> 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/nl/agronomie/yield-and-trials/field-trial-analytics.md).

# Analyse van proefvelden

Analyseer proefvelden op het bedrijf met ruimtelijke statistiek om behandelingen te vergelijken, ROI te meten en aanbevelingen te verbeteren.

Landbouwkundigen gebruiken proefveldanalyses om de prestaties van verschillende gewasrassen, teelttechnieken en toepassingen van productiemiddelen te beoordelen, waaronder de resultaten van variabele dosering in precisielandbouw. Door gegevens uit veldproeven te verzamelen, analyseren en interpreteren, krijgen onderzoekers inzicht in de wisselwerking tussen genetica, omgeving en teeltmethoden. Deze kennis vormt de basis voor de ontwikkeling van teeltstrategieën die het opbrengstpotentieel optimaliseren en het gebruik van productiemiddelen beperken. Bovendien maken proefveldanalyses het niet alleen mogelijk om de effectiviteit van precisielandbouwpraktijken te beoordelen, maar helpen ze ook bij het identificeren van veerkrachtige gewasrassen die onder uiteenlopende en uitdagende omstandigheden kunnen gedijen. Zo dragen ze bij aan voedselzekerheid.

{% hint style="info" %}
Bekijk de interactieve pagina over praktijkproeven op geopard.tech: [Praktijkproeven](https://geopard.tech/on-farm-trials/)
{% endhint %}

{% hint style="info" %}
GeoPard ondersteunt ook split-plotproeven met een proefopzet met twee factoren, bijvoorbeeld dezelfde doseringen voor verschillende hybriden. Beoordeel zowel de hoofdeffecten als de interactie tussen dosering en hybride op dezelfde gegeorefereerde proeflaag.
{% endhint %}

## Gegevens voorbereiden

Voor een effectieve analyse van proefvelden zijn enkele essentiële datasets nodig:

1. **Opbrengstdataset**:\
   Deze dataset bevat de opbrengstgegevens.\
   We kunnen deze importeren vanuit het [JohnDeere Operation Center](https://docs.geopard.tech/geopard-tutorials/nl/producttour-webapp/import-precision-agriculture-data/import-from-myjohndeere.md) of handmatig uploaden als [shapefile](https://docs.geopard.tech/geopard-tutorials/nl/producttour-webapp/import-precision-agriculture-data/yield-data-import.md) of als [eigen machinerieformaat](https://docs.geopard.tech/geopard-tutorials/nl/producttour-webapp/import-precision-agriculture-data/machinery-proprietary-formats.md).
2. **Toepassingsdataset**:\
   Deze is essentieel om inzicht te krijgen in de daadwerkelijk uitgevoerde toepassing op het perceel. De dataset bevat minimaal kenmerken zoals TargetRate, AppliedRate en enkele machineriegerelateerde meetwaarden.\
   Net als bij de opbrengstdataset kunnen we deze importeren vanuit het [JohnDeere Operation Center](https://docs.geopard.tech/geopard-tutorials/nl/producttour-webapp/import-precision-agriculture-data/import-from-myjohndeere.md) of handmatig uploaden als [shapefile](https://docs.geopard.tech/geopard-tutorials/nl/producttour-webapp/import-precision-agriculture-data/as-applied-as-planted-data-import.md) of als [eigen machinerieformaat](https://docs.geopard.tech/geopard-tutorials/nl/producttour-webapp/import-precision-agriculture-data/machinery-proprietary-formats.md).
3. **Zones/proefvelden met proeven/experimenten**:\
   Deze tonen de geplande doseringen voor onze proeven en geven inzicht in de proefopzet.\
   Als zo'n gegevenslaag beschikbaar is, uploaden we deze als [shapefile](https://docs.geopard.tech/geopard-tutorials/nl/producttour-webapp/import-precision-agriculture-data/as-applied-as-planted-data-import.md) naar de controle voor AsApplied/AsPlanted of Yield. Zo is de compatibiliteit bij het maken van EquationMaps gewaarborgd en verloopt de analyse van proefvelden soepeler.\
   Dit kan een proefopzet met één factor zijn of een split-plotproef met een tweede behandelingsfactor, zoals hybride of ras.\
   Als zo'n gegevenslaag niet beschikbaar is, kan het kenmerk TargetRate uit de toepassingsdataset als vervanging dienen voor de beoordeling van proeven.
4. **Historische zones voor het opbrengstpotentieel van het perceel:**\
   Deze zones worden gegenereerd door GeoPard (meer informatie [HIER](https://docs.geopard.tech/geopard-tutorials/nl/producttour-webapp/zones-maps-and-analytics/multi-year-zones.md)). Ze zijn nuttig voor de analyse van proeven met een consistent historisch opbrengstniveau. Dit is vooral handig wanneer proeven verspreid liggen over gebieden met uiteenlopende historische opbrengstniveaus.

Zodra we deze datasets hebben verzameld, kunnen we beginnen met de evaluatie van de proef.

## Gegevensoverzicht

Voor het teeltseizoen 2023 van wintertarwe zijn de volgende gegevens beschikbaar:

* Opbrengstdataset met de verdeling van de natte massa *(Fig.1)*

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fg9Iv1AMpACkykujxvJ9s%2Fimage.png?alt=media&amp;token=c2a61d7b-12e9-40b5-ad88-e6f820372638" alt=""><figcaption><p>Fig.1 Oorspronkelijke opbrengstdataset</p></figcaption></figure>

* Stikstofplan (N34) voor variabele dosering (150 kg/ha) met 2 proefvelden (120 kg/ha en 180 kg/ha)*(Fig.2)*

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FwkGO1Tp0Ji2KzUPhfQAE%2Fimage.png?alt=media&amp;token=28a94d78-7360-43e2-865f-4a330028ab20" alt=""><figcaption><p>Fig.2 Stikstofplan (N34) voor variabele dosering met proefvelden</p></figcaption></figure>

* Toepassingsdataset met toegepaste statistieken *(Fig.3)*

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FF1YKbPqDw2HBDdnTqazX%2Fimage.png?alt=media&amp;token=0f83b5b0-9220-4cea-984c-735338716048" alt=""><figcaption><p>Fig.3 Toepassingsdataset</p></figcaption></figure>

* Historische perceelproductiviteit (*Fig.4*)

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FCrFaBaZxtjd0xEXZ9TUd%2Fimage.png?alt=media&amp;token=9cf68b49-a17c-4f2f-be15-1b0bfee4993e" alt=""><figcaption><p>Fig.4 Historische perceelproductiviteit</p></figcaption></figure>

{% hint style="warning" %}
De opbrengstdataset is niet gekalibreerd: er waren meerdere maaidorsers actief, er zijn sporen van keerbewegingen en ontbrekende gegevens, en er is duidelijk ruis zichtbaar. Voor optimale resultaten wordt aanbevolen om de bewerkingen Opbrengst kalibreren en opschonen toe te passen.\
Een stapsgewijze handleiding is te vinden via [LINK](https://docs.geopard.tech/geopard-tutorials/nl/agronomie/yield-and-trials/yield-calibration-and-cleaning.md).
{% endhint %}

De opbrengstdataset na kalibratie en opschoning wordt weergegeven in *Fig.5*, samen met de bijgewerkte statistieken. Deze dataset wordt in de volgende stappen gebruikt.

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F62J6z5wt7ndZ4lWxZq58%2Fimage.png?alt=media&amp;token=9e6ea416-81a0-4dfc-a94a-aa19f69c0ff3" alt=""><figcaption><p>Fig.5 Gekalibreerde en opgeschoonde opbrengstdataset</p></figcaption></figure>

## Concept

Hier is het doel van Trial Analytics om het meest effectieve stikstof (N34)-dosering voor het perceel vast te stellen. Er zijn afgebakende zones met stikstofdoseringen van 120 kg/ha, 150 kg/ha en 180 kg/ha. Deze gegevens zijn enerzijds afkomstig uit de ApplicationDataset en anderzijds uit de gekalibreerde YieldDataset.

We richten onze analyse op drie verschillende zones:

* 120 kg/ha (aangeduid als de proefzone)
* 150 kg/ha (beschouwd als de hoofdzone)
* 180 kg/ha (een andere proefzone)

Onze aanpak omvat de volgende evaluaties:

1. **Op basis van het plan:** met de geplande variabele dosering (VRA), gekoppeld aan de gekalibreerde opbrengst.
2. **Op basis van de toepassing:** Vergelijking van de werkelijk toegepaste datasets met de gekalibreerde opbrengst.
3. **Op basis van de toepassing en historische productiviteit:** Vergelijking van de werkelijk toegepaste datasets met de gekalibreerde opbrengst, gecombineerd met de historische zones voor perceelpotentieel.

Met deze systematische aanpak kan de invloed van stikstof op de opbrengst grondig worden geëvalueerd, op basis van zowel geplande als werkelijk toegepaste toepassingsgegevens.

## Op basis van het plan

De invloed van de ~~toegepaste~~ geplande stikstof (N34) op de opbrengstverdeling is visueel weergegeven in de volgende schermafbeeldingen *(fig. 6, fig. 7, fig. 8)*. Hieronder volgt een beknopt overzicht van de bevindingen:

* <mark style="color:blauw;">De hoofdzone, met een stikstofdosering van 150 kg/ha, beslaat 45,8 ha en heeft een gemiddelde opbrengst van 4,99 t/ha</mark> (*Fig. 6*).
* <mark style="color:blauw;">De eerste proefzone, waar 180 kg/ha stikstof is toegediend, beslaat 1,76 ha en heeft een gemiddelde opbrengst van 6,5 t/ha</mark> (*Fig. 7*).
* <mark style="color:blauw;">De tweede proefzone, met 120 kg/ha stikstof, beslaat 1,86 ha en heeft een gemiddelde opbrengst van 6,39 t/ha</mark> (*Fig. 8*).

De resultaten roepen een belangrijke vraag op: <mark style="color:oranje;">Waarom lijkt de lagere dosering efficiënter dan de hogere?</mark> Voor meer inzicht bestaat de volgende fase uit het[ evalueren van de proeven met de werkelijk toegepaste gegevens](#applied-based-evaluation).

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FraVRCgxuEVTGfTKK4c0s%2Fimage.png?alt=media&amp;token=57602ad8-bd9f-46b4-adcf-5de53f99fe7b" alt=""><figcaption><p>Fig. 6 Hoofdzone met N34 150 kg/ha</p></figcaption></figure>

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FNM80FFM2TQULwV54LuqW%2Fimage.png?alt=media&amp;token=1542336e-20a2-4a77-a343-9a92f67c90eb" alt=""><figcaption><p>Fig. 7 Proefzone met N34 180 kg/ha</p></figcaption></figure>

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FITg4CWAJb27X28jquqyO%2Fimage.png?alt=media&amp;token=cff8d0b3-5896-4f34-bbdc-6a34a7352982" alt=""><figcaption><p>Fig. 8 Proefzone met N34 120 kg/ha</p></figcaption></figure>

Verderop vindt u een uitgebreide bespreking van de formules en configuraties die tijdens de evaluatie zijn gebruikt.

{% hint style="info" %}
Raadpleeg onze tutorials voor zowel de [gebruikersinterface](https://docs.geopard.tech/geopard-tutorials/nl/producttour-webapp/equation-based-analytics.md) als de [API](https://docs.geopard.tech/geopard-tutorials/nl/api-documentatie/diagrams-with-basic-flows/5.-execute-equations.md).
{% endhint %}

Hier volgen de vergelijkingen waarmee u de berekeningen kunt reproduceren.

1. Hoofdzone met 150 kg/ha:\
   `Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)`
2. Proefzone met 120 kg/ha:\
   `Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)`
3. Proefzone met 180 kg/ha:\
   `Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)`

Het is belangrijk om *Numpy* *(fig. 9)* uit te schakelen en *Interpolatie* *(Fig. 10)*.

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FixfesbJQxzVC93JW3H7b%2Fimage.png?alt=media&amp;token=dcab1611-8a33-4450-9b06-5ba24760e8c3" alt=""><figcaption><p>Fig. 9 Numpy activeren</p></figcaption></figure>

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F0V4AxWhE0zraNfH1axHQ%2Fimage.png?alt=media&amp;token=d86b3921-c313-4946-9455-35fbef29cc13" alt=""><figcaption><p>Fig. 10 Het gebruik van geïnterpoleerde gegevens uitschakelen</p></figcaption></figure>

## Op basis van toegepaste hoeveelheid

Een opvallende observatie is dat de werkelijke toegepaste hoeveelheid tijdens de proef niet altijd overeenkomt met de geplande (doel)hoeveelheid. De spreiding loopt met name uiteen van 120 kg/ha tot wel 189 kg/ha *(Fig. 11)*. Gezien deze variabiliteit werd het cruciaal om een tolerantiegrens voor de fout vast te stellen. Daarom werd een nauwkeurigheid van ±5% bepaald als acceptabele grens om de proef geschikt te achten voor evaluatie.

In de volgende schermafbeeldingen (*Fig. 12, Fig. 13, Fig. 14)* wordt de statistische spreiding van de opbrengst weergegeven, met de nadruk op de daadwerkelijk toegepaste hoeveelheden stikstof (N34). Hieronder staan de samengevatte statistieken, waarbij rekening is gehouden met de acceptatiegrens van ±5% nauwkeurigheid:

* <mark style="color:blauw;">De hoofdzone met 150 kg/ha besloeg een toegepast oppervlak van 43,5 ha, met een gemiddelde opbrengst van 4,9 t/ha</mark> (*Fig. 12*).
* <mark style="color:blauw;">De eerste proefzone met 180 kg/ha besloeg 1,47 ha en leverde een gemiddelde opbrengst van 6,5 t/ha op</mark> (*Fig. 13*).
* <mark style="color:blauw;">De tweede proefzone met 120 kg/ha besloeg 1,44 ha, met een gemiddelde opbrengst van 6,3 t/ha</mark> (*Fig. 14*).

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQ5Aawg78wAVNsybfq2RB%2Fimage.png?alt=media&amp;token=293f63d1-414b-4e23-be09-b54844f21988" alt=""><figcaption><p>Fig. 11 Werkelijk toegepaste hoeveelheden in de proeven</p></figcaption></figure>

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FyBHR1SLHA9ujXr5wk8xA%2Fimage.png?alt=media&amp;token=78f67150-560b-4495-974e-30407e25aca9" alt=""><figcaption><p>Fig. 12 Hoofdzone met N34, 150 kg/ha ±5%</p></figcaption></figure>

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FeOMxE76sp3ugO1NffWPN%2Fimage.png?alt=media&amp;token=9e3f47ae-250a-41dd-b9ce-f3d4bcaab85e" alt=""><figcaption><p>Fig. 13 Proefzone met N34, 180 kg/ha ±5%</p></figcaption></figure>

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FJUBlkogPAF2fTSYa0EOW%2Fimage.png?alt=media&amp;token=48dd3f24-df15-40da-905c-9012b70971d2" alt=""><figcaption><p>Fig. 14 Proefzone met N34, 120 kg/ha ±5%</p></figcaption></figure>

Voor een beter inzicht in de methodologie en de details van deze resultaten worden hieronder de gebruikte vergelijkingen weergegeven:

1. Werkelijk toegepaste hoeveelheid stikstof in de proef:\
   `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)`
2. Hoofdzone met 150 kg/ha, met een acceptatiemarge van 5%:\
   `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
3. Proefzone met 120 kg/ha, met een acceptatiemarge van 5%:\
   `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
4. Proefzone met 180 kg/ha, met een acceptatiemarge van 5%:\
   `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

## **Op basis van toegepaste hoeveelheid en historische productiviteit**

De opbrengsten in de proefzones liggen steeds hoger dan de gemiddelde opbrengst van het hele perceel. Een belangrijke oorzaak van dit verschil lijkt de zone met historisch hoge productiviteit te zijn waar de proeven plaatsvonden, zoals te zien is in *Fig. 15* en *Fig. 16*. Voor een genuanceerdere evaluatie van de proeven is het cruciaal om bij de analyse van de resultaten rekening te houden met de productiviteitszones.

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FH0aA9ZAe2IkSFtqcJe5B%2Fimage.png?alt=media&amp;token=c58e81d6-b2df-4d6d-8682-3c750f38f2a1" alt=""><figcaption><p>Fig. 15 Historische productiviteitszones op het perceel</p></figcaption></figure>

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fi2agD6onOT4aVaW9LvHh%2Fimage.png?alt=media&amp;token=feecbfd5-2433-4061-85b9-8233446572d8" alt=""><figcaption><p>Fig. 16 Historische productiviteitszones op het perceel als YieldDataset</p></figcaption></figure>

In de volgende schermafbeeldingen (*Fig. 17, Fig. 18, Fig. 19)* wordt de statistische spreiding van de opbrengst weergegeven, met de nadruk op de daadwerkelijk toegepaste hoeveelheden stikstof (N34), samengevoegd met historische productiviteitszones (aangemaakt in GeoPard). Hieronder staan de samengevatte statistieken, waarbij voor de toegepaste hoeveelheden rekening is gehouden met de acceptatiegrens van ±5% nauwkeurigheid:

* <mark style="color:blauw;">De hoofdzone met 150 kg/ha besloeg een toegepast oppervlak van 2,65 ha, met een gemiddelde opbrengst van 6,34 t/ha</mark> (*Fig. 17*).
* <mark style="color:blauw;">De eerste proefzone met 180 kg/ha besloeg 1,08 ha en leverde een gemiddelde opbrengst van 6,41 t/ha op</mark> (*Fig. 18*).
* <mark style="color:blauw;">De tweede proefzone met 120 kg/ha besloeg 1,78 ha, met een gemiddelde opbrengst van 6,33 t/ha</mark> (*Fig. 19*).

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FPqw7u62bJAezDn9UW5qs%2Fimage.png?alt=media&amp;token=ff101b42-7882-4dc3-a2ad-b57053900768" alt=""><figcaption><p>Fig. 17 Hoofdzone met N34, 150 kg/ha, gecombineerd met historische productiviteit</p></figcaption></figure>

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FmzkQRoU3HMMOm1fLLjNY%2Fimage.png?alt=media&amp;token=ba8105da-877b-4234-9e1d-f59826949bf0" alt=""><figcaption><p>Fig. 18 Proefzone met N34, 180 kg/ha ±5%, gecombineerd met historische productiviteit</p></figcaption></figure>

<figure><img src="https://3615228694-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FzTOI3v14HdZLANjM3o36%2Fimage.png?alt=media&amp;token=f83a50dd-585d-4b66-937d-eb0d2f1c78f0" alt=""><figcaption><p>Fig. 19 Proefzone met N34, 120 kg/ha ±5%, gecombineerd met historische productiviteit</p></figcaption></figure>

Voor een beter inzicht in de methodologie en de details van deze resultaten worden hieronder de gebruikte vergelijkingen weergegeven:

1. Hoofdbehandeling met 150 kg/ha, inclusief een tolerantie van 5%, overlapt met de historische productiviteit:\
   `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
2. Proefbehandeling met 120 kg/ha, inclusief een tolerantie van 5%, overlapt met de historische productiviteit:\
   `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
3. Proefbehandeling met 180 kg/ha, inclusief een tolerantie van 5%, overlapt met de historische productiviteit:\
   `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

waarbij

* het deel `Productivity_SubZone == 51` de hoogproductieve zones met de uitgevoerde proeven weergeeft,
* de delen `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` een nauwkeurigheid van ±5% ten opzichte van de doseringen toelaten `150`, `120`, `180` kg/ha.

## Samenvatting

De opbrengstresultaten van de proefbehandelingen komen sterk overeen met de gemiddelde opbrengst in de hoogproductieve zone van het perceel volgens de historische productiviteitsgegevens. Met andere woorden: de experimentele toepassing van het N34-product in doseringen van <mark style="color:blauw;">120 kg/ha - 150 kg/ha - 180 kg/ha</mark>, resulteerde respectievelijk in gemiddelde opbrengsten van <mark style="color:blauw;">6.33 t/ha - 6.34 t/ha - 6.41 t/ha</mark> , en had geen significante invloed op de geoogste opbrengst in de hoogproductieve zone.


---

# 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/nl/agronomie/yield-and-trials/field-trial-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.
