Analisi di prove in campo

Gli agronomi utilizzano l'Analisi dei Trial per valutare le prestazioni di diverse varietà di colture, tecniche di coltivazione e applicazioni di input, inclusi i risultati delle Applicazioni a Tasso Variabile in Agricoltura di Precisione. Raccogliendo, analizzando e interpretando i dati generati dai Trial in campo, i ricercatori ottengono informazioni sulle interazioni tra genetica, ambiente e pratiche di gestione. Queste conoscenze informano lo sviluppo di strategie di gestione delle colture che ottimizzano il potenziale di resa minimizzando l'uso di input. Inoltre, l'Analisi dei Trial non solo permette di valutare l'efficacia delle pratiche di Agricoltura di Precisione, ma aiuta anche a identificare varietà resilienti che possono prosperare in condizioni diverse e impegnative, contribuendo così alla sicurezza alimentare.

Preparazione dei dati

Per un'analisi efficace dei trial, sono necessari alcuni dataset essenziali:

1. Dataset di resa: Questo dataset cattura i dati di resa. Possiamo importarlo dal JohnDeere Operation Center o caricarlo manualmente come shapefile o come formato proprietario della macchina.

2. Dataset di applicazione: Questo è cruciale per comprendere l'effettiva applicazione eseguita sul campo. Al minimo, contiene attributi come TargetRate, AppliedRate e alcune metriche correlate alla macchina. Come per il Dataset di resa, abbiamo opzioni per importarlo dal JohnDeere Operation Center o caricarlo manualmente come shapefile o come formato proprietario della macchina.

3. Zone/Parcelle con Trial/Esperimenti: Queste mostrano i tassi di applicazione pianificati per i nostri Trial, fornendo informazioni sul disegno sperimentale. Se tale livello di dati è disponibile, lo carichiamo come shapefile nel controllo AsApplied/AsPlanted o Yield. Questo garantisce compatibilità quando si costruiscono EquationMap, semplificando l'esperienza di analytics dei trial. Se tale livello di dati non è disponibile, l'attributo TargetRate dal Dataset di applicazione può servire come sostituto per le valutazioni dei Trial.

4. Zone di potenziale storico del campo: Queste zone sono generate da GeoPard (i dettagli sono QUI). Sono utili per analizzare i Trial con produttività storica coerente. Questo è particolarmente vantaggioso quando i Trial sono distribuiti su regioni con produttività storica variabile.

Una volta raccolti questi dataset, il passo successivo è avviare il processo di valutazione del Trial.

Panoramica dei dati

Sono disponibili i seguenti dati per la stagione agricola 2023 del grano invernale:

• Dataset di resa che evidenzia la distribuzione della Massa Umida (Fig.1)

Fig.1 Dataset di resa originale

• Piano VRA di Azoto (N34) (150 kg/ha) con 2 parcelle di prova (120 kg/ha e 180 kg/ha)(Fig.2)

Fig.2 Piano VRA di Azoto (N34) con parcelle di prova

• Dataset di applicazione che mostra le statistiche applicate (Fig.3)

Fig.3 Dataset di applicazione

• Produttività storica del campo (Fig.4)

Fig.4 Produttività storica del campo

Il Dataset di resa non è stato calibrato: più mietitrebbiatrici stavano operando lì, ci sono tracce di inversioni di marcia e dati mancanti, ed è evidente il rumore. Si raccomanda di applicare le operazioni di Calibrazione e Pulizia della resa sopra riportate per risultati ottimali. Un tutorial passo-passo è disponibile a LINK.

Il Dataset di resa, dopo calibrazione e pulizia, è visualizzato in Fig.5, insieme alle statistiche aggiornate. Questo dataset sarà utilizzato nei passaggi successivi.

Fig.5 Dataset di resa calibrato e pulito

Concetto

Qui l'obiettivo dell'Analisi dei Trial è determinare il tasso di Azoto (N34) più efficace per il campo. Sono presenti aree individuate con tassi di Azoto di 120 kg/ha, 150 kg/ha e 180 kg/ha. Questi dati derivano dal Dataset di applicazione da un lato e dal Dataset di resa calibrato dall'altro.

Stiamo concentrando la nostra analisi su tre zone distinte:

• 120 kg/ha (designata come zona di trial)

• 150 kg/ha (considerata la zona principale)

• 180 kg/ha (un'altra zona di trial)

Il nostro approccio includerà le seguenti valutazioni:

1. Basato sul piano: utilizzando l'Applicazione a Tasso Variabile (VRA) pianificata collegata alla resa calibrata.

2. Basato su quanto applicato: Confrontando i dataset effettivamente applicati con la resa calibrata.

3. Basato su quanto applicato e produttività storica: Confrontando i dataset effettivamente applicati con la resa calibrata sovrapposta alle Zone di Potenziale Storico del Campo.

Questo approccio metodico permetterà una valutazione completa dell'impatto dell'azoto sulla resa, basata sia sui dati pianificati che su quelli effettivamente applicati.

Basato sul piano

L'influenza di applicato l'azoto pianificato (N34) sulla distribuzione della resa è catturata visivamente negli screenshot seguenti (Fig.6, Fig.7, Fig.8). Ecco una sintesi concisa dei risultati:

• La zona principale, con un tasso di azoto di 150 kg/ha, copre 45,8 ha e ha una resa media di 4,99 t/ha (Fig.6).

• La prima zona di trial, con applicazione di azoto a 180 kg/ha, copre 1,76 ha, con una resa media di 6,5 t/ha (Fig.7).

• La seconda zona di trial, con 120 kg/ha di azoto, comprende 1,86 ha e produce una resa media di 6,39 t/ha (Fig.8).

I risultati sollevano una domanda significativa: Perché il tasso di applicazione più basso sembra essere più efficiente di quello più alto? Per approfondire le informazioni, la fase successiva prevede la valutazione dei Trial utilizzando i dati effettivamente applicati.

Fig.6 Zona principale con N34 150 kg/ha

Fig.7 Zona di trial con N34 180 kg/ha

Fig.8 Zona di trial con N34 120 kg/ha

Più avanti troverai una discussione dettagliata delle formule e delle configurazioni impiegate durante la valutazione.

Per approfondire l'approccio delle Equazioni e la loro esecuzione, consulta i nostri tutorial sia per Interfaccia utente e API.

Ecco le equazioni da eseguire per riprodurre i calcoli.

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

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

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

È importante attivare Numpy (Fig.9) e disattivare Interpolazione (Fig.10).

Fig.9 Attivare "Numpy"

Fig.10 Disattivare l'uso di dati "Interpolati"

Basato su quanto applicato

Un'osservazione notevole è che il tasso effettivamente applicato durante il Trial non corrisponde sempre al tasso pianificato (Target). Specificamente, si osserva una distribuzione che va da 120 kg/ha fino a 189 kg/ha (Fig.11). Data questa variabilità, è diventato cruciale definire una soglia di tolleranza dell'errore. Pertanto, è stata determinata una precisione del ±5% come soglia accettabile per ritenere il trial idoneo alla valutazione.

Presentata negli screenshot successivi (Fig.12, Fig.13, Fig.14) è la distribuzione statistica della resa, concentrandosi sui valori di Azoto (N34) effettivamente applicati. Ecco le statistiche riassunte, tenendo presente l'accettazione di precisione del ±5%:

• La zona principale a 150 kg/ha aveva un'area applicata di 43,5 ha, con una resa media di 4,9 t/ha (Fig.12).

• La prima zona di trial a 180 kg/ha ha coperto un'area di 1,47 ha e ha prodotto una resa media di 6,5 t/ha (Fig.13).

• La seconda zona di trial impostata a 120 kg/ha si estendeva su un'area di 1,44 ha, con una resa media di 6,3 t/ha (Fig.14).

Fig.11 Tassi effettivamente applicati nei Trial

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

Fig.13 Zona di trial con N34 180 kg/ha ±5%

Fig.14 Zona di trial con N34 120 kg/ha ±5%

Per una comprensione più approfondita della metodologia e dei dettagli di questi risultati, le equazioni utilizzate sono riportate di seguito:

1. Azoto effettivamente applicato nei Trial: Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

2. Principale con 150 kg/ha incorporando l'accettazione del 5%: Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

3. Trial con 120 kg/ha incorporando l'accettazione del 5%: Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

4. Trial con 180 kg/ha incorporando l'accettazione del 5%: Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

Basato su quanto applicato e Produttività storica

I valori di resa dei Trial superano costantemente la resa media sull'intero campo. Un fattore chiave che guida questa discrepanza sembra essere la zona di alta produttività storica in cui si sono svolti i Trial, come visualizzato in Fig.15 e Fig.16. Per una valutazione più sfumata dei Trial, è cruciale tenere in conto le zone di produttività nell'analisi dei risultati.

Fig.15 Zone di potenziale storico del campo

Fig.16 Zone di potenziale storico del campo come Dataset di resa

Presentata negli screenshot successivi (Fig.17, Fig.18, Fig.19) è la distribuzione statistica della resa, concentrandosi sui valori di Azoto (N34) effettivamente applicati sovrapposti alle Zone di Produttività Storica (create in GeoPard). Ecco le statistiche riassunte, tenendo presente l'accettazione di precisione del ±5% per i valori applicati:

• La zona principale a 150 kg/ha aveva un'area applicata di 2,65 ha, con una resa media di 6,34 t/ha (Fig.17).

• La prima zona di trial a 180 kg/ha ha coperto un'area di 1,08 ha e ha prodotto una resa media di 6,41 t/ha (Fig.18).

• La seconda zona di trial impostata a 120 kg/ha si estendeva su un'area di 1,78 ha, con una resa media di 6,33 t/ha (Fig.19).

Fig.17 Zona principale con N34 150 kg/ha sovrapposta alla produttività storica

Fig.18 Zona di trial con N34 180 kg/ha ±5% sovrapposta alla produttività storica

Fig.19 Zona di trial con N34 120 kg/ha ±5% sovrapposta alla produttività storica

Per una comprensione più approfondita della metodologia e dei dettagli di questi risultati, le equazioni utilizzate sono riportate di seguito:

1. Principale con 150 kg/ha incorporando l'accettazione del 5% sovrapposta alla produttività storica: Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

2. Trial con 120 kg/ha incorporando l'accettazione del 5% sovrapposta alla produttività storica: Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

3. Trial con 180 kg/ha incorporando l'accettazione del 5% sovrapposta alla produttività storica: Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

dove

• la parte Productivity_SubZone == 51 riflette le Zone di alta produttività con gli esperimenti applicati,

• le parti (Applied_Value >= 142.5) & (Applied_Value <= 157.5) , (Applied_Value >= 114.0) & (Applied_Value <= 126.0), (Applied_Value >= 171.0) & (Applied_Value <= 189.0) incorporano la precisione del ±5% dai tassi 150, 120, 180 kg/ha.

Riepilogo

I risultati di resa dei Trial si allineano strettamente con la resa media osservata nella zona di alta produttività storica del campo. In altre parole, l'applicazione sperimentale del prodotto N34 a tassi di 120 kg/ha - 150 kg/ha - 180 kg/ha, ha portato a rese medie di 6,33 t/ha - 6,34 t/ha - 6,41 t/ha rispettivamente, non ha un impatto significativo sulla resa raccolta all'interno della zona ad alta produttività.