> 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/lva/agronomija/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps.md).

# Dīlera darbplūsma Itālijā: John Deere Ops Center - GeoPard - VRA slāpeklis - izmēģinājumi - peļņas kartes

John Deere dīlera gadījuma izpēte: Sergio Bassan un GeoPard veicina precīzās lauksaimniecības ieguldījuma atdevi

Precīzajā lauksaimniecībā precīzi dati un padziļināta analītika ir būtiski, lai pieņemtu pārdomātākus lēmumus un uzlabotu saimniecības produktivitāti. Pagājušajā gadā, [GeoPard Agriculture](https://geopard.tech/) sadarbojās ar [John Deere](https://deere.com/) dīleri [Sergio Bassan S.r.l.](https://www.bassan.com/) Itālijā, lai atbalstītu vietējos lauksaimniekus visas veģetācijas sezonas garumā. Lūk, kā mūsu sadarbība ietekmēja vienu lauku — piemērs, kas parāda tās rezultātus.

## 1. Sagatavošanās: ražības zonu un mainīgās devas karšu izveide <a href="#ember54" id="ember54"></a>

Gatavojoties sezonai, analizējām vēsturiskos ražības datus un veģetācijas tendences, lai novērtētu lauka ražības profilu. Tā kā reljefs bija samērā līdzens un ražību neierobežoja, galvenā uzmanība tika pievērsta ražībai un vēsturiskajiem veģetācijas modeļiem. Ražības dati tika ērti importēti GeoPard, izmantojot [integrāciju ar John Deere Operations Center](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/john-deere-operations-center-integration/john-deere-operations-center-integration/2.-connect-to-johndeere-operations-center).

Izmantojot [daudzslāņu pieeju](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/zones-maps-and-analytics/multi-layer-analytics), katru lauku sadalījām trīs ražības zonās, izmantojot ražības datus un vēsturisko veģetāciju, ko noteicām pēc satelītattēlu EVI2 indeksa. Tas ļāva lauksaimniekiem precīzi pielāgot sējas un mēslošanas stratēģijas, mainot izsējas un mēslojuma devas atbilstoši lauka neviendabīgumam.

Lai novērtētu mainīgas izsējas devas (VRA) ietekmi, iezīmējām izmēģinājuma joslu, kas šķērsoja visas ražības zonas. Šāds tiešs salīdzinājums palīdzēja novērtēt VRA sējas efektivitāti salīdzinājumā ar sēju vienmērīgā izsējas devā.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F9K1AKO8U6WRqtK5XBVKj%2F1.png?alt=media&amp;token=de34466e-17f1-40c9-98da-c00d71ae5d14" alt="The GeoPard VRA seeding map for silage corn, with the trial line."><figcaption><p>VRA sējas karte skābbarības kukurūzai ar izceltu izmēģinājuma joslu.</p></figcaption></figure>

## 2. Precīza izpilde: no sējas līdz mēslojuma iestrādei <a href="#ember59" id="ember59"></a>

GeoPard nodrošināja vienkāršu VRA karšu izpildi un ļāva detalizēti sekot līdzi darbiem visas sezonas garumā.

### Vienkārša VRA karšu pārsūtīšana un izpilde <a href="#ember61" id="ember61"></a>

VRA kartes tika nosūtītas tieši uz John Deere Operations Center, lai tās izmantotu lauksaimniecības tehnika. GeoPard atbalsta vairākus eksportēšanas formātus, tostarp Shapefile, ISOXML un tiešu integrāciju ar John Deere Operations Center, kā arī eksportu failu un karšu slāņu veidā un [darba plānos](https://youtu.be/op1o-Y3r6bg). Sezonas gaitā tika izmantota gan mainīgas devas mēslošana un mainīgas izsējas deva, gan vienmērīga deva — fosfora un kālija iestrādei pirms sējas, kā arī vairākām slāpekļa papildmēslošanas reizēm —, lai uzlabotu kultūraugu attīstību un optimizētu barības vielu pārvaldību.

### Mēslojuma iestrādes karšu uzskaite <a href="#ember63" id="ember63"></a>

GeoPard apkopoja un analizēja visus iestrādes datus, [salīdzinot plānotos un faktiski veiktos darbus](https://docs.geopard.tech/geopard-tutorials/agronomy/evaluate-accuracy-of-seeding-application) un konstatējot neatbilstības, kuru dēļ varētu būt vajadzīgas korekcijas vai atkārtota iestrāde. Mērķa un faktiskās izsējas devas salīdzinājums apstiprināja precīzu darbu izpildi bez būtiskām neatbilstībām.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDqi85aemYTwjcnJtiTPT%2F2.png?alt=media&amp;token=bd5d1333-bcbc-4535-bf67-259d8ac719d7" alt="Article content"><figcaption><p>Izsējas deva: mērķa un faktiskās devas salīdzinājums.</p></figcaption></figure>

## 3. Noderīgu atziņu gūšana <a href="#ember66" id="ember66"></a>

Pēcražas analīzei ir būtiska nozīme, lai mācītos no aizvadītās sezonas un plānotu nākamo.

### Ražības datu tīrīšana un kalibrēšana <a href="#ember68" id="ember68"></a>

Pēc ražas novākšanas ražības kartes automātiski tiek parādītas GeoPard, izmantojot integrāciju ar John Deere Operations Center, vai arī tās var augšupielādēt manuāli GeoPard saskarnē. Platforma [kalibrē un attīra kombaina ražības datus](https://docs.geopard.tech/geopard-tutorials/agronomy/yield-calibration-and-cleaning), nodrošinot ļoti precīzas atziņas labāku lēmumu pieņemšanai. Tālāk redzamie blakus salīdzinājumi uzskatāmi parāda, kā datu tīrīšana uzlabo analīzi un paaugstina rezultātu uzticamību.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FgYa1XZB0Ay1GnowHzUs4%2F3.png?alt=media&amp;token=8e1afa21-e0ac-48ab-a087-9aa5c7edae25" alt="Article content"><figcaption><p>Kalibrēti (augšā) un neapstrādāti (apakšā) ražības dati.</p></figcaption></figure>

### Slāpekļa pārvaldība <a href="#ember71" id="ember71"></a>

Piekļuve visām sezonas laikā izveidotajām faktiski iestrādātā mēslojuma kartēm ļāva precīzi aprēķināt kopējo iestrādātā slāpekļa daudzumu, summējot visus ar slāpekli saistītos darbus.

Slāpekļa uzņemšanas daudzums tika noteikts, izmantojot ražības datus un kultūraugu modeļus. Ja kombaini ir aprīkoti ar kopproteīna sensoriem, šos datus iekļauj aprēķinos, lai iegūtu vēl precīzākas atziņas.

[Slāpekļa izmantošanas efektivitāte un pārpalikums](https://docs.geopard.tech/geopard-tutorials/agronomy/nitrogen-use-efficiency-and-uptake) tika novērtēti, salīdzinot kopējo iestrādātā slāpekļa daudzumu ar kultūraugu uzņemto slāpekļa daudzumu. Tas palīdzēja optimizēt mēslošanas stratēģijas nākamajām sezonām.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FnuPXw9XnwPy3lc6Dci9B%2F4.png?alt=media&amp;token=05758c78-f64a-494b-970f-0bf22238ff6c" alt="Article content"><figcaption><p>Slāpekļa izmantošanas efektivitāte.</p></figcaption></figure>

### VRA un izmēģinājumu novērtējums <a href="#ember76" id="ember76"></a>

Izmantojot precīzi noteiktas izmēģinājumu zonas, tika veikta padziļināta analīze, lai salīdzinātu kultūraugu sniegumu dažādās ražības zonās.

Šīs atziņas ļāva skaidri saprast, kā [katrā zonā reaģēja uz VRA sēju](https://docs.geopard.tech/geopard-tutorials/agronomy/field-trial-analytics), tā palīdzot pārbaudīt, kuras metodes vislabāk izmantot nākamajās sezonās.

Izmēģinājuma karte un datu tabula sniedz detalizētu analīzi par kultūraugu sniegumu četrās atšķirīgās ražības zonās, parādot, kā mainīgas izsējas devas (VRA) ietekmē ražību un rentabilitāti.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FEpEUASCH2lPMWsn6nECR%2F5.png?alt=media&amp;token=955f90ec-264b-40f8-9e83-4be408601aef" alt="VRA and trial results"><figcaption><p>VRA un izmēģinājumu rezultāti.</p></figcaption></figure>

### **Galvenie novērojumi un atziņas**

* **Rentabilitāte un platība**: lai gan 2. zonā bija visaugstākā kopējā peļņa un vidējā ražība, 3. zona parādīja, ka mazākas, bet ļoti ražīgas platības (20,42 t/ha) var nodrošināt augstu rentabilitāti uz hektāru (1808,14 €/ha).
* **Zonu sniegums**: Karte rāda, ka augstākās ražības zonas sakrīt ar gaišāk zaļajām produktivitātes zonām (3. zona), kas liecina par izteiktu reakciju uz mainīgas izsējas normas (VRA) sēju.
* **Peļņas sadalījums**: Lai gan 4. zonā (izmēģinājuma joslā) ražība bija diezgan laba, kopējā peļņa bija mazāka, jo tās platība bija mazāka un, iespējams, bija lielākas resursu izmaksas vai zemāka efektivitāte.
* **Nākotnes perspektīvas**: Šī analīze nodrošina uz datiem balstītu pamatu sējas stratēģiju pilnveidošanai turpmākajās sezonās. Tā liecina, ka lielāki ieguldījumi zonās, kuras reaģē labāk (piemēram, 3. zonā), varētu uzlabot saimniecības kopējos rezultātus.

### Ražības un rentabilitātes analīze <a href="#ember83" id="ember83"></a>

Salīdzinot ražības datus ar faktiskajām resursu izmaksām, lauksaimnieki ieguva skaidru priekšstatu par [Telpiskās peļņas kartes](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/) — jaudīgu rīku rentabilitātes novērtēšanai lauka daļu līmenī. Salīdzinot ieņēmumus no ražas ar izdevumiem, tika noteiktas zonas ar augstu peļņas normu un iezīmētas vietas, kur nepieciešama mērķtiecīgāka rīcība.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F47XGTkAERSxGHMsIKxQ6%2F6.png?alt=media&amp;token=557d812b-784f-4d33-a208-157ef4e6ac47" alt="Article content"><figcaption><p>Peļņas karte ar augstas un zemas peļņas zonas attēlojumu.</p></figcaption></figure>

## 4. Skats nākotnē: kas tālāk? <a href="#ember86" id="ember86"></a>

Balstoties uz šī gada panākumiem, sadarbība ar John Deere izplatītāju Sergio Bassan Italy turpināsies arī 2025. gada sezonā, ieviešot papildu funkcijas un uzlabojot darba procesus:

### Automatizēti ieteikumi augsnes paraugu ņemšanai <a href="#ember88" id="ember88"></a>

GeoPard viedā sistēma iesaka optimālos punktus augsnes paraugu ņemšanai zonās. Paraugu ņemšanai un lauku apsekošanai izmanto lietotni GeoPard Mobile.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKOxGw1tENbXpyyyOd9Q6%2F7.png?alt=media&amp;token=6ad38d66-31a4-44c3-9900-3dbb6b7e4e48" alt="Article content" width="375"><figcaption><p>Karte ar augsnes paraugu ņemšanas vietām</p></figcaption></figure>

### Augsnes paraugu datu analīze un VRA ieteikumi <a href="#ember91" id="ember91"></a>

Kad [augsnes dati](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/import/soil-data) būs iegūti, GeoPard pārvērtīs šo informāciju precīzās mēslojuma izkliedes kartēs un sagatavos mainīgas devas ieteikumus dažādām zonām.

### Automatizēta izmēģinājumu un VRA analīze <a href="#ember93" id="ember93"></a>

Lauksaimnieki varēs izmantot automatizētu procesu, lai novērtētu VRA stratēģiju un izmēģinājuma joslu efektivitāti, tādējādi nodrošinot ātrāku un konsekventāku pārskatu sagatavošanu.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F4oApZ5oWX8s85glsZbVc%2F8.png?alt=media&amp;token=16653dc6-8966-408d-9a0e-22cd2ea820ac" alt="Article content"><figcaption></figcaption></figure>

### Automatizēta peļņas karšu izveide <a href="#ember96" id="ember96"></a>

Plānojam automatizēt rentabilitātes karšu izveidi, izmantojot veiktās darbības un citus būtiskus datus, lai optimizētu rentabilitāti un palīdzētu plānot nākamo sezonu

## 5. Partnera ieskats <a href="#ember98" id="ember98"></a>

Pēc mūsu partnera **Sergio Bassan Italy**,

> “GeoPard analītikas rīki ir atvieglojuši mūsu komandai un lauksaimniekiem precīzās lauksaimniecības rīku efektīvu izmantošanu. Uzticama analītika un pastāvīgs atbalsts visas sezonas garumā ir uzlabojis resursu plānošanu un pārvaldību. Esam pārliecināti, ka mūsu nodaļas un GeoPard sadarbība sniegs klientiem nozīmīgus uzlabojumus un ieguvumus.”

\- [Edoardo Pozzato](https://www.linkedin.com/article/edit/7307362147670343682/), precīzās lauksaimniecības agronoms.

## Noslēguma atziņas <a href="#ember102" id="ember102"></a>

Mūsu sadarbība ar John Deere izplatītāju Sergio Bassan Italy — no produktivitātes zonu noteikšanas līdz ražības un peļņas karšu analīzei — apliecina precīzās lauksaimniecības praktiskos ieguvumus. Turpinot ieviest automatizētus ieteikumus augsnes paraugu ņemšanai un uzlabotu rentabilitātes analīzi, ceram vēl vairāk paaugstināt efektivitāti un ilgtspēju reģiona lauksaimniekiem.

## Par uzņēmumiem <a href="#ember104" id="ember104"></a>

[**Sergio Bassan srl**](https://www.bassan.com/it/)**:** Uzņēmums savās 10 atrašanās vietās piedāvā jaunu un lietotu lauksaimniecības tehniku, traktorus, kombainus, smalcinātājus, teleskopiskos iekrāvējus, ekskavatorus, satelītnavigācijas sistēmas, zemes apstrādes un siena sagatavošanas aprīkojumu, tehniku dārzkopībai un vīnkopībai, dārza tehniku un traktorus, kā arī piederumus un rezerves daļas. Sergio Bassan komandā ir astoņi precīzās lauksaimniecības tehniķi, kuri konsultē par precīzajām tehnoloģijām un palīdz lauksaimniekiem uz vietas pārliecināties par to priekšrocībām. Precīzās lauksaimniecības nodaļas mērķis ir izmēģināt klientiem jaunus risinājumus, vienlaikus uzturot pastāvīgu saikni un sniedzot nepārtrauktu atbalstu, arī attālināti.

[**GeoPard Agriculture**](https://geopard.tech/)**:** Uzņēmums ir viens no vadošajiem precīzās lauksaimniecības tehnoloģiju jomā. GeoPard specializējas ģeotelpiskajā analītikā un piedāvā risinājumus, kas sarežģītus lauksaimniecības datus pārvērš praktiski izmantojamās atziņās. Tā tehnoloģijas palīdz optimizēt dažādus saimniekošanas aspektus — no augsnes analīzes līdz VRA kartēm, attālinātajai izpētei un lauksaimniecības tehnikas datu analīzei — un būtiski veicina viedās lauksaimniecības attīstību.


---

# 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/lva/agronomija/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps.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.
