> 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/nor/agronomi/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps.md).

# Forhandlerarbeidsflyt i Italia: John Deere Ops Center - GeoPard - VRA-nitrogen - forsøk - lønnsomhetskart

Case-studie av John Deere-forhandler: Sergio Bassan og GeoPard driver avkastning i presisjonsjordbruk

I presisjonslandbruk er nøyaktige data og avanserte analyser avgjørende for bedre beslutninger og økt produktivitet på gården. I fjor  [GeoPard Agriculture](https://geopard.tech/) samarbeidet med  [John Deere](https://deere.com/) forhandleren  [Sergio Bassan S.r.l.](https://www.bassan.com/) i Italia for å støtte lokale bønder gjennom hele vekstsesongen. Her er et eksempel på hvordan samarbeidet vårt påvirket ett enkelt skifte.

## 1. Kom i gang: Fastsette produktivitetssoner og VRA-kart <a href="#ember54" id="ember54"></a>

For å forberede oss til sesongen analyserte vi historiske avlingsdata og vegetasjonstrender for å vurdere skiftets produktivitetsprofil. Siden terrenget var relativt flatt og ikke var en begrensende faktor, fokuserte vi på avling og historiske vegetasjonsmønstre. Avlingsdataene ble enkelt importert til GeoPard via  [integrasjonen med 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).

Ved hjelp av en  [flerlagsmetode](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/zones-maps-and-analytics/multi-layer-analytics) delte vi hvert skifte inn i tre produktivitetssoner basert på avlingsdata og historisk vegetasjon, målt med EVI2-indeksen fra satellittbilder. Dette gjorde det mulig for bøndene å finjustere så- og gjødslingsstrategiene og tilpasse mengdene etter variasjonene i skiftet.

For å vurdere effekten av variabel tildeling (VRA) ved såing la vi ut en forsøksstripe som krysset alle produktivitetssonene. Denne direkte sammenligningen gjorde det mulig å måle effekten av VRA-såing sammenlignet med tradisjonell såing med jevn utsåingsmengde.

<figure><img src="https://4236156289-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-såkart for silomais med markert forsøksstripe.</p></figcaption></figure>

## 2. Presis gjennomføring: Fra såing til gjødsling <a href="#ember59" id="ember59"></a>

GeoPard gjorde det enkelt å gjennomføre VRA-kartene og ga detaljert oversikt over tiltakene gjennom hele sesongen.

### Enkel overføring og gjennomføring av VRA-kart <a href="#ember61" id="ember61"></a>

VRA-kartene ble sendt direkte til John Deere Operations Center for bruk i maskinene. GeoPard støtter flere eksportformater, blant annet Shapefile og ISOXML, samt direkte integrasjon med John Deere Ops Center som filer, kartlag og  [arbeidsplaner](https://youtu.be/op1o-Y3r6bg). Gjennom sesongen ble det brukt en kombinasjon av tiltak med variabel tildeling (såing og nitrogengjødsling) og tiltak med fast tildeling (fosfor- og kaliumgjødsling før såing, samt flere delgjødslinger med nitrogen) for å optimalisere avlingsresultatet og næringsstoffhåndteringen.

### Oppfølging av kart over faktisk gjødseltilførsel <a href="#ember63" id="ember63"></a>

GeoPard registrerte og analyserte alle data om utførte tiltak,  [og sammenlignet planlagte og utførte arbeidsoperasjoner](https://docs.geopard.tech/geopard-tutorials/agronomy/evaluate-accuracy-of-seeding-application)  for å avdekke eventuelle avvik som kunne kreve justeringer eller ny tildeling. En sammenligning av planlagte og faktiske såmengder bekreftet dermed at arbeidet var utført presist, uten vesentlige avvik.

<figure><img src="https://4236156289-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>Såmengde: Sammenligning av planlagt og faktisk mengde.</p></figcaption></figure>

## 3. Nyttig innsikt <a href="#ember66" id="ember66"></a>

Analyse etter innhøsting er viktig for å lære av sesongen og planlegge den neste.

### Rensing og kalibrering av avlingsdata <a href="#ember68" id="ember68"></a>

Når innhøstingen er ferdig, vises avlingskart automatisk i GeoPard via integrasjonen med John Deere Operations Center. Kartene kan også lastes opp manuelt i GeoPard. Plattformen  [kalibrerer og renser avlingsdata fra skurtreskeren](https://docs.geopard.tech/geopard-tutorials/agronomy/yield-calibration-and-cleaning), slik at grunnlaget for beslutninger blir svært nøyaktig. Sammenligningene nedenfor viser tydelig hvordan datarensing gir skarpere analyser og større pålitelighet.

<figure><img src="https://4236156289-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>Kalibrerte (øverst) og rå (nederst) avlingsdata.</p></figcaption></figure>

### Nitrogenhåndtering <a href="#ember71" id="ember71"></a>

Tilgangen til alle kart over utførte tiltak fra sesongen gjorde det mulig å beregne den totale nitrogentilførselen nøyaktig ved å summere alle nitrogenrelaterte arbeidsoperasjoner.

Nitrogenopptaket ble beregnet ved hjelp av avlingsdata og avlingsmodeller. Hvis skurtreskerne er utstyrt med sensorer for råprotein, tas disse dataene med i beregningene for enda mer nøyaktig innsikt.

[Nitrogenutnyttelse og nitrogenoverskudd](https://docs.geopard.tech/geopard-tutorials/agronomy/nitrogen-use-efficiency-and-uptake) ble vurdert ved å sammenligne den totale nitrogentilførselen med avlingens nitrogenopptak. Dette bidro til å optimalisere gjødslingsstrategiene for kommende sesonger.

<figure><img src="https://4236156289-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>Nitrogenutnyttelse.</p></figcaption></figure>

### Vurdering av VRA og forsøksfelt <a href="#ember76" id="ember76"></a>

Med tydelig avgrensede forsøksområder kunne vi lage grundige analyser og sammenligne avlingsresultatene i ulike produktivitetssoner.

Denne innsikten ga en tydelig forståelse av hvordan  [hver sone reagerte på VRA-såing](https://docs.geopard.tech/geopard-tutorials/agronomy/field-trial-analytics), og bidro til å bekrefte beste praksis for kommende sesonger.

Det tilhørende forsøkskartet og datatabellen viser en detaljert analyse av avlingsresultatene i fire ulike produktivitetssoner og belyser hvordan variabel tildeling (VRA) ved såing påvirker avling og lønnsomhet.

<figure><img src="https://4236156289-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- og forsøksresultater.</p></figcaption></figure>

### **Viktige observasjoner og innsikt**

* **Lønnsomhet og areal**: Sone 2 ga det høyeste totaloverskuddet og den høyeste gjennomsnittsavlingen. Sone 3 viste imidlertid at mindre områder med svært høy produktivitet (20,42 t/ha) kan gi høy lønnsomhet per hektar (1 808,14 €/ha).
* **Resultater per sone**: Kartet viser at områdene med høyest avling sammenfaller med de lysere grønne produktivitetssonene (sone 3), noe som tyder på god respons på variabel såmengde (VRA).
* **Fordeling av driftsoverskudd**: Sone 4 (forsøkslinje) hadde en grei avling, men ga likevel lavere samlet driftsoverskudd på grunn av det mindre arealet og muligens høyere innsatskostnader eller lavere effektivitet.
* **Betydning for framtiden**: Denne analysen gir et datagrunnlag for å forbedre såstrategiene i kommende sesonger. Den tyder på at større investeringer i soner som responderer bedre (som sone 3), kan øke gårdens samlede resultater.

### Analyse av avling og lønnsomhet <a href="#ember83" id="ember83"></a>

Ved å analysere avlingsdata opp mot de faktiske innsatskostnadene fikk bøndene god oversikt over [Kart over driftsoverskudd](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/) et effektivt verktøy for å vurdere lønnsomheten på skiftenivå. Ved å sammenligne inntektene fra avlingen med kostnadene fant man soner med høy fortjenestemargin og områder som trenger mer målrettede tiltak.

<figure><img src="https://4236156289-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>Kart over driftsoverskudd med områder med høy og lav fortjenestemargin.</p></figcaption></figure>

## 4. Veien videre: Hva skjer nå? <a href="#ember86" id="ember86"></a>

Med årets gode resultater som utgangspunkt fortsetter samarbeidet med John Deere-forhandleren Sergio Bassan Italy inn i 2025-sesongen, med flere funksjoner og forbedret drift:

### Automatiske anbefalinger for jordprøvetaking <a href="#ember88" id="ember88"></a>

GeoPards intelligente system foreslår optimale punkter for sonebasert jordprøvetaking. GeoPard Mobile-appen brukes til prøvetaking og feltbefaring.

<figure><img src="https://4236156289-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>Kart over steder for jordprøvetaking</p></figcaption></figure>

### Analyse av jordprøvedata og anbefalinger for VRA <a href="#ember91" id="ember91"></a>

Når [jorddata](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/import/soil-data) er samlet inn, omsetter GeoPard informasjonen til kart for presisjonsgjødsling, som viser hvor gjødselmengden bør varieres mellom ulike soner.

### Automatisk analyse av forsøk og VRA <a href="#ember93" id="ember93"></a>

Bøndene får en automatisert prosess for å vurdere hvor godt VRA-strategiene og forsøkslinjene fungerer. Det gir raskere og mer ensartet rapportering.

<figure><img src="https://4236156289-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>

### Automatisk generering av lønnsomhetskart <a href="#ember96" id="ember96"></a>

Vi planlegger å automatisere lønnsomhetskart ved hjelp av gjennomførte arbeidsoperasjoner og andre viktige data. Målet er å forbedre lønnsomheten og støtte planleggingen for neste sesong.

## 5. Innsikt fra partneren <a href="#ember98" id="ember98"></a>

Ifølge partneren vår **Sergio Bassan Italy**,

> «GeoPards analyser har gjort det enklere for teamet vårt og bøndene å bruke presisjonsjordbruksverktøy på en effektiv måte. Pålitelige analyser og jevnlig støtte gjennom sesongen har forbedret planleggingen og håndteringen av innsatsfaktorene. Vi er trygge på at samarbeidet mellom avdelingen vår og GeoPard vil gi kundene våre store forbedringer og fordeler.»

\- [Edoardo Pozzato](https://www.linkedin.com/article/edit/7307362147670343682/), agronom innen presisjonsjordbruk.

## Avsluttende tanker <a href="#ember102" id="ember102"></a>

Fra å definere produktivitetssoner til å analysere avlings- og lønnsomhetskart viser samarbeidet vårt med John Deere-forhandleren Sergio Bassan Italy de konkrete fordelene med presisjonsjordbruk. Nå som vi går videre med automatiske anbefalinger for jordprøvetaking og bedre lønnsomhetsanalyser, ser vi fram til å bidra til enda større effektivitet og bærekraft for bøndene i regionen.

## Om selskapene <a href="#ember104" id="ember104"></a>

[**Sergio Bassan srl**](https://www.bassan.com/it/)**:** Ved sine 10 avdelinger tilbyr selskapet et utvalg av nye og brukte landbruksmaskiner, traktorer, skurtreskere, flishuggere, teleskoplastere, gravemaskiner, satellittbaserte styresystemer, utstyr for jordbearbeiding og høyberging, hagebruk og vingårder, hagemaskiner og traktorer, tilbehør og reservedeler. Sergio Bassans team består av åtte teknikere innen presisjonsjordbruk, som hjelper bøndene med å ta i bruk presisjonsteknologi og oppleve fordelene ute på jordet. Avdelingen for presisjonsjordbruk ønsker å teste nye løsninger for kundene og holde tett kontakt for å kunne tilby kontinuerlig støtte, også på avstand.

[**GeoPard Agriculture**](https://geopard.tech/)**:** Selskapet er blant de ledende innen teknologi for presisjonsjordbruk. GeoPard er spesialisert på geospatial analyse og tilbyr løsninger som omdanner komplekse landbruksdata til praktisk innsikt. Teknologien bidrar til å optimalisere ulike deler av gårdsdriften – fra jordanalysene til VRA-kart, fjernmåling og analyse av data fra landbruksutstyr – og fremmer dermed utviklingen av smart jordbruk.


---

# 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/nor/agronomi/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.
