> 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/produkta-apskats-timekla-lietotne/yield-data-and-harvest-analytics.md).

# Ražas dati un novākšanas analītika

Importējiet, apstrādājiet, notīriet, atjaunojiet, analizējiet, izveidojiet devu kartes, peļņas kartes un kopīgojiet novākšanas ražas datus GeoPard.

Izmantojiet GeoPard, lai neapstrādātus kombaina failus pārvērstu lēmumu pieņemšanai gatavās ražības kartēs.

{% hint style="success" %}
Izmēģiniet to ar saviem ražas novākšanas failiem: [Sākt bez maksas](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-data-and-harvest-analytics)
{% endhint %}

### Tipiskā darbplūsma

{% stepper %}
{% step %}

### Importēšana

Ielādējiet ražas novākšanas datus no shapefile failiem, tehnikas failiem vai John Deere. Sāciet ar faila importēšanu. Pēc tam apstrādājiet, attīriet, kalibrējiet, aizpildiet iztrūkstošos datus un izmantojiet rezultātu agronomisko ieteikumu sagatavošanai.
{% endstep %}

{% step %}

### Apstrāde

Pārbaudiet atribūtus, mērvienības, atbilstību laukam un konkrētajai tehnikai raksturīgo informāciju.
{% endstep %}

{% step %}

### Attīrīšana un kalibrēšana

Noņemiet troksni. Novērsiet joslošanos. Saskaņojiet vērtības ar uzticamiem kopsummu datiem.
{% endstep %}

{% step %}

### Iztrūkstošo datu atjaunošana

Izmantojiet sintētiskos ražības datus, ja reģistrēšanas dati trūkst vai ir nepilnīgi.
{% endstep %}

{% step %}

### Ieteikumu sagatavošana

Izveidojiet zonas, vienādojumus un rentabilitātes darbplūsmas, izmantojot attīrītos ražības datus.
{% endstep %}

{% step %}

### Rezultātu kopīgošana

Nosūtiet no ražības datiem iegūtās kartes un ieteikumus uz John Deere Ops Center.
{% endstep %}
{% endstepper %}

### 1. Ražības datu importēšana

GeoPard atbalsta standarta GIS failus un tehnikas datu formātus.

Parasti tiek izmantoti šādi ievaddati: `shp`, `ISOXML` un patentēti faili, piemēram, `jdl`, `cn1`, `adm`, `dat` un saistītie tehnikas arhīvi.

Ražības datus var importēt arī tieši no John Deere Operations Center.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FAyA8wGTgxwgAZsjOhlmz%2Fimage.png?alt=media&amp;token=0aeed3da-5098-404c-a881-2025f690f4bd" alt="Upload machinery files"><figcaption><p>Augšupielādējiet tehnikas failus, un GeoPard tos apstrādās, izveidojot datu kopas.</p></figcaption></figure>

Detalizētu darbību secību skatiet šajās lapās:

* [Ražības datu importēšana](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/import-precision-agriculture-data/yield-data-import.md)
* [Tehnikas patentētie formāti](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/import-precision-agriculture-data/machinery-proprietary-formats.md)
* [Importēšana no MyJohnDeere](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/import-precision-agriculture-data/import-from-myjohndeere.md)

### 2. Ražības datu apstrāde

Pēc importēšanas GeoPard sasaista datu kopu ar lauku un parāda tajā ietvertos ražas novākšanas atribūtus.

Šajā posmā pārliecinieties, vai datu kopa ir izmantojama.

Vispirms pārbaudiet:

* vai galvenais ražības atribūts ir atlasīts pareizi
* vai mērvienības ir pareizas un savstarpēji salīdzināmas
* vai mitruma, ātruma, hedera platuma un kustības virziena rādītāji šķiet ticami
* vai dati atbilst lauka robežai
* vai vajadzības gadījumā ir pieejamas tehnikas trajektorijas vai ražas novākšanas datumi

Šāda pārbaude noder pirms datu tīrīšanas, zonu izveides vai vienādojumu sagatavošanas.

{% hint style="info" %}
Ražības datu kopās bieži ir vairāk nekā viens noderīgs slānis.

Papildus ražas masai pārbaudiet mitruma, sausnas, ātruma, attāluma un kustības virziena datus, kā arī tehnikas trajektorijas.
{% endhint %}

### 3. Tīrīšana un kalibrēšana

Neapstrādātos ražības failos bieži ir pagriezienu un apstāšanās dati, izlecieni, pārklājumi un vērtības ārpus lauka.

GeoPard novērš šos artefaktus un kalibrē datu kopu turpmākai analīzei.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F20oK9gntxkBPLitm5waW%2Fimage.png?alt=media&amp;token=dc4dc121-6e5e-41cf-8d72-515fe882663a" alt="Result after cleaning and calibration"><figcaption><p>Rezultāts pēc tīrīšanas un kalibrēšanas.</p></figcaption></figure>

Izmantojiet šo funkciju, ja nepieciešams:

* noņemt netipiskas vērtības un troksni
* ražas dati pēc lauka robežas
* saskaņot vairāku kombainu vai ražas novākšanas dienu datus
* koriģēt vispārējo nobīdi, izmantojot zināmo vidējo vai kopējo ražību
* lietot USDA ražas datu tīrīšanas loģiku

Pilnu rokasgrāmatu skatiet šeit:

* [Ražas kalibrēšana un tīrīšana](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/yield-and-trials/yield-calibration-and-cleaning.md)

{% hint style="warning" %}
Izmantojiet **kalibrēšanu pēc kombaina gaitām** ja svītrojumu rada vairāku mašīnu vai dienu dati.

Izmantojiet **kalibrēšanu pēc vidējās vai kopējās ražības** ja lauka kopējai ražībai var uzticēties.
{% endhint %}

### 4. Sintētiskās ražas kartes

Ne visos ražas novākšanas darbos tiek pilnībā reģistrēti ražas dati.

Sintētiskās ražas kartes noder, ja datu trūkst, tie ir nepilnīgi vai nekad nav reģistrēti.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FnEKqU70RiQEE0oxNKgls%2Fimage.png?alt=media&amp;token=e779ea7e-dc6b-45d0-8be6-4f320a5d600a" alt="Calibrated vs synthetic yield"><figcaption><p>Salīdziniet kalibrēto ražu ar sintētisko ražas karti.</p></figcaption></figure>

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fz427malsrdHAQOCNjQyh%2Fimage.png?alt=media&amp;token=26a63983-2a7f-48b2-bfc9-3e40a883582a" alt="Synthetic yield dataset example"><figcaption><p>Sintētiskas ražas datu kopas piemērs.</p></figcaption></figure>

Tas noder, ja:

* vecākiem kombainiem nebija ražības monitoru
* dati reģistrēti tikai daļā lauka
* neapstrādātie dati ir pārāk bojāti, lai tiem vieniem pašiem varētu uzticēties
* zināma tikai lauka vidējā vai kopējā ražība

Sintētiskajā ražā tiek izmantoti vēsturiskie dati par lauka īpašībām un attālās izpētes raksturlielumi.

Tā noder arī **daļējai atjaunošanai**.

Ja vienā lauka daļā ir izmantojami ražas novākšanas dati, bet citā to trūkst vai tie ir pārāk trokšņaini, GeoPard var rekonstruēt nepilnīgo platību un izveidot pilnīgāku ražas datu kopu.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F0seT3f3a7IV3lozI6BSj%2FGeoPard-restoring_partial_yield.gif?alt=media&amp;token=1b6eecac-ac0a-45ff-80ee-26dd89da4a5a" alt="Reconstruct partial harvesting dataset"><figcaption><p>Rekonstruējiet trūkstošo daļu nepilnīgā ražas novākšanas datu kopā.</p></figcaption></figure>

Lasiet vairāk:

* [Sintētiskā ražas karte](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/yield-and-trials/synthetic-yield-map.md)
* [Satelītnovērošana](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/satellite-monitoring.md)

### 5. Izveidojiet ieteikumus, izmantojot ražas datus

Tīri ražas dati ir viens no vērtīgākajiem ievaddatiem mēslojuma un citu resursu devu karšu izveidei un pēcsezonas analītikai.

#### Zonas

Izmantojiet tikai ražas datus vai apvienojiet tos ar augsnes un faktiski izkliedēto devu slāņiem.

Šī ir ierasta pieeja ražības zonu veidošanai un mainīgas devas plānošanai.

Zonējumu var izveidot arī, izmantojot vairāku gadu ražas datu kopas.

Parastā darbplūsma:

* iztīrīt un kalibrēt katru ražas datu kopu
* normalizēt vai salīdzināt dažādu gadu datu kopas
* iekļaut sintētiskās ražas datus, ja trūkst vēsturisko ražas novākšanas datu
* apvienot atlasītos ražas slāņus vienotā zonēšanas darbplūsmā

Noderīgas lapas:

* [Zonu kartes izveide, izmantojot augsnes, ražas un faktiski izkliedēto devu datus](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/zones-maps-and-analytics/create-a-zones-map-using-soil-yield-or-as-applied-data.md)
* [Lauka apsaimniekošanas zonu (ražības zonu) izveides process](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/field-management-zones-productivity-zones-creation-process.md)
* [Ražas datu kopu salīdzināšana](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/yield-and-trials/comparing-yield-datasets.md)

#### Vienādojumi

Izmantojiet ražas datus vienādojumos izneses, efektivitātes, ieguldījumu atdeves (ROI), līdzības un pielāgotās analītikas aprēķināšanai.

* [Analītika, izmantojot vienādojumus](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/equation-based-analytics.md)
* [Vienādojumu analītikas pakešapstrāde](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/equation-based-analytics/batch-equation-analytics.md)
* [Slāpekļa izmantošanas efektivitāte (NUE) un slāpekļa uzņemšana](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/fertilizer-and-nitrogen/nitrogen-use-efficiency-nue-and-nitrogen-uptake.md)

#### Mainīgas devas kartes, kuru pamatā ir barības vielu uzņemšana

Ražas datus var izmantot arī barības vielu izneses un uzņemšanas darbplūsmās.

Praktisks piemērs ir mainīgas slāpekļa devas kartes izveide, izmantojot kultūraugu uzņemšanas principus, un pēc tam tās eksportēšana kā mašīnai gatava mēslojuma karte.

<figure><img src="https://lh4.googleusercontent.com/GlMwn4wfmG_uCEh4YaAY7w8wMmZ-eqdVkS9y8gZr1GFxnS7SJX_oH7njtMadYROdlHRkmsqg69JEGGFl-m02gJhdipOKxaoyohJDuzo5lAdmsx3CEGc3jUbTgaakZZc1ZzL1IThM15urylg81hoYv3Fv_lfHK3Y3iYtNiOBMhEGBzKF_eoyV8QBcJQ" alt="Variable-rate nutrient uptake map example"><figcaption><p>VRA kartes piemērs, kas balstīts uz barības vielu uzņemšanu, kas aprēķināta no ražas datiem.</p></figcaption></figure>

GeoPard var aprēķināt:

* **Slāpekļa uzņemšanu (NU)**
* **Slāpekļa izmantošanas efektivitāti (NUE)**
* **Slāpekļa pārpalikumu (NS)**

Šie rezultāti palīdz noteikt, kur kultūraugs ir uzņēmis vairāk barības vielu, kur slāpeklis palicis neizmantots un kur nākamās sezonas devas būtu jāpalielina vai jāsamazina.

Skatiet šos materiālus:

* [Slāpekļa izmantošanas efektivitāte (NUE) un slāpekļa uzņemšana](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/fertilizer-and-nitrogen/nitrogen-use-efficiency-nue-and-nitrogen-uptake.md)
* [Praktisks piemērs: mainīgas devas slāpekļa mēslojums kartupeļiem, lai palielinātu ražību par 5–10%](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/fertilizer-and-nitrogen/use-case-variable-rate-nitrogen-vra-for-potatoes-to-realize-5-10-more-yield.md)
* [Mainīgo devu piešķiršana zonām (lauksaimniecības resursu devu sadales rīks)](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/zones-maps-and-analytics/assign-variable-rates-in-zones-ag-input-rates-distribution-tool.md)

#### Peļņas kartes

Darba plūsmas peļņas analīzei apvieno ražu, cenas un darbu izmaksas.

Izmantojiet tās, lai salīdzinātu peļņas maržu atšķirības viena lauka ietvaros, nevis paļautos tikai uz vidējo rādītāju visam laukam.

Itālijas izplatītāja darba plūsmas piemērā GeoPard pēc VRA izpildes un ražas novākšanas datu pārskatīšanas salīdzina ražu un rentabilitāti pa zonām.

Galvenie secinājumi no šī piemēra:

* **2. zona** uzrādīja vislielāko kopējo peļņu un vidējo ražu.
* **3. zona** sasniedza visaugstāko ražību — **20,42 t/ha**.
* **3. zona** arī nodrošināja **1808,14 €/ha** lielu peļņu.
* Peļņas karte izceļ zonas, kur peļņas marža ir augsta un kur izmaksas ir grūtāk atpelnīt.

<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="Profit map with high and low margin areas"><figcaption><p>Peļņas karte ar augstas un zemas peļņas maržas zonām.</p></figcaption></figure>

Atsauces:

* [Izplatītāja darba plūsma Itālijā: John Deere Ops Center — GeoPard — slāpekļa VRA — izmēģinājumi — peļņas kartes](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps.md)
* [Iepazīstinām ar GeoPard peļņas kartēm: solis uz priekšu precīzajā lauksaimniecībā](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/)

### 6. Pārbaudiet ražas novākšanas rezultātus, izmantojot ražas pārskatu

Pēc ražas novākšanas izmantojiet ražas pārskatu, lai pārbaudītu zonu veiktspēju.

Salīdziniet ražu ar plānotajām vai faktiski lietotajām devām. Izvērtējiet ražas reakciju, zonu ekonomiskos rādītājus un nākamās sezonas pasākumus.

<div><figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FjfRXHkaTS72n8EWNW1bc%2Fyield-report-tab.png?alt=media&amp;token=f242bad8-8727-4d0d-99b2-f1432adddab7" alt=""><figcaption></figcaption></figure> <figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FJhUbXX7KIE0yM624ixpO%2Fcompare-by-zones-2.png?alt=media&amp;token=514b76ba-7d6f-455a-b452-6b2136e39124" alt=""><figcaption></figcaption></figure></div>

* [Ražas pārskats](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/yield-and-trials/yield-report.md)

### 7. Nosūtiet ražas datus uz John Deere Ops Center

Ir trīs praktiski veidi, kā to izdarīt.

Pirmkārt, importējiet ražas novākšanas datus no John Deere programmā GeoPard.

Otrkārt, nosūtiet no ražas datiem iegūtos rezultātus atpakaļ uz John Deere kā failus vai karšu slāņus.

Treškārt, eksportējiet apstrādātos ražas datus atpakaļ kā **Lauka darbu datus**.

Izmantojiet maršrutu **Lauka darbu dati** ja vēlaties, lai attīrītā vai kalibrētā datu kopa aizstātu datu kopu, kas redzama John Deere Operations Center.

Ja lauks jau ir saistīts ar John Deere, jaunie GeoPard resursi šim laukam var tikt sinhronizēti ar Ops Center.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F8dKxPmUmV4amrPsHjVS2%2FExport%20GeoPard%20Layer%20to%20John%20Deere%20as%20a%20Map%20Layer.png?alt=media&amp;token=97fa981e-9c01-4755-97ba-c30db4cb27ad" alt="Export layer to John Deere"><figcaption><p>Nosūtiet GeoPard slāņus uz John Deere Ops Center.</p></figcaption></figure>

Skatiet šīs lapas:

* [Importēšana no MyJohnDeere](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/import-precision-agriculture-data/import-from-myjohndeere.md)
* [6. Eksportējiet Rx kartes uz John Deere Operations Center kā failus](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/john-deere-operations-center-integration/6.-export-rx-maps-to-john-deere-operations-center-as-files.md)
* [9. Eksportējiet augsnes, reljefa, satelītattēlu vai analītikas datus kā karšu slāņus](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/john-deere-operations-center-integration/9.-export-soil-topography-satellite-or-analytics-as-map-layers.md)

{% hint style="info" %}
Laukiem, kas savienoti ar John Deere, GeoPard var arī nosūtīt apstrādātos slāņus atpakaļ uz Ops Center kā lauka darbu datus.

Tas noder pēc ražas datu attīrīšanas un kalibrēšanas, kad koriģētajai datu kopai jāaizstāj sākotnējais operatīvais slānis John Deere sistēmā.
{% endhint %}

### Saistītās lapas

* [Ražas datu kopu salīdzināšana](https://docs.geopard.tech/geopard-tutorials/lva/agronomija/yield-and-trials/comparing-yield-datasets.md)
* [Ražas datu skatīšana](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-mobila-lietotne/viewing-yield-data.md)
* [Darbu žurnāls — kļūdu, importēšanas un analītikas izsekošana](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/operations-log-track-errors-imports-and-analytics.md)


---

# 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/produkta-apskats-timekla-lietotne/yield-data-and-harvest-analytics.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.
