खेत ट्रायल विश्लेषण

उपचारों की तुलना, ROI मापने, और सिफ़ारिशें बेहतर करने के लिए spatial statistics के साथ खेत ट्रायल का विश्लेषण करें।

कृषि वैज्ञानिक Trial Analytics का इस्तेमाल अलग-अलग फसल किस्मों, खेती की तकनीकों, और इनपुट के प्रयोगों के प्रदर्शन का आकलन करने के लिए करते हैं, जिसमें Precision Agriculture में Variable Rate Applications के नतीजे भी शामिल हैं। Field Trials से बने डेटा को इकट्ठा करके, उसका विश्लेषण करके और उसकी व्याख्या करके शोधकर्ताओं को genetics, environment, और management practices के बीच के संबंधों की समझ मिलती है। यह जानकारी ऐसी crop management strategies बनाने में मदद करती है जो input usage को कम रखते हुए yield potential को बेहतर बनाती हैं। इसके अलावा, Trial Analytics न सिर्फ Precision Farming practices की प्रभावशीलता का मूल्यांकन करने में मदद करता है, बल्कि ऐसे resilient crop varieties की पहचान करने में भी सहायक होता है जो अलग-अलग और चुनौतीपूर्ण परिस्थितियों में भी अच्छी तरह पनप सकें, जिससे food security में योगदान मिलता है।

GeoPard split-plot trials को भी सपोर्ट करता है, जो two-factor designs के लिए होते हैं, जैसे अलग-अलग hybrids पर एक ही rates। उसी georeferenced trial layer पर main effects और rate × hybrid interaction, दोनों का मूल्यांकन करें।

डेटा तैयारी

प्रभावी trial analytics के लिए, कुछ जरूरी datasets की आवश्यकता होती है:

1. Yield Dataset: यह dataset yield data को कैप्चर करता है। इसे हम इस से import कर सकते हैं JohnDeere Operation Center या इसे मैन्युअल रूप से अपलोड कर सकते हैं shapefile या machinery proprietary format.

2. Application Dataset: यह Field पर वास्तव में किए गए Application को समझने के लिए बहुत महत्वपूर्ण है। कम से कम इसमें TargetRate, AppliedRate, और कुछ machinery-related metrics जैसी attributes होती हैं। Yield Dataset की तरह, इसे import करने के विकल्प हमारे पास हैं JohnDeere Operation Center या इसे मैन्युअल रूप से अपलोड कर सकते हैं shapefile या machinery proprietary format.

3. Zones/Plots with Trials/Experiments: ये हमारे Trials के लिए planned Application rates दिखाते हैं, जिससे experimental design की समझ मिलती है। अगर ऐसा data layer उपलब्ध हो, तो हम इसे अपलोड करते हैं shapefile AsApplied/AsPlanted या Yield control में। इससे EquationMaps बनाते समय compatibility बनी रहती है और आपके trial analytics का अनुभव आसान हो जाता है। यह एक one-factor layout हो सकता है या split-plot layout, जिसमें दूसरा treatment dimension, जैसे hybrid या variety, शामिल हो। अगर ऐसा data layer उपलब्ध नहीं है, तो Application Dataset का TargetRate attribute Trial evaluations के लिए substitute के रूप में काम कर सकता है।

4. ऐतिहासिक Field Potential Zones: ये zones GeoPard द्वारा बनाए जाते हैं (विवरण यहाँहैं)। ये समान historical productivity वाले Trials के विश्लेषण में उपयोगी होते हैं। यह खास तौर पर तब फायदेमंद है जब Trials अलग-अलग historical productivity वाले क्षेत्रों में फैले हों।

इन datasets को इकट्ठा कर लेने के बाद, अगला कदम Trial evaluation process शुरू करना है।

डेटा अवलोकन

2023 के शीतकालीन गेहूं के कृषि मौसम के लिए निम्नलिखित डेटा उपलब्ध हैं:

• Wet Mass वितरण को दर्शाने वाला Yield Dataset (चित्र 1)

चित्र 1 मूल YieldDataset

• Nitrogen (N34) VRA plan (150 kg/ha) के साथ 2 Trial Plots (120kg/ha और 180 kg/ha)(चित्र 2)

चित्र 2 Nitrogen (N34) VRA plan के साथ Trial Plots

• लागू किए गए आँकड़े दिखाने वाला Application Dataset (चित्र 3)

चित्र 3 Application Dataset

• ऐतिहासिक Field Productivity (चित्र 4)

चित्र 4 ऐतिहासिक Field Productivity

YieldDataset को अभी calibrate नहीं किया गया है: वहाँ कई harvesters काम कर रहे थे, turnaround और missing data traces हैं, और noise साफ दिखाई देता है। बेहतर परिणामों के लिए ऊपर से Yield Calibrate और Clean operations लागू करने की सलाह दी जाती है। चरण-दर-चरण tutorial यहाँ मिल सकता है लिंक.

Calibrate और clean करने के बाद YieldDataset को यहाँ दिखाया गया है चित्र 5में, साथ में updated statistics भी हैं। इस dataset का उपयोग आगे के steps में किया जाएगा।

चित्र 5 Calibrated और Cleaned YieldDataset

संकल्पना

यहाँ Trial Analytics का उद्देश्य खेत के लिए Nitrogen (N34) की सबसे प्रभावी rate तय करना है। यहाँ चिन्हित क्षेत्र हैं जिनमें Nitrogen rates 120kg/ha, 150kg/ha, और 180kg/ha हैं। यह डेटा एक तरफ ApplicationDataset से और दूसरी तरफ calibrated YieldDataset से लिया गया है।

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

• 120kg/ha (trial zone के रूप में चिन्हित)

• 150kg/ha (मुख्य zone माना गया)

• 180kg/ha (एक और trial zone)

हमारा तरीका निम्नलिखित evaluations को शामिल करेगा:

1. Plan-based: Calibrated Yield से जुड़े Planned Variable Rate Application (VRA) का उपयोग करके।

2. Applied-based: Actual Applied Datasets की तुलना Calibrated Yield से करके।

3. Applied-based और Historical Productivity: Actual Applied Datasets की तुलना Calibrated Yield के साथ, जिस पर Historical Field Potential Zones overlap हों, करके।

यह व्यवस्थित तरीका, Planned और actual Applied application data, दोनों के आधार पर Nitrogen के Yield पर प्रभाव का व्यापक मूल्यांकन करने देगा।

Plan-based

का प्रभाव लागू किए गए planned Nitrogen (N34) का Yield वितरण पर दृश्य रूप नीचे दिए गए screenshots में दिखाया गया है (चित्र 6, चित्र 7, चित्र 8). यहाँ findings का संक्षिप्त विवरण है:

• मुख्य zone, जिसमें Nitrogen rate 150 kg/ha है, 45.8 ha में फैला है और औसत yield 4.99 t/ha है (चित्र 6).

• पहला trial zone, जिसमें 180 kg/ha Nitrogen application है, 1.76 ha को कवर करता है और औसत yield 6.5 t/ha देता है (चित्र 7).

• दूसरा trial zone, जिसमें 120 kg/ha Nitrogen है, 1.86 ha में फैला है और औसत yield 6.39 t/ha देता है (चित्र 8).

नतीजे एक महत्वपूर्ण सवाल उठाते हैं: कम application rate, ज्यादा rate की तुलना में ज्यादा efficient क्यों लगती है? और गहरी समझ पाने के लिए, अगला चरण है actual Applied data का उपयोग करके Trials का मूल्यांकन करना.

चित्र 6 मुख्य Zone N34 150kg/ha के साथ

चित्र 7 Trial Zone N34 180kg/ha के साथ

चित्र 8 Trial Zone N34 120kg/ha के साथ

नीचे आपको evaluation के दौरान इस्तेमाल किए गए formulas और configurations पर विस्तृत चर्चा मिलेगी।

Equation approach और उसके execution को और गहराई से समझने के लिए, कृपया हमारे tutorials देखें — दोनों के लिए User Interface और API.

निम्नलिखित equations चलाकर calculations को दोहराया जा सकता है।

1. 150 kg/ha के साथ मुख्य क्षेत्र: Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)

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

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

यह सक्रिय करना महत्वपूर्ण है Numpy (चित्र 9) और बंद करना Interpolation (चित्र 10).

चित्र 9 "Numpy" सक्रिय करें

चित्र 10 "Interpolated" data का उपयोग बंद करें

Applied-based

एक महत्वपूर्ण बात यह है कि Trial के दौरान actual Applied Rate हमेशा Planned (Target) Rate से मेल नहीं खाती। खास तौर पर, वितरण 120 kg/ha से लेकर 189 kg/ha तक जाता है (चित्र 11). इस भिन्नता को देखते हुए, error tolerance के लिए एक benchmark तय करना बहुत ज़रूरी हो गया। इसलिए, ±5% accuracy को trial को evaluation के लिए उपयुक्त मानने की स्वीकार्य सीमा माना गया।

अगले screenshots में प्रस्तुत है (चित्र 12, चित्र 13, चित्र 14) Yield का statistical distribution, जिसमें Nitrogen (N34) के वास्तव में Applied numbers पर ध्यान दिया गया है। ±5% accuracy acceptance को ध्यान में रखते हुए, यहाँ summarized statistics दिए गए हैं:

• 150 kg/ha वाले मुख्य zone में applied area 43.5 ha थी, और औसत yield 4.9 t/ha रही (चित्र 12).

• 180 kg/ha वाले पहले trial zone का क्षेत्रफल 1.47 ha था और औसत yield 6.5 t/ha रही (चित्र 13).

• 120 kg/ha वाले दूसरे trial zone का क्षेत्रफल 1.44 ha था, और औसत yield 6.3 t/ha रही (चित्र 14).

चित्र 11 Trials में Actual Applied Rates

चित्र 12 N34 150kg/ha ±5% के साथ मुख्य Zone

चित्र 13 N34 180kg/ha ±5% के साथ Trial Zone

चित्र 14 N34 120kg/ha ±5% के साथ Trial Zone

methodology और इन results की बारीकियों को बेहतर समझने के लिए, इस्तेमाल की गई equations नीचे दी गई हैं:

1. Trial का actual Applied Nitrogen: Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

2. 5% acceptance शामिल करते हुए 150 kg/ha वाला मुख्य क्षेत्र: Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

3. 5% acceptance शामिल करते हुए 120 kg/ha वाला Trial: Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

4. 5% acceptance शामिल करते हुए 180 kg/ha वाला Trial: Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

Applied-based और Historical Productivity

Trials से प्राप्त Yield के आँकड़े, पूरे खेत की औसत Yield की तुलना में लगातार अधिक हैं। इस अंतर का एक प्रमुख कारण वह historically high productivity zone लगता है जहाँ Trials किए गए थे, जैसा कि चित्र 15 और चित्र 16में दिखाया गया है। Trials के अधिक सूक्ष्म मूल्यांकन के लिए, परिणामों का विश्लेषण करते समय productivity zones को ध्यान में रखना बहुत ज़रूरी है।

चित्र 15 ऐतिहासिक Field Potential Zones

चित्र 16 ऐतिहासिक Field Potential Zones as YieldDataset

अगले screenshots में प्रस्तुत है (चित्र 17, चित्र 18, चित्र 19) Yield का statistical distribution है, जिसमें Nitrogen (N34) के वास्तव में Applied numbers को Historical Productivity Zones (GeoPard में बनाए गए) के साथ overlap करके देखा गया है। यहाँ summarized statistics दिए गए हैं, और Applied numbers के लिए ±5% accuracy acceptance को ध्यान में रखा गया है:

• 150 kg/ha वाले मुख्य zone में applied area 2.65 ha थी, और औसत yield 6.34 t/ha रही (चित्र 17).

• 180 kg/ha वाले पहले trial zone का क्षेत्रफल 1.08 ha था और औसत yield 6.41 t/ha रही (चित्र 18).

• 120 kg/ha वाले दूसरे trial zone का क्षेत्रफल 1.78 ha था, और औसत yield 6.33 t/ha रही (चित्र 19).

चित्र 17 N34 150kg/ha वाला मुख्य Zone, Historical Productivity के साथ overlapped

चित्र 18 N34 180kg/ha ±5% वाला Trial Zone, Historical Productivity के साथ overlapped

चित्र 19 N34 120kg/ha ±5% वाला Trial Zone, Historical Productivity के साथ overlapped

methodology और इन results की बारीकियों को बेहतर समझने के लिए, इस्तेमाल की गई equations नीचे दी गई हैं:

1. 5% acceptance शामिल करते हुए 150 kg/ha वाला मुख्य क्षेत्र, Historical Productivity के साथ overlapped: Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

2. 5% acceptance शामिल करते हुए 120 kg/ha वाला Trial, Historical Productivity के साथ overlapped: Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

3. 5% acceptance शामिल करते हुए 180 kg/ha वाला Trial, Historical Productivity के साथ overlapped: Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

जहाँ

• वह भाग Productivity_SubZone == 51 लागू किए गए experiments के साथ उच्च Productivity Zones को दर्शाता है,

• वे हिस्से (Applied_Value >= 142.5) & (Applied_Value <= 157.5) , (Applied_Value >= 114.0) & (Applied_Value <= 126.0), (Applied_Value >= 171.0) & (Applied_Value <= 189.0) rates से ±5% accuracy को शामिल करते हैं 150, 120, 180 kg/ha.

सारांश

Trials से मिले Yield results, खेत के high Historical Productivity Zone में देखी गई औसत Yield के बहुत करीब हैं। दूसरे शब्दों में, N34 product को निम्न rates पर प्रयोग करने के 120 kg/ha - 150 kg/ha - 180 kg/haपरिणामस्वरूप औसत Yield रही 6.33 t/ha - 6.34 t/ha - 6.41 t/ha क्रमशः, high Productivity Zone के भीतर harvested Yield पर कोई उल्लेखनीय प्रभाव नहीं पड़ा।