フィールド試験解析

農学者は試験解析（Trial Analytics）を用いて、さまざまな作物品種、栽培技術、および投入資材の適用（精密農業における可変施用率の結果を含む）の性能を評価します。圃場試験から得られるデータを収集、分析、解釈することで、研究者は遺伝、環境、管理実践の相互作用に関する洞察を得ます。この知見は、投入資材の使用を最小限に抑えつつ収量ポテンシャルを最適化する作物管理戦略の開発に役立ちます。さらに、Trial Analyticsは精密農業の有効性を評価するだけでなく、多様で厳しい条件下でも生育可能な耐性のある品種を特定するのにも役立ち、食料安全保障への貢献につながります。

データ準備

効果的な試験解析のために、いくつかの必須データセットが必要です：

1. 収量データセット: このデータセットは収量データを記録します。 これは以下からインポートできます、または手動で JohnDeere Operation Center からインポートするか、手動でアップロードして シェイプファイル として、または 機械メーカー独自形式.

2. 施用データセット: これは圃場で実際に実行された施用を理解するために重要です。最低限、TargetRate、AppliedRate、およびいくつかの機械関連指標の属性を含みます。 収量データセットと同様に、これも JohnDeere Operation Center からインポートするか、手動でアップロードして シェイプファイル として、または 機械メーカー独自形式.

3. 試験/実験のゾーン/区画: これらは試験の計画された施用率を示し、実験設計の洞察を与えます。 そのようなデータレイヤーが利用可能であれば、をとしてアップロードします シェイプファイル をAsApplied/AsPlantedまたはYieldコントロールに取り込みます。これによりEquationMaps作成時の互換性が確保され、試験解析が効率化されます。 そのようなデータレイヤーがない場合、施用データセットのTargetRate属性が試験評価の代替として利用できます。

4. 過去の圃場ポテンシャルゾーン： これらのゾーンはGeoPardによって生成されます（詳細は ここ）。これらは一貫した過去の生産性を持つ試験を解析する際に有用です。試験が生産性の異なる地域に分散されている場合、特に有益です。

これらのデータセットを収集したら、次のステップは試験評価プロセスの開始です。

データ概要

冬小麦の2023年作シーズンについて、次のデータがあります：

• 湿重量分布を示す収量データセット （図1）

図1 元の収量データセット

• 窒素（N34）可変施用計画（150 kg/ha）と2つの試験区（120kg/haおよび180 kg/ha）（図2）

図2 窒素（N34）VRA計画と試験区

• 適用統計を示す施用データセット （図3）

図3 施用データセット

• 過去の圃場生産性（図4)

図4 過去の圃場生産性

収量データセットはキャリブレーションされていません：複数のコンバインが稼働しており、ターンアラウンドや欠損データの痕跡があり、ノイズが見られます。最適な結果を得るには、収量のキャリブレートおよびクリーン操作を適用することを推奨します。 ステップバイステップのチュートリアルは リンク.

収量データセットはキャリブレーションとクリーン後、 図5に更新された統計とともに表示されます。このデータセットは後続のステップで使用されます。

図5 キャリブレーションおよびクリーン済み収量データセット

コンセプト

ここでのTrial Analyticsの目的は、圃場にとって最も有効な窒素（N34）施用率を見定めることです。窒素施用率120kg/ha、150kg/ha、180kg/haに設定された特定領域があります。このデータは一方で施用データセット、他方でキャリブレートされた収量データセットから得られます。

解析は以下の3つの異なるゾーンに焦点を当てます：

• 120kg/ha（試験区として指定）

• 150kg/ha（主要区と見なす）

• 180kg/ha（別の試験区）

我々のアプローチには次の評価が含まれます：

1. 計画ベース： キャリブレートされた収量に紐づく計画された可変施用（VRA）を使用

2. 実施ベース： 実際に施用されたデータセットをキャリブレートされた収量と比較

3. 実施ベースと過去の生産性： 実際に施用されたデータセットを、過去の圃場ポテンシャルゾーンと重ね合わせたキャリブレート収量と比較

この体系的アプローチにより、計画および実際の施用データの両方に基づいて、窒素が収量に与える影響を包括的に評価できます。

計画ベース

の影響は、 施用された 計画された窒素（N34）が収量分布に与える影響は、次のスクリーンショットに視覚的に示されています （図6、図7、図8）。以下は発見の簡潔な概要です：

• 主要区の窒素率150 kg/haは面積45.8 haで平均収量は4.99 t/ha (図6).

• 最初の試験区（窒素180 kg/ha）は面積1.76 haで平均収量6.5 t/ha (図7).

• 2番目の試験区（窒素120 kg/ha）は面積1.86 haで平均収量6.39 t/ha (図8).

この結果は重要な疑問を投げかけます： なぜ低い施用率の方が高い施用率より効率的に見えるのか？ より深い洞察を得るために、次の段階では 実際に施用されたデータを用いて試験を評価することになります.

図6 N34 150kg/haの主要区

図7 N34 180kg/haの試験区

図8 N34 120kg/haの試験区

以下に、評価で使用した数式と設定についての詳細な議論があります。

方程式アプローチとその実行方法の詳細については、次の両方のチュートリアルを参照してください： ユーザーインターフェース と API.

計算を再現するために実行する方程式は以下の通りです。

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

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

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

重要なのは、 Numpy を有効にすることです および 補間（Interpolation）をオフにすることです （図10）.

図9 「Numpy」を有効にする

図10 「補間（Interpolated）データの使用」をオフにする

実施ベース

注目すべき観察点は、試験中の実際の施用率が計画（ターゲット）施用率と一貫して一致していないことです。具体的には、120 kg/haから最大189 kg/haまで分布しています （図11）。この変動性を考慮し、誤差許容範囲の基準を設定することが重要となりました。したがって、試験を評価に適すると見なすために±5%の精度を許容閾値としました。

次のスクリーンショットに示されるように（図12、図13、図14） は、実際に施用された窒素（N34）量に焦点を当てた収量の統計分布です。以下は±5%精度受け入れを考慮した要約統計です：

• 主要区の150 kg/haでは施用面積が43.5 haで平均収量は4.9 t/ha (図12).

• 最初の試験区180 kg/haは面積1.47 haで平均収量6.5 t/ha (図13).

• 2番目の試験区120 kg/haは面積1.44 haで平均収量6.3 t/ha (図14).

図11 試験における実際の施用率

図12 N34 150kg/haの主要区 ±5%

図13 N34 180kg/haの試験区 ±5%

図14 N34 120kg/haの試験区 ±5%

方法論とこれらの結果の詳細を深く理解するために、使用した方程式は以下の通りです：

1. 試験の実際の施用窒素： Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

2. 150 kg/haの主要区に5%受け入れを組み込む： Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

3. 120 kg/haの試験に5%受け入れを組み込む： Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

4. 180 kg/haの試験に5%受け入れを組み込む： Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

実施ベースと過去の生産性

試験からの収量は継続的に圃場全体の平均収量を上回っています。この差異を生む主要因の一つは、試験が実施された過去に生産性の高かったゾーンであるようで、これは 図15 と 図16に可視化されています。試験結果をより詳細に評価するには、解析時に生産性ゾーンを考慮することが重要です。

図15 過去の圃場ポテンシャルゾーン

図16 過去の圃場ポテンシャルゾーンを収量データセットとして表示

次のスクリーンショットに示されるように（図17、図18、図19） は、GeoPardで作成した過去の生産性ゾーンと重ね合わせた、実際に施用された窒素（N34）量に焦点を当てた収量の統計分布です。以下は、実施値に対する±5%の精度受け入れを考慮した要約統計です：

• 主要区の150 kg/haでは施用面積が2.65 haで平均収量は6.34 t/ha (図17).

• 最初の試験区180 kg/haは面積1.08 haで平均収量6.41 t/ha (図18).

• 2番目の試験区120 kg/haは面積1.78 haで平均収量6.33 t/ha (図19).

図17 N34 150kg/haの主要区（過去の生産性と重ね合わせ）

図18 N34 180kg/haの試験区 ±5%（過去の生産性と重ね合わせ）

図19 N34 120kg/haの試験区 ±5%（過去の生産性と重ね合わせ）

方法論とこれらの結果の詳細を深く理解するために、使用した方程式は以下の通りです：

1. 150 kg/haの主要区に5%受け入れを組み込み、過去の生産性と重ね合わせた場合： Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

2. 120 kg/haの試験に5%受け入れを組み込み、過去の生産性と重ね合わせた場合： Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

3. 180 kg/haの試験に5%受け入れを組み込み、過去の生産性と重ね合わせた場合： Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

ここで

• の部分は Productivity_SubZone == 51 適用実験が行われた高生産性ゾーンを反映しています、

• の部分は (Applied_Value >= 142.5) & (Applied_Value <= 157.5) , (Applied_Value >= 114.0) & (Applied_Value <= 126.0), (Applied_Value >= 171.0) & (Applied_Value <= 189.0) これらは施用率からの±5%の精度を組み込んでいます 150, 120, 180 kg/ha。

要約

試験から得られた収量結果は、圃場の高い過去の生産性ゾーンで観察される平均収量と概ね一致しています。言い換えれば、N34製品を 120 kg/ha - 150 kg/ha - 180 kg/haの各施用率で実験的に適用した結果、平均収量が 6.33 t/ha - 6.34 t/ha - 6.41 t/ha それぞれとなり、高生産性ゾーン内の収穫収量に対して有意な影響は見られません。