# Analitice pentru teste în parcelă Agronomii folosesc Trial Analytics pentru a evalua performanța diferitelor soiuri de culturi, tehnici de cultivare și aplicări de inputuri, inclusiv rezultatele aplicărilor cu rată variabilă în agricultura de precizie. Prin colectarea, analiza și interpretarea datelor generate din câmpuri experimentale, cercetătorii obțin informații despre interacțiunile dintre genetică, mediu și practicile de management. Aceste cunoștințe fundamentează dezvoltarea strategiilor de gestionare a culturilor care optimizează potențialul de producție, minimizând în același timp utilizarea inputurilor. În plus, Trial Analytics nu doar permite evaluarea eficienței practicilor de agricultură de precizie, ci ajută și la identificarea soiurilor rezistente care pot prospera în condiții diverse și dificile, contribuind astfel la securitatea alimentară. {% hint style="info" %} GeoPard suportă, de asemenea, trialuri split-plot pentru proiectări cu doi factori, cum ar fi aceleași rate pe hibrizi diferiți. Evaluați atât efectele principale, cât și interacțiunea rată × hibrid pe același strat georeferențiat al trialului. {% endhint %} ## Pregătirea datelor Pentru o analiză eficientă a trialurilor, sunt necesare câteva seturi de date esențiale: 1. **Set de date pentru producție**:\ Acest set de date capturează datele de producție.\ Îl putem importa din [JohnDeere Operation Center](/geopard-tutorials/ro/turul-produsului-aplicatia-web/importa-date-de-agricultura-de-precizie/importa-din-myjohndeere.md) sau încărca manual ca [shapefile](/geopard-tutorials/ro/turul-produsului-aplicatia-web/importa-date-de-agricultura-de-precizie/import-de-date-de-productie.md) sau ca [format proprietar al utilajului](/geopard-tutorials/ro/turul-produsului-aplicatia-web/importa-date-de-agricultura-de-precizie/formate-proprietare-ale-utilajelor.md). 2. **Set de date pentru aplicare**:\ Acesta este esențial pentru înțelegerea Aplicării efectiv executate pe Câmp. Cel puțin, conține atribute precum TargetRate, AppliedRate și alte metrici legate de utilaj.\ La fel ca în cazul Setului de date pentru producție, avem opțiuni de a-l importa din [JohnDeere Operation Center](/geopard-tutorials/ro/turul-produsului-aplicatia-web/importa-date-de-agricultura-de-precizie/importa-din-myjohndeere.md) sau încărca manual ca [shapefile](/geopard-tutorials/ro/turul-produsului-aplicatia-web/importa-date-de-agricultura-de-precizie/import-de-date-aplicate-semanate.md) sau ca [format proprietar al utilajului](/geopard-tutorials/ro/turul-produsului-aplicatia-web/importa-date-de-agricultura-de-precizie/formate-proprietare-ale-utilajelor.md). 3. **Zone/Parcele cu trialuri/experimente**:\ Acestea arată ratele planificate de aplicare pentru trialurile noastre, oferind o imagine asupra designului experimental.\ Dacă un astfel de strat de date este disponibil, îl încărcăm ca [shapefile](/geopard-tutorials/ro/turul-produsului-aplicatia-web/importa-date-de-agricultura-de-precizie/import-de-date-aplicate-semanate.md) în controlul AsApplied/AsPlanted sau al producției. Acest lucru asigură compatibilitatea la construirea EquationMaps, simplificând experiența de analiză a trialurilor.\ Aceasta poate fi o schemă cu un singur factor sau o schemă split-plot cu o a doua dimensiune de tratament, cum ar fi hibridul sau soiul.\ Dacă un astfel de strat de date nu este disponibil, atributul TargetRate din Setul de date pentru aplicare poate servi ca substitut pentru evaluările trialurilor. 4. **Zone istorice de potențial ale câmpului:**\ Aceste zone sunt generate de GeoPard (detalii sunt [AICI](/geopard-tutorials/ro/turul-produsului-aplicatia-web/harti-de-zone-si-analitice/zone-multianuale.md)). Ele sunt utile pentru analizarea trialurilor cu productivitate istorică constantă. Acest lucru este deosebit de benefic atunci când trialurile sunt distribuite în regiuni cu productivitate istorică variată. După ce am adunat aceste seturi de date, următorul pas este să începem procesul de evaluare a trialului. ## Prezentare generală a datelor Iată datele pentru sezonul agricol 2023 de grâu de toamnă: * Set de date pentru producție care evidențiază distribuția masei umede *(Fig.1)*

Fig.1 Set de date pentru producție original

* Plan VRA pentru azot (N34) (150 kg/ha) cu 2 parcele de trial (120 kg/ha și 180 kg/ha)*(Fig.2)*

Fig.2 Plan VRA pentru azot (N34) cu parcele de trial

* Set de date pentru aplicare care prezintă statisticile aplicate *(Fig.3)*

Fig.3 Set de date pentru aplicare

* Productivitatea istorică a câmpului (*Fig.4*)

Fig.4 Productivitatea istorică a câmpului

{% hint style="warning" %} Setul de date pentru producție nu a fost calibrat: acolo au operat mai multe combine, există urme de întoarcere și date lipsă, iar zgomotul este evident. Se recomandă aplicarea operațiilor de calibrare și curățare a producției pentru rezultate optime.\ Un tutorial pas cu pas poate fi găsit la [LINK](/geopard-tutorials/ro/agronomie/calibrarea-si-curatarea-productiei.md). {% endhint %} Setul de date pentru producție, după calibrare și curățare, este afișat în *Fig.5*, împreună cu statisticile actualizate. Acest set de date va fi utilizat în pașii următori.

Fig.5 Set de date pentru producție calibrat și curățat

## Concept Aici obiectivul Trial Analytics este de a determina cea mai eficientă rată de azot (N34) pentru câmp. Există zonele identificate cu rate de azot de 120 kg/ha, 150 kg/ha și 180 kg/ha. Aceste date sunt derivate, pe de o parte, din ApplicationDataset și, pe de altă parte, din setul de date pentru producție calibrat. Ne concentrăm analiza pe trei zone distincte: * 120 kg/ha (desemnată drept zona de trial) * 150 kg/ha (considerată zona principală) * 180 kg/ha (o altă zonă de trial) Abordarea noastră va include următoarele evaluări: 1. **Bazat pe plan:** folosind aplicarea cu rată variabilă planificată (VRA) legată de producția calibrată. 2. **Bazat pe aplicare:** comparând seturile de date aplicate efectiv cu producția calibrată. 3. **Bazat pe aplicare și productivitate istorică:** comparând seturile de date aplicate efectiv cu producția calibrată suprapusă peste zonele istorice de potențial ale câmpului. Această abordare metodică va permite o evaluare cuprinzătoare a impactului azotului asupra producției, pe baza atât a datelor de aplicare planificate, cât și a celor aplicate efectiv. ## Bazat pe plan Influența ~~aplicat~~ azotului planificat (N34) asupra distribuției producției este surprinsă vizual în capturile de ecran următoare *(Fig.6, Fig.7, Fig.8)*. Iată o prezentare succintă a rezultatelor: * Zona principală, cu o rată de azot de 150 kg/ha, are 45,8 ha și o producție medie de 4,99 t/ha (*Fig.6*). * Prima zonă de trial, utilizând o aplicare de azot de 180 kg/ha, acoperă 1,76 ha, cu o producție medie de 6,5 t/ha (*Fig.7*). * A doua zonă de trial, cu 120 kg/ha de azot, cuprinde 1,86 ha și produce o producție medie de 6,39 t/ha (*Fig.8*). Rezultatele ridică o întrebare importantă: De ce rata mai mică de aplicare pare să fie mai eficientă decât cea mai mare? Pentru a obține informații mai profunde, etapa următoare implică[ evaluarea trialurilor folosind datele reale aplicate](/geopard-tutorials/ro/agronomie/analitice-pentru-teste-in-parcela.md#applied-based-evaluation).

Fig.6 Zona principală cu N34 150 kg/ha

Fig.7 Zonă de trial cu N34 180 kg/ha

Fig.8 Zonă de trial cu N34 120 kg/ha

Mai jos veți găsi o discuție detaliată despre formulele și configurațiile utilizate în timpul evaluării. {% hint style="info" %} Pentru a aprofunda abordarea bazată pe ecuații și execuția acesteia, vă rugăm să consultați tutorialele noastre pentru ambele [Interfața utilizator](/geopard-tutorials/ro/turul-produsului-aplicatia-web/analitice-bazate-pe-ecuatii.md) și [API](/geopard-tutorials/ro/documentatia-api/diagrame-cu-fluxuri-de-baza/5.-executa-ecuatii.md). {% endhint %} Iată ecuațiile care trebuie rulare pentru a reproduce calculele. 1. Principal cu 150 kg/ha:\ `Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)` 2. Trial cu 120 kg/ha:\ `Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)` 3. Trial cu 180 kg/ha:\ `Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)` Este important să activați *Numpy* *(Fig.9)* și să dezactivați *Interpolare* *(Fig.10)*.

Fig.9 Activați „Numpy”

Fig.10 Dezactivați utilizarea datelor „interpolate”

## Bazat pe aplicare O observație importantă este că rata aplicată efectiv în timpul trialului nu se aliniază constant cu rata planificată (țintă). Mai exact, distribuția variază de la 120 kg/ha până la 189 kg/ha *(Fig.11)*. Având în vedere această variabilitate, a devenit esențial să stabilim un prag de referință pentru toleranța la eroare. Astfel, o acuratețe de ±5% a fost considerată un prag acceptabil pentru a declara trialul potrivit pentru evaluare. Prezentat în capturile de ecran următoare (*Fig.12, Fig.13, Fig.14)* este distribuția statistică a producției, concentrându-se pe numerele de azot (N34) efectiv aplicate. Iată statisticile rezumate, ținând cont de acceptarea unei acurateți de ±5%: * Zona principală la 150 kg/ha a avut o suprafață aplicată de 43,5 ha, rezultând o medie de 4,9 t/ha (*Fig.12*). * Prima zonă de trial la 180 kg/ha a acoperit o suprafață de 1,47 ha și a produs o producție medie de 6,5 t/ha (*Fig.13*). * A doua zonă de trial stabilită la 120 kg/ha a acoperit o suprafață de 1,44 ha, cu o producție medie de 6,3 t/ha (*Fig.14*).

Fig.11 Ratele efectiv aplicate în trialuri

Fig.12 Zona principală cu N34 150 kg/ha ±5%

Fig.13 Zonă de trial cu N34 180 kg/ha ±5%

Fig.14 Zonă de trial cu N34 120 kg/ha ±5%

Pentru o înțelegere mai profundă a metodologiei și a specificului acestor rezultate, ecuațiile utilizate sunt mai jos: 1. Azotul aplicat efectiv în trial:\ `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)` 2. Principal cu 150 kg/ha, incluzând o acceptare de 5%:\ `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)` 3. Trial cu 120 kg/ha, incluzând o acceptare de 5%:\ `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)` 4. Trial cu 180 kg/ha, incluzând o acceptare de 5%:\ `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)` ## **Bazat pe aplicare și productivitate istorică** Valorile producției din trialuri depășesc constant producția medie observată în întreaga zonă cu productivitate istorică ridicată a câmpului. Un factor cheie care explică această diferență pare să fie zona cu productivitate istorică ridicată, unde au avut loc trialurile, așa cum se vede în *Fig.15* și *Fig.16*. Pentru o evaluare mai nuanțată a trialurilor, este esențial să se ia în calcul zonele de productivitate atunci când se analizează rezultatele.

Fig.15 Zone istorice de potențial ale câmpului

Fig.16 Zone istorice de potențial ale câmpului ca set de date pentru producție

Prezentat în capturile de ecran următoare (*Fig.17, Fig.18, Fig.19)* este distribuția statistică a producției, concentrându-se pe numerele de azot (N34) efectiv aplicate suprapuse peste zonele istorice de productivitate (create în GeoPard). Iată statisticile rezumate, ținând cont de acceptarea unei acurateți de ±5% pentru numerele aplicate: * Zona principală la 150 kg/ha a avut o suprafață aplicată de 2,65 ha, rezultând o medie de 6,34 t/ha (*Fig.17*). * Prima zonă de trial la 180 kg/ha a acoperit o suprafață de 1,08 ha și a produs o producție medie de 6,41 t/ha (*Fig.18*). * A doua zonă de trial stabilită la 120 kg/ha a acoperit o suprafață de 1,78 ha, cu o producție medie de 6,33 t/ha (*Fig.19*).

Fig.17 Zona principală cu N34 150 kg/ha suprapusă peste productivitatea istorică

Fig.18 Zonă de trial cu N34 180 kg/ha ±5% suprapusă peste productivitatea istorică

Fig.19 Zonă de trial cu N34 120 kg/ha ±5% suprapusă peste productivitatea istorică

Pentru o înțelegere mai profundă a metodologiei și a specificului acestor rezultate, ecuațiile utilizate sunt mai jos: 1. Principal cu 150 kg/ha, incluzând o acceptare de 5%, suprapus peste productivitatea istorică:\ `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)` 2. Trial cu 120 kg/ha, incluzând o acceptare de 5%, suprapus peste productivitatea istorică:\ `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)` 3. Trial cu 180 kg/ha, incluzând o acceptare de 5%, suprapus peste productivitatea istorică:\ `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)` unde * partea `Productivity_SubZone == 51` reflectă zonele cu productivitate ridicată în cadrul experimentelor aplicate, * părțile `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` încorporează o acuratețe de ±5% față de ratele `150`, `120`, `180` kg/ha. ## Rezumat Rezultatele producției din trialuri se aliniază îndeaproape cu producția medie observată în întreaga zonă cu productivitate istorică ridicată a câmpului. Cu alte cuvinte, aplicarea experimentală a produsului N34 la ratele de 120 kg/ha - 150 kg/ha - 180 kg/ha, a dus la producții medii de 6,33 t/ha - 6,34 t/ha - 6,41 t/ha respectiv, nu are un impact semnificativ asupra producției recoltate în cadrul zonei cu productivitate ridicată. --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.geopard.tech/geopard-tutorials/ro/agronomie/analitice-pentru-teste-in-parcela.md?ask= ``` The question should be specific, self-contained, and written in natural language. 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.