँ](https://docs.geopard.tech/geopard-tutorials/in/product-tour-web-app/zones-maps-and-analytics/multi-year-zones.md)देखें)। इनसे ऐतिहासिक उत्पादकता में एकरूपता वाले परीक्षणों का विश्लेषण करने में मदद मिलती है। यह खास तौर पर तब उपयोगी है, जब परीक्षण अलग-अलग ऐतिहासिक उत्पादकता वाले क्षेत्रों में फैले हों।

ये डेटासेट इकट्ठा करने के बाद, अगला कदम परीक्षणों के मूल्यांकन की प्रक्रिया शुरू करना है।

## डेटा का अवलोकन

2023 के शीतकालीन गेहूँ के कृषि सीज़न के लिए ये डेटा उपलब्ध हैं:

* गीले द्रव्यमान के वितरण को दर्शाने वाला उपज डेटासेट *(चित्र 1)*

<figure><img src="https://537187778-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>चित्र 1. मूल YieldDataset</p></figcaption></figure>

* नाइट्रोजन (N34) की VRA योजना (150 kg/ha), जिसमें 2 परीक्षण प्लॉट (120kg/ha और 180 kg/ha) है&#x902;*(चित्र 2)*

<figure><img src="https://537187778-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>चित्र 2. परीक्षण प्लॉट के साथ नाइट्रोजन (N34) की VRA योजना</p></figcaption></figure>

* लागू किए गए आँकड़े दिखाने वाला अनुप्रयोग डेटासेट *(चित्र 3)*

<figure><img src="https://537187778-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>चित्र 3. अनुप्रयोग डेटासेट</p></figcaption></figure>

* खेत की ऐतिहासिक उत्पादकता (*चित्र 4*)

<figure><img src="https://537187778-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>चित्र 4. खेत की ऐतिहासिक उत्पादकता</p></figcaption></figure>

{% hint style="warning" %}
YieldDataset को कैलिब्रेट नहीं किया गया है: वहाँ कई हार्वेस्टर काम कर रहे थे, खेत में मशीन घुमाने के निशान और डेटा के गायब होने के निशान हैं, और शोर भी स्पष्ट है। बेहतर नतीजों के लिए Yield Calibrate और Clean ऑपरेशन लागू करने की सलाह दी जाती है।\
चरण-दर-चरण ट्यूटोरियल यहाँ देखें: [LINK](https://docs.geopard.tech/geopard-tutorials/in/agronomy/yield-and-trials/yield-calibration-and-cleaning.md).
{% endhint %}

कैलिब्रेट और साफ़ करने के बाद YieldDataset, अपडेट किए गए आँकड़ों के साथ, *चित्र 5*में दिखाया गया है। आगे के चरणों में इसी डेटासेट का उपयोग किया जाएगा।

<figure><img src="https://537187778-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>चित्र 5. कैलिब्रेट और साफ़ किया गया YieldDataset</p></figcaption></figure>

## अवधारणा

यहाँ Trial Analytics का उद्देश्य खेत के लिए सबसे प्रभावी नाइट्रोजन (N34) की मात्रा निर्धारित करना है। खेत में 120kg/ha, 150kg/ha और 180kg/ha की नाइट्रोजन मात्रा वाले चिह्नित क्षेत्र हैं। यह डेटा एक ओर ApplicationDataset से और दूसरी ओर कैलिब्रेट किए गए YieldDataset से प्राप्त किया गया है।

हम अपना विश्लेषण तीन अलग-अलग क्षेत्रों पर केंद्रित कर रहे हैं:

* 120kg/ha (परीक्षण क्षेत्र के रूप में निर्धारित)
* 150kg/ha (मुख्य क्षेत्र माना गया)
* 180kg/ha (एक अन्य परीक्षण क्षेत्र)

हमारे मूल्यांकन में ये शामिल होंगे:

1. **योजना-आधारित:** कैलिब्रेट की गई उपज से जुड़े नियोजित Variable Rate Application (VRA) का उपयोग करना।
2. **प्रयोग-आधारित:** वास्तव में डाले गए डेटा की तुलना कैलिब्रेट की गई उपज से करना।
3. **प्रयोग-आधारित और ऐतिहासिक उत्पादकता:** वास्तव में डाले गए डेटा की तुलना कैलिब्रेट की गई उपज से करना, जिस पर खेत की ऐतिहासिक संभाव्यता के क्षेत्र दर्शाए गए हों।

इस सुव्यवस्थित तरीके से नियोजित और वास्तव में डाले गए उर्वरक के डेटा के आधार पर उपज पर नाइट्रोजन के प्रभाव का व्यापक मूल्यांकन किया जा सकेगा।

## योजना-आधारित

उपज के वितरण पर ~~डाली गई~~ नियोजित नाइट्रोजन (N34) का प्रभाव आगे दिए गए स्क्रीनशॉट में स्पष्ट रूप से दिखाया गया है *(चित्र 6, चित्र 7, चित्र 8)*। निष्कर्षों का संक्षिप्त सारांश:

* <mark style="color:नीला;">150 kg/ha नाइट्रोजन मात्रा वाला मुख्य क्षेत्र 45.8 ha में फैला है और इसकी औसत उपज 4.99 t/ha है</mark> (*चित्र 6*).
* <mark style="color:नीला;">180 kg/ha नाइट्रोजन डालने वाले पहले परीक्षण क्षेत्र का रकबा 1.76 ha है और इसकी औसत उपज 6.5 t/ha है</mark> (*चित्र 7*).
* <mark style="color:नीला;">120 kg/ha नाइट्रोजन वाले दूसरे परीक्षण क्षेत्र का रकबा 1.86 ha है और इसकी औसत उपज 6.39 t/ha है</mark> (*चित्र 8*).

इन नतीजों से एक महत्वपूर्ण सवाल उठता है: <mark style="color:नारंगी;">कम मात्रा में नाइट्रोजन डालना अधिक मात्रा की तुलना में ज़्यादा प्रभावी क्यों लगता है?</mark> इसकी गहराई से पड़ताल के लिए, अगले चरण में[ वास्तव में डाले गए डेटा का उपयोग करके परीक्षणों का मूल्यांकन किया जाएगा](#applied-based-evaluation).

<figure><img src="https://537187778-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>चित्र 6 मुख्य क्षेत्र, N34 150kg/ha</p></figcaption></figure>

<figure><img src="https://537187778-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>चित्र 7 परीक्षण क्षेत्र, N34 180kg/ha</p></figcaption></figure>

<figure><img src="https://537187778-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>चित्र 8 परीक्षण क्षेत्र, N34 120kg/ha</p></figcaption></figure>

आगे आपको मूल्यांकन के दौरान उपयोग किए गए फ़ॉर्मूलों और कॉन्फ़िगरेशन पर विस्तृत चर्चा मिलेगी।

{% hint style="info" %}
Equation के तरीके और उसे लागू करने की प्रक्रिया को विस्तार से समझने के लिए, हमारे [यूज़र इंटरफ़ेस](https://docs.geopard.tech/geopard-tutorials/in/product-tour-web-app/equation-based-analytics.md) और [API](https://docs.geopard.tech/geopard-tutorials/in/api/diagrams-with-basic-flows/5.-execute-equations.md).
{% endhint %}

गणनाओं को दोहराने के लिए ये समीकरण चलाएँ।

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

इसे सक्रिय करना ज़रूरी है: *Numpy* *(चित्र 9)* और बंद करें *इंटरपोलेशन* *(चित्र 10)*.

<figure><img src="https://537187778-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>चित्र 9 “Numpy” सक्रिय करें</p></figcaption></figure>

<figure><img src="https://537187778-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>चित्र 10 “Interpolated” डेटा का उपयोग बंद करें</p></figcaption></figure>

## लागू दर पर आधारित

एक उल्लेखनीय बात यह है कि परीक्षण के दौरान वास्तविक लागू दर, नियोजित (लक्षित) दर के अनुरूप हमेशा नहीं रही। विशेष रूप से, दर 120 किग्रा/हेक्टेयर से लेकर 189 किग्रा/हेक्टेयर तक रही। *(चित्र 11)*&#x907;स परिवर्तनशीलता को देखते हुए, त्रुटि-सहनशीलता का मानदंड तय करना ज़रूरी हो गया। इसलिए, मूल्यांकन के लिए परीक्षण को उपयुक्त मानने हेतु ±5% की सटीकता को स्वीकार्य सीमा निर्धारित किया गया।

आगे दिए गए स्क्रीनशॉट में (*चित्र 12, चित्र 13, चित्र 14)* उपज का सांख्यिकीय वितरण दिखाया गया है, जिसमें वास्तव में लागू नाइट्रोजन (N34) की मात्रा पर ध्यान दिया गया है। ±5% की सटीकता की स्वीकृत सीमा को ध्यान में रखते हुए, संक्षिप्त आँकड़े इस प्रकार हैं:

* <mark style="color:नीला;">150 किग्रा/हेक्टेयर की मुख्य ज़ोन में 43.5 हेक्टेयर क्षेत्र पर खाद डाली गई और औसत उपज 4.9 टन/हेक्टेयर रही।</mark> (*चित्र 12*).
* <mark style="color:नीला;">180 किग्रा/हेक्टेयर की पहली परीक्षण ज़ोन 1.47 हेक्टेयर क्षेत्र में फैली थी और औसत उपज 6.5 टन/हेक्टेयर रही।</mark> (*चित्र 13*).
* <mark style="color:नीला;">120 किग्रा/हेक्टेयर की दूसरी परीक्षण ज़ोन 1.44 हेक्टेयर क्षेत्र में फैली थी और औसत उपज 6.3 टन/हेक्टेयर रही।</mark> (*चित्र 14*).

<figure><img src="https://537187778-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>चित्र 11 परीक्षणों में वास्तविक लागू दरें</p></figcaption></figure>

<figure><img src="https://537187778-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>चित्र 12 N34 की 150 किग्रा/हेक्टेयर दर वाली मुख्य ज़ोन ±5%</p></figcaption></figure>

<figure><img src="https://537187778-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>चित्र 13 N34 की 180 किग्रा/हेक्टेयर दर वाली परीक्षण ज़ोन ±5%</p></figcaption></figure>

<figure><img src="https://537187778-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>चित्र 14 N34 की 120 किग्रा/हेक्टेयर दर वाली परीक्षण ज़ोन ±5%</p></figcaption></figure>

कार्यविधि और इन परिणामों की बारीकियों को बेहतर ढंग से समझने के लिए, उपयोग किए गए समीकरण नीचे दिए गए हैं:

1. परीक्षण में वास्तव में लागू नाइट्रोजन:\
   `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)`
2. 150 किग्रा/हेक्टेयर की मुख्य ज़ोन, 5% स्वीकृति सीमा सहित:\
   `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
3. 120 किग्रा/हेक्टेयर की परीक्षण ज़ोन, 5% स्वीकृति सीमा सहित:\
   `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
4. 180 किग्रा/हेक्टेयर की परीक्षण ज़ोन, 5% स्वीकृति सीमा सहित:\
   `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

## **लागू दर और ऐतिहासिक उत्पादकता पर आधारित**

परीक्षणों की उपज के आँकड़े पूरे खेत की औसत उपज से लगातार अधिक हैं। इस अंतर का एक प्रमुख कारण वह ऐतिहासिक रूप से अधिक उत्पादक ज़ोन लगती है जहाँ परीक्षण किए गए थे, जैसा कि *चित्र 15* और *चित्र 16*में दिखाया गया है। परीक्षणों का अधिक सूक्ष्म मूल्यांकन करने के लिए, परिणामों का विश्लेषण करते समय उत्पादकता ज़ोन को ध्यान में रखना ज़रूरी है।

<figure><img src="https://537187778-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>चित्र 15 खेत की ऐतिहासिक क्षमता के ज़ोन</p></figcaption></figure>

<figure><img src="https://537187778-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>चित्र 16 YieldDataset के रूप में खेत की ऐतिहासिक क्षमता के ज़ोन</p></figcaption></figure>

आगे दिए गए स्क्रीनशॉट में (*चित्र 17, चित्र 18, चित्र 19)* उपज का सांख्यिकीय वितरण दिखाया गया है, जिसमें वास्तव में लागू नाइट्रोजन (N34) की मात्रा और ऐतिहासिक उत्पादकता के ज़ोन (GeoPard में बनाए गए) एक-दूसरे पर रखे गए हैं। लागू मात्रा के लिए ±5% की सटीकता की स्वीकृत सीमा को ध्यान में रखते हुए, संक्षिप्त आँकड़े इस प्रकार हैं:

* <mark style="color:नीला;">150 किग्रा/हेक्टेयर की मुख्य ज़ोन में 2.65 हेक्टेयर क्षेत्र पर खाद डाली गई और औसत उपज 6.34 टन/हेक्टेयर रही।</mark> (*चित्र 17*).
* <mark style="color:नीला;">180 किग्रा/हेक्टेयर की पहली परीक्षण ज़ोन 1.08 हेक्टेयर क्षेत्र में फैली थी और औसत उपज 6.41 टन/हेक्टेयर रही।</mark> (*चित्र 18*).
* <mark style="color:नीला;">120 किग्रा/हेक्टेयर की दूसरी परीक्षण ज़ोन 1.78 हेक्टेयर क्षेत्र में फैली थी और औसत उपज 6.33 टन/हेक्टेयर रही।</mark> (*चित्र 19*).

<figure><img src="https://537187778-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>चित्र 17 N34 की 150 किग्रा/हेक्टेयर दर वाली मुख्य ज़ोन और ऐतिहासिक उत्पादकता का ओवरले</p></figcaption></figure>

<figure><img src="https://537187778-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>चित्र 18 N34 की 180 किग्रा/हेक्टेयर दर वाली परीक्षण ज़ोन ±5% और ऐतिहासिक उत्पादकता का ओवरले</p></figcaption></figure>

<figure><img src="https://537187778-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>चित्र 19 N34 की 120 किग्रा/हेक्टेयर दर वाली परीक्षण ज़ोन ±5% और ऐतिहासिक उत्पादकता का ओवरले</p></figcaption></figure>

कार्यविधि और इन परिणामों की बारीकियों को बेहतर ढंग से समझने के लिए, उपयोग किए गए समीकरण नीचे दिए गए हैं:

1. 150 किग्रा/हेक्टेयर की मुख्य दर, जिसमें 5% की स्वीकार्य सीमा शामिल है, ऐतिहासिक उत्पादकता के साथ ओवरलैप हुई:\
   `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
2. 120 किग्रा/हेक्टेयर की परीक्षण दर, जिसमें 5% की स्वीकार्य सीमा शामिल है, ऐतिहासिक उत्पादकता के साथ ओवरलैप हुई:\
   `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
3. 180 किग्रा/हेक्टेयर की परीक्षण दर, जिसमें 5% की स्वीकार्य सीमा शामिल है, ऐतिहासिक उत्पादकता के साथ ओवरलैप हुई:\
   `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

जहाँ

* वाला भाग `Productivity_SubZone == 51` लागू किए गए प्रयोगों वाले उच्च उत्पादकता क्षेत्रों को दर्शाता है,
* वाले भाग `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` दर में ±5% की सटीकता शामिल करते हैं `150`, `120`, `180` किग्रा/हेक्टेयर।

## सारांश

परीक्षणों से प्राप्त उपज के परिणाम, खेत के उच्च ऐतिहासिक उत्पादकता क्षेत्र में देखी गई औसत उपज से काफ़ी मेल खाते हैं। दूसरे शब्दों में, N34 उत्पाद को <mark style="color:नीला;">120 किग्रा/हेक्टेयर - 150 किग्रा/हेक्टेयर - 180 किग्रा/हेक्टेयर</mark>की दरों पर प्रयोगात्मक रूप से डालने से क्रमशः औसत उपज <mark style="color:नीला;">6.33 टन/हेक्टेयर - 6.34 टन/हेक्टेयर - 6.41 टन/हेक्टेयर</mark> प्राप्त हुई। उच्च उत्पादकता क्षेत्र में इससे कटाई के समय की उपज पर कोई उल्लेखनीय प्रभाव नहीं पड़ा।


---

# 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/in/agronomy/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.
