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

# Workflow dilera we Włoszech: John Deere Ops Center - GeoPard - azot VRA - próby - mapy zysków

Studium przypadku dealera John Deere: Sergio Bassan i GeoPard napędzają ROI w rolnictwie precyzyjnym

W rolnictwie precyzyjnym dokładne dane i zaawansowane analizy mają kluczowe znaczenie dla podejmowania trafniejszych decyzji i zwiększania produktywności gospodarstwa. W ubiegłym roku, [GeoPard Agriculture](https://geopard.tech/) nawiązał współpracę z [John Deere](https://deere.com/) Dealer [Sergio Bassan S.r.l.](https://www.bassan.com/) we Włoszech, aby wspierać lokalnych rolników przez cały sezon wegetacyjny. Oto przykład wpływu naszej współpracy na jedno pole.

## 1. Przygotowanie: wyznaczanie stref produktywności i tworzenie map VRA <a href="#ember54" id="ember54"></a>

Przed rozpoczęciem sezonu przeanalizowaliśmy historyczne dane o plonach i trendy wegetacyjne, aby ocenić profil produktywności pola. Ponieważ teren był stosunkowo płaski, a ukształtowanie nie ograniczało produkcji, skupiliśmy się na plonach i historycznych wzorcach wegetacji. Dane o plonach zaimportowano bezpośrednio do GeoPard za pośrednictwem [integracji z 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).

Korzystając z [podejścia wielowarstwowego](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/zones-maps-and-analytics/multi-layer-analytics), podzieliliśmy każde pole na trzy strefy produktywności na podstawie danych o plonach i historycznej wegetacji, wykorzystując indeks EVI2 obliczony ze zdjęć satelitarnych. Dzięki temu rolnicy mogli precyzyjnie dostosować strategie siewu i nawożenia, dopasowując dawki do zróżnicowania pola.

Aby ocenić wpływ siewu ze zmienną dawką (VRA), wyznaczyliśmy pas testowy przebiegający przez wszystkie strefy produktywności. Bezpośrednie porównanie pozwoliło zmierzyć skuteczność siewu VRA w zestawieniu z tradycyjnym siewem ze stałą dawką.

<figure><img src="https://3832317038-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>Mapa siewu kukurydzy na kiszonkę ze zmienną dawką (VRA) i zaznaczonym pasem testowym.</p></figcaption></figure>

## 2. Precyzyjna realizacja: od siewu po nawożenie <a href="#ember59" id="ember59"></a>

GeoPard umożliwił bezproblemową realizację map VRA oraz szczegółowe śledzenie zabiegów w trakcie sezonu.

### Bezproblemowe przesyłanie i realizacja map VRA <a href="#ember61" id="ember61"></a>

Mapy VRA przesłano bezpośrednio do John Deere Operations Center, aby maszyny mogły zrealizować zabiegi. GeoPard obsługuje wiele formatów eksportu, w tym Shapefile i ISOXML, a także bezpośrednią integrację z John Deere Ops Center — jako pliki, warstwy map i [plany pracy](https://youtu.be/op1o-Y3r6bg). W trakcie sezonu stosowano zarówno zabiegi ze zmienną dawką (siew i nawożenie azotem), jak i zabiegi ze stałą dawką (przedsiewne nawożenie fosforem i potasem oraz kilka pogłównych dawek azotu), aby zoptymalizować kondycję upraw i gospodarowanie składnikami pokarmowymi.

### Śledzenie map nawożenia zarejestrowanych podczas zabiegów <a href="#ember63" id="ember63"></a>

GeoPard rejestrował i analizował wszystkie dane dotyczące zabiegów, [porównując zaplanowane i wykonane prace](https://docs.geopard.tech/geopard-tutorials/agronomy/evaluate-accuracy-of-seeding-application) w celu wykrycia rozbieżności, które mogłyby wymagać korekty lub ponownego wykonania zabiegu. Porównanie docelowych i zastosowanych dawek siewu potwierdziło precyzyjną realizację bez większych rozbieżności.

<figure><img src="https://3832317038-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>Dawka siewu: porównanie dawki docelowej i zastosowanej.</p></figcaption></figure>

## 3. Praktyczne wnioski <a href="#ember66" id="ember66"></a>

Analiza po zbiorach ma kluczowe znaczenie dla wyciągania wniosków z sezonu i planowania kolejnego.

### Czyszczenie i kalibracja danych o plonach <a href="#ember68" id="ember68"></a>

Po zakończeniu zbiorów mapy plonów pojawiają się automatycznie w GeoPard dzięki integracji z John Deere Operations Center lub można je ręcznie przesłać przez interfejs GeoPard. Platforma [kalibruje i oczyszcza dane o plonach z kombajnu](https://docs.geopard.tech/geopard-tutorials/agronomy/yield-calibration-and-cleaning), zapewniając bardzo dokładne analizy, które ułatwiają podejmowanie lepszych decyzji. Poniższe zestawienie obok siebie wyraźnie pokazuje, jak czyszczenie danych poprawia jakość analiz i zwiększa ich wiarygodność.

<figure><img src="https://3832317038-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>Skalibrowane (u góry) i surowe (u dołu) dane o plonach.</p></figcaption></figure>

### Gospodarowanie azotem <a href="#ember71" id="ember71"></a>

Dostęp do wszystkich map zabiegów wykonanych w sezonie umożliwił precyzyjne obliczenie łącznej dawki azotu przez zsumowanie wszystkich zabiegów związanych z azotem.

Pobranie azotu określono na podstawie danych o plonach i modeli upraw. Jeśli kombajny są wyposażone w czujniki białka surowego, dane z tych czujników uwzględnia się w obliczeniach, aby uzyskać jeszcze dokładniejsze wyniki.

[Efektywność wykorzystania azotu i jego nadwyżka](https://docs.geopard.tech/geopard-tutorials/agronomy/nitrogen-use-efficiency-and-uptake) oceniono, porównując łączną ilość zastosowanego azotu z ilością pobraną przez uprawę. Pozwoliło to zoptymalizować strategie nawożenia na kolejne sezony.

<figure><img src="https://3832317038-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>Efektywność wykorzystania azotu.</p></figcaption></figure>

### Ocena VRA i doświadczeń polowych <a href="#ember76" id="ember76"></a>

Dzięki precyzyjnie wyznaczonym obszarom testowym przeprowadzono szczegółowe analizy, aby porównać wyniki upraw w różnych strefach produktywności.

Uzyskane informacje pozwoliły jasno określić, jak [poszczególne strefy zareagowały na siew VRA](https://docs.geopard.tech/geopard-tutorials/agronomy/field-trial-analytics), co pomogło zweryfikować najlepsze praktyki na kolejne sezony.

Przedstawiona mapa doświadczenia i tabela danych zawierają szczegółową analizę wyników upraw w czterech odrębnych strefach produktywności, ukazując wpływ siewu ze zmienną dawką (VRA) na plony i rentowność.

<figure><img src="https://3832317038-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>Wyniki VRA i doświadczenia polowego.</p></figcaption></figure>

### **Najważniejsze obserwacje i wnioski**

* **Rentowność a powierzchnia**: Strefa 2 przyniosła najwyższy całkowity zysk i średni plon, natomiast Strefa 3 pokazała, że mniejsze, bardzo produktywne obszary (20.42 t/ha) mogą zapewnić wysoką rentowność z hektara (€1808.14/ha).
* **Wyniki w poszczególnych strefach**: Mapa pokazuje, że obszary o najwyższych plonach pokrywają się z jaśniejszymi strefami produktywności (strefa 3), co wskazuje na silną reakcję na siew w zmiennej normie wysiewu (VRA).
* **Rozkład zysków**: Strefa 4 (pas próbny), mimo przyzwoitego plonu, przyniosła niższy łączny zysk ze względu na mniejszą powierzchnię oraz prawdopodobnie wyższe koszty nakładów lub niższą efektywność.
* **Wnioski na przyszłość**: Te analizy stanowią podstawę do udoskonalania strategii siewu w kolejnych sezonach w oparciu o dane. Wskazują, że większe nakłady w strefach o silniejszej reakcji (takich jak strefa 3) mogą poprawić ogólne wyniki gospodarstwa.

### Analiza plonów i rentowności <a href="#ember83" id="ember83"></a>

Analizując dane o plonach w zestawieniu z rzeczywistymi kosztami nakładów, rolnicy uzyskali jasny obraz [Przestrzenne mapy zysku](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/) tego, jak potężnym narzędziem jest ocena rentowności na poziomie części pola. Porównanie przychodu ze zbiorów z kosztami pozwoliło wskazać strefy o wysokiej marży oraz obszary wymagające bardziej ukierunkowanych działań.

<figure><img src="https://3832317038-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>Mapa zysku z obszarami o wysokiej i niskiej marży.</p></figcaption></figure>

## 4. Co dalej? <a href="#ember86" id="ember86"></a>

Bazując na tegorocznym sukcesie, współpraca z dealerem John Deere, Sergio Bassan Italy, będzie kontynuowana w sezonie 2025, obejmując dodatkowe funkcje i usprawnienia operacyjne:

### Automatyczne rekomendacje dotyczące pobierania próbek gleby <a href="#ember88" id="ember88"></a>

Inteligentny system GeoPard wskazuje optymalne miejsca pobierania strefowych próbek gleby. Do pobierania próbek i lustracji pól służy aplikacja GeoPard Mobile.

<figure><img src="https://3832317038-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>Mapa lokalizacji pobierania próbek gleby</p></figcaption></figure>

### Analiza danych z próbek gleby i rekomendacje VRA <a href="#ember91" id="ember91"></a>

Po zebraniu [danych o glebie](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/import/soil-data) GeoPard przekształci te informacje w mapy precyzyjnego nawożenia, wskazujące zalecenia dotyczące aplikacji nawozów w zmiennej dawce w poszczególnych strefach.

### Automatyczna analiza doświadczeń polowych i VRA <a href="#ember93" id="ember93"></a>

Rolnicy skorzystają z automatycznego procesu oceny skuteczności strategii VRA i pasów próbnych, co umożliwi szybsze i bardziej spójne raportowanie.

<figure><img src="https://3832317038-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>

### Automatyczne tworzenie map zysku <a href="#ember96" id="ember96"></a>

Planujemy automatyzację tworzenia map rentowności na podstawie wykonanych prac polowych i innych kluczowych danych, aby optymalizować zysk i ułatwić planowanie kolejnego sezonu.

## 5. Opinie partnera <a href="#ember98" id="ember98"></a>

Nasz partner, **Sergio Bassan Italy,**,

> „Analizy GeoPard ułatwiły naszemu zespołowi i rolnikom skuteczne korzystanie z narzędzi rolnictwa precyzyjnego. Wiarygodne analizy i stałe wsparcie przez cały sezon usprawniły planowanie nakładów i zarządzanie nimi. Jesteśmy przekonani, że synergia między naszym działem a GeoPard przyniesie naszym klientom istotne zmiany i korzyści.”

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

## Podsumowanie <a href="#ember102" id="ember102"></a>

Od wyznaczania stref produktywności po analizę map plonów i zysku — nasza współpraca z dealerem John Deere, Sergio Bassan Italy, pokazuje rzeczywiste korzyści rolnictwa precyzyjnego. Wdrażając automatyczne rekomendacje dotyczące pobierania próbek gleby i udoskonalone analizy rentowności, chcemy jeszcze bardziej zwiększać efektywność i zrównoważony rozwój gospodarstw w regionie.

## O firmach <a href="#ember104" id="ember104"></a>

[**Sergio Bassan srl**](https://www.bassan.com/it/)**:** W 10 lokalizacjach firma oferuje wybór nowych i używanych maszyn rolniczych, ciągników, kombajnów zbożowych, rozdrabniaczy, ładowarek teleskopowych, koparek, systemów nawigacji satelitarnej, sprzętu do uprawy roli i zbioru siana, maszyn do ogrodnictwa i pracy w winnicach, maszyn ogrodniczych i ciągników, a także akcesoriów i części zamiennych. Zespół Sergio Bassan składa się z ośmiu specjalistów ds. rolnictwa precyzyjnego, którzy doradzają w zakresie technologii precyzyjnych i pomagają rolnikom poznawać ich zalety bezpośrednio w polu. Dział rolnictwa precyzyjnego testuje nowe rozwiązania dla klientów, utrzymując z nimi stały kontakt — także zdalny — i zapewniając im bieżące wsparcie.

[**GeoPard Agriculture**](https://geopard.tech/)**:** Firma jest liderem w dziedzinie technologii rolnictwa precyzyjnego. GeoPard specjalizuje się w analizie danych geoprzestrzennych i dostarcza rozwiązania, które przekształcają złożone dane rolnicze w praktyczne wskazówki. Jej technologia pomaga optymalizować różne aspekty prowadzenia gospodarstwa — od analizy gleby po mapy VRA, teledetekcję i analizę danych z maszyn rolniczych — znacząco przyczyniając się do rozwoju inteligentnego rolnictwa.


---

# 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/pl/agronomia/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.
