Lauka izmēģinājumu analītika

Agronomi izmanto lauka izmēģinājumu analīzi, lai novērtētu dažādu kultūraugu šķirņu, audzēšanas tehniku un ieguldījumu izmantošanas sniegumu, tostarp mainīgā devas lietojuma rezultātus precīzajā lauksaimniecībā. Vācot, analizējot un interpretējot datus, kas radušies lauka izmēģinājumos, pētnieki iegūst ieskatu genētikas, vides un apsaimniekošanas prakses mijiedarbībā. Šīs zināšanas palīdz izstrādāt kultūraugu apsaimniekošanas stratēģijas, kas optimizē ražas potenciālu, vienlaikus samazinot ieguldīto resursu patēriņu. Turklāt izmēģinājumu analīze ļauj novērtēt precīzās lauksaimniecības prakses efektivitāti un palīdz identificēt izturīgas šķirnes, kas var sekmīgi augt dažādos un izaicinošos apstākļos, tādējādi veicinot pārtikas drošību.

Datu sagatavošana

Lai efektīvi veiktu izmēģinājumu analīzi, nepieciešamas dažas būtiskas datu kopas:

1. Ražas datu kopa: Šī datu kopa fiksē ražas datus. To var importēt no JohnDeere Operation Center vai manuāli augšupielādēt kā shapefile vai kā mehanizācijas patentētu formātu.

2. Pielietojumu datu kopa: Tas ir izšķiroši svarīgi, lai saprastu faktiskajā laukā izpildīto pielietojumu. Vismaz tajā ir jābūt atribūtiem, piemēram, TargetRate, AppliedRate un dažiem mehanizācijas saistītiem rādītājiem. Tāpat kā ar ražas datu kopu, mums ir iespējas importēt to no JohnDeere Operation Center vai manuāli augšupielādēt kā shapefile vai kā mehanizācijas patentētu formātu.

3. zonām/platībām ar izmēģinājumiem/eksperimentiem: Tie rāda plānotās pielietojuma devas mūsu izmēģinājumiem, sniedzot ieskatu eksperimentālā dizainā. Ja šāds datu slānis ir pieejams, mēs to augšupielādējam kā shapefile iekš AsApplied/AsPlanted vai Yield vadības. Tas nodrošina saderību, veidojot EquationMaps, atvieglojot jūsu izmēģinājumu analīzi. Ja šāds datu slānis nav pieejams, TargetRate atribūts no Application datu kopas var kalpot kā aizstājējs izmēģinājumu novērtēšanā.

4. Vēsturiskās lauka potenciāla zonas: Šīs zonas ģenerē GeoPard (sīkāka informācija ir ŠEIT). Tās ir noderīgas, analizējot izmēģinājumus ar konsekventu vēsturisko produktivitāti. Tas ir īpaši izdevīgi, ja izmēģinājumi izvietoti reģionos ar dažādu vēsturisko produktivitāti.

Kad esam apkopojuši šīs datu kopas, nākamais solis ir sākt izmēģinājumu novērtēšanas procesu.

Datu pārskats

Ir pieejami šādi dati par 2023. gada ziemas kviešu sezonu:

• Ražas datu kopa, izceļot mitrās masas sadalījumu (1. att.)

1. att. Oriģinālā ražas datu kopa

• Slāpekļa (N34) mainīgās devas plāns (150 kg/ha) ar 2 izmēģinājumu platībām (120 kg/ha un 180 kg/ha)(2. att.)

2. att. Slāpekļa (N34) VRA plāns ar izmēģinājumu platībām

• Pielietojumu datu kopa, kas parāda lietotos statistikas datus (3. att.)

3. att. Pielietojumu datu kopa

• Vēsturiskā lauka produktivitāte (4. att.)

4. att. Vēsturiskā lauka produktivitāte

Ražas datu kopa nav kalibrēta: tur darbojās vairāki kombaini, redzamas apgriešanās un trūkstošu datu pēdas, kā arī klājas troksnis. Ieteicams veikt ražas kalibrēšanu un tīrīšanu optimāliem rezultātiem. Soli pa solim pamācību var atrast SAITE.

Ražas datu kopa pēc kalibrēšanas un tīrīšanas ir attēlota 5. att., kopā ar atjauninātajiem statistikas datiem. Šī datu kopa tiks izmantota nākamajos soļos.

5. att. Kalibrētā un attīrītā ražas datu kopa

Koncepts

Šeit izmēģinājumu analīzes mērķis ir noteikt efektīvāko slāpekļa (N34) devu laukam. Ir norādītas platības ar slāpekļa devām 120 kg/ha, 150 kg/ha un 180 kg/ha. Šie dati iegūti no Application datu kopas vienā pusē un kalibrētās ražas datu kopas otrā pusē.

Mēs koncentrējamies uz trim atšķirīgām zonām:

• 120 kg/ha (atzīmēta kā izmēģinājuma zona)

• 150 kg/ha (uzskatīta par galveno zonu)

• 180 kg/ha (vēl viena izmēģinājuma zona)

Mūsu pieeja ietvers šādus novērtējumus:

1. Balstīts uz plānu: izmantojot plānoto mainīgās devas pielietojumu (VRA), sasaistītu ar kalibrēto ražu.

2. Balstīts uz reālo pielietojumu: salīdzinot faktiski lietotās datu kopas ar kalibrēto ražu.

3. Balstīts uz reālo pielietojumu un vēsturisko produktivitāti: salīdzinot faktiski lietotās datu kopas ar kalibrēto ražu, pārklājot ar vēsturiskajām lauka potenciāla zonām.

Šī sistemātiskā pieeja ļaus visaptveroši novērtēt slāpekļa ietekmi uz ražu, pamatojoties gan uz plānotajiem, gan faktiskajiem pielietojuma datiem.

Balstīts uz plānu

Ietekme no lietotā plānotā slāpekļa (N34) uz ražas sadalījumu ir vizuāli redzama turpmākajos ekrānuzņēmumos (6. att., 7. att., 8. att.). Šeit ir īss atziņu pārskats:

• Galvenā zona ar slāpekļa devu 150 kg/ha aptver 45,8 ha un vidēji dod ražu 4,99 t/ha (6. att.).

• Pirmā izmēģinājuma zona, izmantojot 180 kg/ha slāpekļa devu, aizņem 1,76 ha, vidējā raža 6,5 t/ha (7. att.).

• Otrā izmēģinājuma zona ar 120 kg/ha slāpekļa devu aptver 1,86 ha un dod vidēji 6,39 t/ha (8. att.).

Rezultāti uzdod būtisku jautājumu: Kāpēc zemāka devas līmeņa pielietojums šķiet efektīvāks nekā augstāks? Lai iegūtu dziļāku ieskatu, nākamajā posmā tiks novērtēti izmēģinājumi, izmantojot faktisko lietoto datu kopu.

6. att. Galvenā zona ar N34 150 kg/ha

7. att. Izmēģinājuma zona ar N34 180 kg/ha

8. att. Izmēģinājuma zona ar N34 120 kg/ha

Tālāk atradīsiet padziļinātu diskusiju par formulām un konfigurācijām, kas izmantotas novērtēšanā.

Lai padziļināti izprastu Equation pieeju un tās izpildi, lūdzu, konsultējieties ar mūsu pamācībām gan lietotāja saskarnei un API.

Šeit ir vienādojumi, kurus jāizpilda, lai reproducētu aprēķinus.

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

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

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

Ir svarīgi ieslēgt Numpy (9. att.) un izslēgt Interpolāciju (10. att.).

9. att. Ieslēgt "Numpy"

10. att. Izslēgt "Interpolēto" datu izmantošanu

Balstīts uz reālo pielietojumu

Būtiski ir novērots, ka faktiski izmēģinājuma laikā lietotā deva ne vienmēr sakrīt ar plānoto (mērķa) devu. Konkrēti, sadalījums svārstās no 120 kg/ha līdz pat 189 kg/ha (11. att.). Ņemot vērā šo variabilitāti, kļuva svarīgi noteikt kļūdas tolerances robežu. Tādēļ ±5% precizitāte tika noteikta par pieņemamu slieksni, lai izmēģinājumu uzskatītu par piemērotu novērtēšanai.

Turpmākajos ekrānuzņēmumos (12. att., 13. att., 14. att.) ir attēlots ražas statistiskais sadalījums, koncentrējoties uz faktiski lietotajiem slāpekļa (N34) daudzumiem. Šeit ir apkopotā statistika, ņemot vērā ±5% pieņemšanas precizitāti:

• Galvenajā zonā ar 150 kg/ha lietotā platība bija 43,5 ha, ar vidējo ražu 4,9 t/ha (12. att.).

• Pirmā izmēģinājuma zona ar 180 kg/ha aptvēra 1,47 ha un deva vidēji 6,5 t/ha (13. att.).

• Otrā izmēģinājuma zona ar 120 kg/ha aptvēra 1,44 ha, ar vidējo ražu 6,3 t/ha (14. att.).

11. att. Faktiskās pielietotās devas izmēģinājumos

12. att. Galvenā zona ar N34 150 kg/ha ±5%

13. att. Izmēģinājuma zona ar N34 180 kg/ha ±5%

14. att. Izmēģinājuma zona ar N34 120 kg/ha ±5%

Lai labāk izprastu metodoloģiju un šo rezultātu specifiku, zemāk norādītās ir izmantotās vienādojumu formulas:

1. Faktiski lietotais slāpekļa daudzums izmēģinājumos: Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

2. Galvenā ar 150 kg/ha, ietverot 5% pieņemšanu: Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

3. Izmēģinājums ar 120 kg/ha, ietverot 5% pieņemšanu: Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

4. Izmēģinājums ar 180 kg/ha, ietverot 5% pieņemšanu: Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

Balstīts uz reālo pielietojumu un vēsturisko produktivitāti

Izmēģinājumu ražas rādītāji konsekventi pārsniedz vidējo ražu visā laukā. Galvenais faktors, kas veicina šo atšķirību, šķiet, ir vēsturiski augstā produktivitātes zona, kur norisinājās izmēģinājumi, kā attēlots 15. att. un 16. att.. Lai veiktu niansētāku izmēģinājumu novērtējumu, ir izšķiroši iekļaut produktivitātes zonas rezultātu analīzē.

15. att. Vēsturiskās lauka potenciāla zonas

16. att. Vēsturiskās lauka potenciāla zonas kā ražas datu kopa

Turpmākajos ekrānuzņēmumos (17. att., 18. att., 19. att.) ir ražas statistiskais sadalījums, koncentrējoties uz faktiski lietotajiem slāpekļa (N34) daudzumiem, pārklājot ar vēsturiskajām produktivitātes zonām (ģenerēts GeoPard). Šeit ir apkopotā statistika, ņemot vērā ±5% pieņemšanas precizitāti attiecībā uz lietotajiem daudzumiem:

• Galvenajā zonā ar 150 kg/ha lietotā platība bija 2,65 ha, ar vidējo ražu 6,34 t/ha (17. att.).

• Pirmā izmēģinājuma zona ar 180 kg/ha aptvēra 1,08 ha un deva vidēji 6,41 t/ha (18. att.).

• Otrā izmēģinājuma zona ar 120 kg/ha aptvēra 1,78 ha, ar vidējo ražu 6,33 t/ha (19. att.).

17. att. Galvenā zona ar N34 150 kg/ha, pārklāta ar vēsturisko produktivitāti

18. att. Izmēģinājuma zona ar N34 180 kg/ha ±5%, pārklāta ar vēsturisko produktivitāti

19. att. Izmēģinājuma zona ar N34 120 kg/ha ±5%, pārklāta ar vēsturisko produktivitāti

Lai labāk izprastu metodoloģiju un šo rezultātu specifiku, zemāk norādītās ir izmantotās vienādojumu formulas:

1. Galvenā ar 150 kg/ha, ietverot 5% pieņemšanu, pārklāta ar vēsturisko produktivitāti: Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

2. Izmēģinājums ar 120 kg/ha, ietverot 5% pieņemšanu, pārklāts ar vēsturisko produktivitāti: Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

3. Izmēģinājums ar 180 kg/ha, ietverot 5% pieņemšanu, pārklāts ar vēsturisko produktivitāti: Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

kur

• daļa Productivity_SubZone == 51 atspoguļo augstās produktivitātes zonas, kurās veiktas pielietojuma eksperimentu platības,

• daļas (Applied_Value >= 142.5) & (Applied_Value <= 157.5) , (Applied_Value >= 114.0) & (Applied_Value <= 126.0), (Applied_Value >= 171.0) & (Applied_Value <= 189.0) iekļauj ±5% precizitāti attiecībā uz devām 150, 120, 180 kg/ha.

Kopsavilkums

Izmēģinājumu ražas rādītāji cieši sakrīt ar vidējo ražu, kas novērota augstajā lauka vēsturiskās produktivitātes zonā. Citiem vārdiem sakot, eksperimentāla N34 produkta pielietošana devās 120 kg/ha - 150 kg/ha - 180 kg/ha, rezultējoties vidējās ražās 6,33 t/ha - 6,34 t/ha - 6,41 t/ha attiecīgi, būtiski neietekmē novākto ražu augstās produktivitātes zonā.