# 圃場試験解析

農学者は、Trial Analytics を用いて、さまざまな作物品種、栽培技術、投入資材の施用の性能を評価します。これには、精密農業における可変施用（Variable Rate Applications）の結果も含まれます。圃場試験から生成されたデータを収集・分析・解釈することで、研究者は遺伝、環境、栽培管理の相互作用についての知見を得ます。この知識は、投入資材の使用量を最小限に抑えながら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 は精密農業の実践効果の評価を可能にするだけでなく、多様で厳しい条件下でも良好に生育できる強健な作物品種の特定にも役立ち、食料安全保障にも貢献します。

{% hint style="info" %}
GeoPard は、異なるハイブリッド間で同一施用量を比較するような、2 因子設計の分割区試験にも対応しています。同じ地理参照付き試験レイヤー上で、主効果と 施用量 × ハイブリッド の交互作用の両方を評価できます。
{% endhint %}

## データ準備

効果的な試験解析のためには、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**：\
   このデータセットには収量データが記録されます。\
   これは、以下からインポートできます [JohnDeere Operation Center](/geopard-tutorials/jpn/tsu-webapuri/dtaworimu/myjohndeerekararimu.md) または、手動で [シェープファイル](/geopard-tutorials/jpn/tsu-webapuri/dtaworimu/dtanorimi.md) または [農業機械の独自形式](/geopard-tutorials/jpn/tsu-webapuri/dtaworimu/fmatto.md).
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内容を把握するうえで非常に重要です。最低限、TargetRate、AppliedRate、および一部の機械関連指標などの属性を含みます。\
   収量データセットと同様に、以下からインポートすることもできます [JohnDeere Operation Center](/geopard-tutorials/jpn/tsu-webapuri/dtaworimu/myjohndeerekararimu.md) または、手動で [シェープファイル](/geopard-tutorials/jpn/tsu-webapuri/dtaworimu/dtanorimi-1.md) または [農業機械の独自形式](/geopard-tutorials/jpn/tsu-webapuri/dtaworimu/fmatto.md).
3. **試験・実験を含むゾーン／プロット**：\
   これらは試験で計画された施用量を示し、試験設計を把握するのに役立ちます。\
   このようなデータレイヤーが利用可能な場合は、これを [シェープファイル](/geopard-tutorials/jpn/tsu-webapuri/dtaworimu/dtanorimi-1.md) として AsApplied／AsPlanted または Yield コントロールにアップロードします。これにより EquationMaps 作成時の互換性が確保され、試験解析を円滑に進められます。\
   これは 1 因子レイアウトでも、ハイブリッドや品種など第 2 の処理要因を持つ分割区レイアウトでもかまいません。\
   このようなデータレイヤーがない場合は、施用データセットの TargetRate 属性を試験評価の代替として使用できます。
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 [こちら](/geopard-tutorials/jpn/tsu-webapuri/znmapputo/zn.md)）。これらは、過去の生産性が一貫している試験を分析する際に有用です。特に、過去の生産性が異なる地域に試験が分散している場合に有益です。

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を開始することです。

## データ概要

2023 年の冬小麦栽培シーズンには、次のデータがあります：

* 湿重量分布を強調した収量データセット *（図1）*

<figure><img src="/files/e2ba5ccb0a508e32b3a9eae0a427cc7a447a7da1" alt=""><figcaption><p>図1 元の収量データセット</p></figcaption></figure>

* 窒素（N34）の VRA 計画（150 kg/ha）、2 つの試験区（120kg/ha と 180 kg/ha）付&#x304D;*（図2）*

<figure><img src="/files/e1a0501b6dbf0f09f8c72c9984c9de23a356c5de" alt=""><figcaption><p>図2 試験区を含む窒素（N34）VRA 計画</p></figcaption></figure>

* 施用統計を示す施用データセット *（図3）*

<figure><img src="/files/8250ae683c72795a48493623718019390799d6c7" alt=""><figcaption><p>図3 施用データセット</p></figcaption></figure>

* 過去の圃場生産性（*図4*)

<figure><img src="/files/9ab1a913c441be24396975330b1c057d7bc3b3d6" alt=""><figcaption><p>図4 過去の圃場生産性</p></figcaption></figure>

{% hint style="warning" %}
この収量データセットはまだ補正されていません。複数の収穫機が稼働しており、ターン時の軌跡や欠損データの軌跡があり、ノイズも明らかです。最適な結果を得るために、上部の Yield Calibrate および Clean の処理を適用することを推奨します。\
手順ごとのチュートリアルはこちらです [リンク](/geopard-tutorials/jpn/nong-xue/tokurenjingu.md).
{% endhint %}

補正およびクリーニング後の収量データセットは、 *図5*に、更新された統計とともに表示されています。このデータセットは後続のステップで使用されます。

<figure><img src="/files/541479982a202ad713dc8f282f2967b2da91322b" alt=""><figcaption><p>図5 補正・クリーニング済み収量データセット</p></figcaption></figure>

## コンセプト

ここでの Trial Analytics の目的は、この圃場における最も効果的な窒素（N34）施用量を明らかにすることです。窒素施用量 120kg/ha、150kg/ha、180kg/ha の特定エリアがあります。このデータは、一方では施用データセット、他方では補正済み収量データセットから得られます。

分析対象は次の 3 つの明確なゾーンです：

* 120kg/ha（試験ゾーンとして指定）
* 150kg/ha（メインゾーンとみなす）
* 180kg/ha（別の試験ゾーン）

アプローチには次の評価が含まれます：

1. **計画ベース：** 補正済み収量に関連付けられた計画可変施用（VRA）を使用。
2. **実施ベース：** 実際の施用データセットと補正済み収量を比較。
3. **実施ベースと過去生産性：** 実際の施用データセットと、過去の圃場ポテンシャルゾーンを重ね合わせた補正済み収量を比較。

この体系的なアプローチにより、計画施用データと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 ~~実施された~~ 計画された窒素（N34）が収量分布に与える影響は、以下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）*。以下は結果の簡潔な内訳です：

* <mark style="color:青;">窒素施用量 150 kg/ha のメインゾーンは 45.8 ha に及び、平均収量は 4.99 t/ha です</mark> (*図6*).
* <mark style="color:青;">180 kg/ha の窒素施用を行った最初の試験ゾーンは 1.76 ha を占め、平均収量は 6.5 t/ha です</mark> (*図7*).
* <mark style="color:青;">120 kg/ha の窒素施用の第 2 試験ゾーンは 1.86 ha を含み、平均収量は 6.39 t/ha です</mark> (*図8*).

この結果は重要な疑問を投げかけます： <mark style="color:オレンジ;">なぜ施用量が低い方が高い方より効率的に見えるのでしょうか？</mark> より深い洞察を得るため、次の段階では[ 実際の施用データを使って試験を評価します](/geopard-tutorials/jpn/nong-xue/pu-chang-shi-yan-jie-xi.md#applied-based-evaluation).

<figure><img src="/files/cb9b352ebc633a8eb08a8323bf994401929e0d50" alt=""><figcaption><p>図6 N34 150kg/ha のメインゾーン</p></figcaption></figure>

<figure><img src="/files/d54de4fb741b317106d309ff53a466ffc4c40bed" alt=""><figcaption><p>図7 N34 180kg/ha の試験ゾーン</p></figcaption></figure>

<figure><img src="/files/d616f8f1efe66dd0e0e6ec9e5046d2d305e8030e" alt=""><figcaption><p>図8 N34 120kg/ha の試験ゾーン</p></figcaption></figure>

以下では、評価時に使用した式と設定について詳しく説明します。

{% hint style="info" %}
Equation アプローチとその実行についてさらに詳しく知るには、 [ユーザーインターフェース](/geopard-tutorials/jpn/tsu-webapuri/bsuno.md) および [API](/geopard-tutorials/jpn/apidokyumento/furno/5-wo.md).
{% endhint %}

計算を再現するために実行する Equation は以下のとおりです。

1. 150 kg/ha のメイン：\
   `Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)`
2. 120 kg/ha の試験：\
   `Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)`
3. 180 kg/ha の試験：\
   `Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)`

以下を有効にすることが重要です *Numpy* *（図9）* そして *補間* *（図10）をオフにします*.

<figure><img src="/files/2c84bd8d68c21c6814f0411b07482612413b568b" alt=""><figcaption><p>図9 「Numpy」を有効化</p></figcaption></figure>

<figure><img src="/files/be35734d75b10f20376a034193150efed73f6f71" alt=""><figcaption><p>図10 「Interpolated」データの使用をオフにする</p></figcaption></figure>

## 実施ベース

注目すべき点として、試験期間中の実際の施用量は、計画（Target）施用量と常に一致しているわけではありません。具体的には、分布は 120 kg/ha から最大 189 kg/ha まで及びます *（図11）*。このばらつきを踏まえ、誤差許容の基準を設定することが重要になりました。そこで、±5% の精度を、試験を評価に適するとみなす許容しきい値として定めました。

次のスクリーンショット（*図12、図13、図14）* には、実際に施用された窒素（N34）の数値に着目した収量の統計分布が示されています。±5% の精度許容を考慮した要約統計は以下のとおりです：

* <mark style="color:青;">150 kg/ha のメインゾーンでは、施用面積は 43.5 ha、平均収量は 4.9 t/ha でした</mark> (*図12*).
* <mark style="color:青;">180 kg/ha の第 1 試験ゾーンは 1.47 ha を占め、平均収量は 6.5 t/ha でした</mark> (*図13*).
* <mark style="color:青;">120 kg/ha に設定された第 2 試験ゾーンは 1.44 ha に及び、平均収量は 6.3 t/ha でした</mark> (*図14*).

<figure><img src="/files/1d97f0ee6ae02e879e733543935aad5eb5795066" alt=""><figcaption><p>図11 試験における実際の施用量</p></figcaption></figure>

<figure><img src="/files/07200c4146d468c311c0236d4bae45f2ec6fe22f" alt=""><figcaption><p>図12 N34 150kg/ha ±5% のメインゾーン</p></figcaption></figure>

<figure><img src="/files/9dbcaea5997134de19ffee73cd155bfb0b121cdb" alt=""><figcaption><p>図13 N34 180kg/ha ±5% の試験ゾーン</p></figcaption></figure>

<figure><img src="/files/3fd056567c091f0c216ce70f08cb87b9fcd58fec" alt=""><figcaption><p>図14 N34 120kg/ha ±5% の試験ゾーン</p></figcaption></figure>

方法論とこれらの結果の詳細をより深く理解するため、使用した Equation を以下に示します：

1. 試験で実際に施用された窒素：\
   `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)`
2. 5% 許容を組み込んだ 150 kg/ha のメイン：\
   `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
3. 5% 許容を組み込んだ 120 kg/ha の試験：\
   `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
4. 5% 許容を組み込んだ 180 kg/ha の試験：\
   `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

## **実施ベースと過去生産性**

試験区の収量値は、圃場全体の平均収量を一貫して上回っています。この差を生んでいる主要因は、試験が実施された場所が歴史的に高生産性のゾーンであることのようで、 *図15* および *図16*で視覚化されています。試験をより精緻に評価するには、結果分析時に生産性ゾーンを考慮することが重要です。

<figure><img src="/files/8834ff664756ada809d1b2de0558abe101f98496" alt=""><figcaption><p>図15 過去の圃場ポテンシャルゾーン</p></figcaption></figure>

<figure><img src="/files/17b8eff0c7f5bf804f8d93de3775c785d5260deb" alt=""><figcaption><p>図16 収量データセットとしての過去の圃場ポテンシャルゾーン</p></figcaption></figure>

次のスクリーンショット（*図17、図18、図19）* には、GeoPard で作成した過去生産性ゾーンと重ね合わせた、実際に施用された窒素（N34）の数値に着目した収量の統計分布が示されています。実施値に対する ±5% の精度許容を考慮した要約統計は以下のとおりです：

* <mark style="color:青;">150 kg/ha のメインゾーンでは、施用面積は 2.65 ha、平均収量は 6.34 t/ha でした</mark> (*図17*).
* <mark style="color:青;">180 kg/ha の第 1 試験ゾーンは 1.08 ha を占め、平均収量は 6.41 t/ha でした</mark> (*図18*).
* <mark style="color:青;">120 kg/ha に設定された第 2 試験ゾーンは 1.78 ha に及び、平均収量は 6.33 t/ha でした</mark> (*図19*).

<figure><img src="/files/79c4b3302cfa83d6ffbb68c0f74077c98be4a259" alt=""><figcaption><p>図17 過去生産性を重ね合わせた N34 150kg/ha のメインゾーン</p></figcaption></figure>

<figure><img src="/files/68c1630d5b53a948409492e32a8af66bc89843f0" alt=""><figcaption><p>図18 過去生産性を重ね合わせた N34 180kg/ha ±5% の試験ゾーン</p></figcaption></figure>

<figure><img src="/files/12c28cbf9bac438b5d4a3ce64a9585c5a7a03bad" alt=""><figcaption><p>図19 過去生産性を重ね合わせた N34 120kg/ha ±5% の試験ゾーン</p></figcaption></figure>

方法論とこれらの結果の詳細をより深く理解するため、使用した Equation を以下に示します：

1. 過去生産性を重ね合わせ、5% 許容を組み込んだ 150 kg/ha のメイン：\
   `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
2. 過去生産性を重ね合わせ、5% 許容を組み込んだ 120 kg/ha の試験：\
   `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
3. 過去生産性を重ね合わせ、5% 許容を組み込んだ 180 kg/ha の試験：\
   `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 `Productivity_SubZone == 51` は、実施した試験を含む高生産性ゾーンを表し、
* の部分 `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` は、施用量からの ±5% 精度を組み込んでいます `150`, `120`, `180` kg/ha。

## まとめ

試験区の収量結果は、圃場の高い過去生産性ゾーン全体で観察された平均収量とほぼ一致しています。言い換えると、N34 製品の試験施用量 <mark style="color:青;">120 kg/ha - 150 kg/ha - 180 kg/ha</mark>では、平均収量は <mark style="color:青;">6.33 t/ha - 6.34 t/ha - 6.41 t/ha</mark> 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ありません。


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.geopard.tech/geopard-tutorials/jpn/nong-xue/pu-chang-shi-yan-jie-xi.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
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.