> 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/ru/agronomiya/yield-and-trials/field-trial-analytics.md).

# Аналитика полевых опытов

Анализируйте полевые опыты с использованием пространственной статистики, чтобы сравнивать варианты обработки, измерять рентабельность и улучшать рекомендации.

Агрономы используют аналитику полевых опытов, чтобы оценивать эффективность различных сортов культур, агротехнических приёмов и внесения ресурсов, в том числе результаты дифференцированного внесения в точном земледелии. Собирая, анализируя и интерпретируя данные полевых опытов, исследователи получают представление о взаимодействии генетических особенностей, окружающей среды и агротехники. Эти знания помогают разрабатывать стратегии управления посевами, позволяющие максимально реализовать потенциал урожайности и сократить расход ресурсов. Кроме того, аналитика полевых опытов помогает оценивать эффективность методов точного земледелия и выявлять устойчивые сорта культур, способные хорошо расти в разнообразных и сложных условиях, тем самым способствуя продовольственной безопасности.

{% hint style="info" %}
Интерактивная страница полевых опытов на хозяйствах — на geopard.tech: [Полевые опыты на хозяйствах](https://geopard.tech/on-farm-trials/)
{% endhint %}

{% hint style="info" %}
GeoPard также поддерживает опыты по схеме расщеплённых делянок с двумя факторами, например внесение одинаковых норм для разных гибридов. Оценивайте основные эффекты обоих факторов и их взаимодействие «норма внесения × гибрид» на одном и том же геопривязанном слое опыта.
{% endhint %}

## Подготовка данных

Для эффективного анализа полевых опытов необходимы несколько наборов данных:

1. **Набор данных об урожайности**:\
   Этот набор содержит данные об урожайности.\
   Их можно импортировать из [JohnDeere Operation Center](https://docs.geopard.tech/geopard-tutorials/ru/obzor-produkta-veb-prilozhenie/import-precision-agriculture-data/import-from-myjohndeere.md) или загрузить вручную в формате [shapefile](https://docs.geopard.tech/geopard-tutorials/ru/obzor-produkta-veb-prilozhenie/import-precision-agriculture-data/yield-data-import.md) либо в [собственном формате сельхозтехники](https://docs.geopard.tech/geopard-tutorials/ru/obzor-produkta-veb-prilozhenie/import-precision-agriculture-data/machinery-proprietary-formats.md).
2. **Набор данных о внесении**:\
   Он необходим, чтобы понимать, какие операции по внесению фактически выполнены в поле. Как минимум, он содержит такие атрибуты, как TargetRate, AppliedRate и некоторые показатели, связанные с сельхозтехникой.\
   Как и набор данных об урожайности, его можно импортировать из [JohnDeere Operation Center](https://docs.geopard.tech/geopard-tutorials/ru/obzor-produkta-veb-prilozhenie/import-precision-agriculture-data/import-from-myjohndeere.md) или загрузить вручную в формате [shapefile](https://docs.geopard.tech/geopard-tutorials/ru/obzor-produkta-veb-prilozhenie/import-precision-agriculture-data/as-applied-as-planted-data-import.md) либо в [собственном формате сельхозтехники](https://docs.geopard.tech/geopard-tutorials/ru/obzor-produkta-veb-prilozhenie/import-precision-agriculture-data/machinery-proprietary-formats.md).
3. **Зоны/делянки полевых опытов**:\
   Они показывают запланированные нормы внесения в опыте и дают представление о его схеме.\
   Если такой слой данных доступен, загрузите его в формате [shapefile](https://docs.geopard.tech/geopard-tutorials/ru/obzor-produkta-veb-prilozhenie/import-precision-agriculture-data/as-applied-as-planted-data-import.md) в раздел AsApplied/AsPlanted или в раздел контроля урожайности. Это обеспечит совместимость при создании карт по формулам и упростит анализ полевых опытов.\
   Опыт может иметь однофакторную схему или схему расщеплённых делянок со вторым фактором обработки, например гибридом или сортом.\
   Если такого слоя данных нет, для анализа опыта вместо него можно использовать атрибут TargetRate из набора данных о внесении.
4. **Зоны исторического потенциала поля:**\
   Эти зоны формирует GeoPard (подробнее — [ЗДЕСЬ](https://docs.geopard.tech/geopard-tutorials/ru/obzor-produkta-veb-prilozhenie/zones-maps-and-analytics/multi-year-zones.md)). Они полезны для анализа опытов в условиях стабильно высокой или низкой продуктивности в прошлом. Это особенно важно, если опыты размещены в регионах с различной исторической продуктивностью.

Собрав эти наборы данных, можно перейти к оценке полевого опыта.

## Обзор данных

Для сельскохозяйственного сезона 2023 года по озимой пшенице доступны следующие данные:

* Набор данных об урожайности с распределением влажной массы *(рис. 1)*

<figure><img src="https://3851418964-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>Рис. 1. Исходный набор данных об урожайности</p></figcaption></figure>

* План дифференцированного внесения азота (N34) (150 кг/га) с двумя опытными делянками (120 кг/га и 180 кг/га)*(рис. 2)*

<figure><img src="https://3851418964-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>Рис. 2. План дифференцированного внесения азота (N34) с опытными делянками</p></figcaption></figure>

* Набор данных о внесении с показателями фактического внесения *(рис. 3)*

<figure><img src="https://3851418964-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>Рис. 3. Набор данных о внесении</p></figcaption></figure>

* Историческая продуктивность поля (*рис. 4*)

<figure><img src="https://3851418964-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>Рис. 4. Историческая продуктивность поля</p></figcaption></figure>

{% hint style="warning" %}
Набор данных об урожайности не откалиброван: на поле работали несколько комбайнов, имеются следы разворотов и пропущенных данных, а также заметны шумы. Для получения оптимальных результатов рекомендуется дополнительно выполнить операции калибровки и очистки данных об урожайности.\
Пошаговое руководство доступно по [ССЫЛКЕ](https://docs.geopard.tech/geopard-tutorials/ru/agronomiya/yield-and-trials/yield-calibration-and-cleaning.md).
{% endhint %}

Набор данных об урожайности после калибровки и очистки показан на *рис. 5*, вместе с обновлёнными статистическими данными. Этот набор будет использоваться на следующих этапах.

<figure><img src="https://3851418964-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>Рис. 5. Откалиброванный и очищенный набор данных об урожайности</p></figcaption></figure>

## Основные понятия

Здесь задача аналитики испытаний — определить наиболее эффективную норму внесения азота (N34) на поле. Выделены участки с нормами внесения азота 120 кг/га, 150 кг/га и 180 кг/га. Данные получены, с одной стороны, из набора данных о внесении (ApplicationDataset), а с другой — из откалиброванного набора данных об урожайности (YieldDataset).

Анализ сосредоточен на трех отдельных зонах:

* 120 кг/га (опытная зона)
* 150 кг/га (основная зона)
* 180 кг/га (еще одна опытная зона)

Оценка включает следующие варианты:

1. **На основе плана:** с использованием запланированного дифференцированного внесения (VRA), сопоставленного с откалиброванной урожайностью.
2. **На основе фактического внесения:** сопоставление данных о фактическом внесении с откалиброванными данными об урожайности.
3. **На основе фактического внесения и исторической продуктивности:** сопоставление данных о фактическом внесении с откалиброванными данными об урожайности, наложенными на зоны исторического потенциала поля.

Такой системный подход позволит комплексно оценить влияние азота на урожайность на основе данных как о запланированном, так и о фактическом внесении.

## На основе плана

Влияние ~~фактически внесенного~~ запланированного азота (N34) на распределение урожайности наглядно показано на следующих снимках экрана *(рис. 6, рис. 7, рис. 8)*. Кратко рассмотрим результаты:

* <mark style="color:синий;">Основная зона с нормой внесения азота 150 кг/га занимает 45,8 га; средняя урожайность составляет 4,99 т/га</mark> (*Рис. 6*).
* <mark style="color:синий;">Первая опытная зона с нормой внесения азота 180 кг/га занимает 1,76 га; средняя урожайность составляет 6,5 т/га</mark> (*Рис. 7*).
* <mark style="color:синий;">Вторая опытная зона с нормой внесения азота 120 кг/га занимает 1,86 га; средняя урожайность составляет 6,39 т/га</mark> (*Рис. 8*).

Результаты заставляют задуматься: <mark style="color:оранжевый;">Почему более низкая норма внесения, по-видимому, эффективнее высокой?</mark> Для более глубокого анализа на следующем этапе[ испытания оцениваются на основе данных о фактическом внесении](#applied-based-evaluation).

<figure><img src="https://3851418964-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>Рис. 6. Основная зона: N34, 150 кг/га</p></figcaption></figure>

<figure><img src="https://3851418964-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>Рис. 7. Опытная зона: N34, 180 кг/га</p></figcaption></figure>

<figure><img src="https://3851418964-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>Рис. 8. Опытная зона: N34, 120 кг/га</p></figcaption></figure>

Ниже подробно рассматриваются формулы и настройки, использованные при оценке.

{% hint style="info" %}
Чтобы подробнее ознакомиться с подходом на основе уравнений и его применением, изучите наши руководства для [пользовательского интерфейса](https://docs.geopard.tech/geopard-tutorials/ru/obzor-produkta-veb-prilozhenie/equation-based-analytics.md) и [API](https://docs.geopard.tech/geopard-tutorials/ru/dokumentaciya-api/diagrams-with-basic-flows/5.-execute-equations.md).
{% endhint %}

Ниже приведены уравнения для воспроизведения расчетов.

1. Основная зона, 150 кг/га:\
   `Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)`
2. Опытная зона, 120 кг/га:\
   `Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)`
3. Опытная зона, 180 кг/га:\
   `Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)`

Важно включить *Numpy* *(рис. 9)* и отключить *Интерполяция* *(рис. 10)*.

<figure><img src="https://3851418964-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>Рис. 9. Активируйте «Numpy»</p></figcaption></figure>

<figure><img src="https://3851418964-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>Рис. 10. Отключите использование интерполированных данных</p></figcaption></figure>

## На основе фактической нормы внесения

Примечательно, что фактическая норма внесения во время опыта не всегда совпадает с запланированной (целевой) нормой. В частности, фактическая норма варьировалась от 120 до 189 кг/га *(рис. 11)*. Ввиду такой вариативности было важно установить допустимый порог погрешности. Поэтому приемлемым порогом для признания опыта пригодным для оценки была выбрана точность ±5%.

На следующих снимках экрана (*рис. 12, рис. 13, рис. 14)* показано статистическое распределение урожайности с учетом фактических норм внесения азота (N34). Ниже приведена сводная статистика с учетом допустимой точности ±5%:

* <mark style="color:синий;">На основной зоне с нормой 150 кг/га площадь внесения составила 43,5 га, а средняя урожайность — 4,9 т/га</mark> (*Рис. 12*).
* <mark style="color:синий;">Первая опытная зона с нормой 180 кг/га занимала площадь 1,47 га; средняя урожайность составила 6,5 т/га</mark> (*Рис. 13*).
* <mark style="color:синий;">Вторая опытная зона с нормой 120 кг/га занимала площадь 1,44 га; средняя урожайность составила 6,3 т/га</mark> (*Рис. 14*).

<figure><img src="https://3851418964-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>Рис. 11. Фактические нормы внесения на опытных участках</p></figcaption></figure>

<figure><img src="https://3851418964-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>Рис. 12. Основная зона с нормой N34 150 кг/га ±5%</p></figcaption></figure>

<figure><img src="https://3851418964-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>Рис. 13. Опытная зона с нормой N34 180 кг/га ±5%</p></figcaption></figure>

<figure><img src="https://3851418964-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>Рис. 14. Опытная зона с нормой N34 120 кг/га ±5%</p></figcaption></figure>

Для более глубокого понимания методики и особенностей этих результатов ниже приведены использованные формулы:

1. Фактическое внесение азота на опытных участках:\
   `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)`
2. Основная зона с нормой 150 кг/га с допуском 5%:\
   `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
3. Опытная зона с нормой 120 кг/га с допуском 5%:\
   `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
4. Опытная зона с нормой 180 кг/га с допуском 5%:\
   `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

## **Продуктивность с учетом фактической нормы внесения и исторических данных**

Урожайность на опытных участках стабильно превышает среднюю урожайность по всему полю. По-видимому, ключевая причина такого различия — исторически высокопродуктивная зона, где проводились опыты, как показано на *рис. 15* и *рис. 16*. Чтобы точнее оценить результаты опытов, при их анализе необходимо учитывать зоны продуктивности.

<figure><img src="https://3851418964-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>Рис. 15. Зоны исторического потенциала поля</p></figcaption></figure>

<figure><img src="https://3851418964-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>Рис. 16. Зоны исторического потенциала поля в виде набора данных об урожайности</p></figcaption></figure>

На следующих снимках экрана (*рис. 17, рис. 18, рис. 19)* показано статистическое распределение урожайности с учетом фактических норм внесения азота (N34), наложенных на зоны исторической продуктивности (созданные в GeoPard). Ниже приведена сводная статистика с учетом допустимой погрешности фактических норм внесения ±5%:

* <mark style="color:синий;">На основной зоне с нормой 150 кг/га площадь внесения составила 2,65 га, а средняя урожайность — 6,34 т/га</mark> (*Рис. 17*).
* <mark style="color:синий;">Первая опытная зона с нормой 180 кг/га занимала площадь 1,08 га; средняя урожайность составила 6,41 т/га</mark> (*Рис. 18*).
* <mark style="color:синий;">Вторая опытная зона с нормой 120 кг/га занимала площадь 1,78 га; средняя урожайность составила 6,33 т/га</mark> (*Рис. 19*).

<figure><img src="https://3851418964-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>Рис. 17. Основная зона с нормой N34 150 кг/га, наложенная на зоны исторической продуктивности</p></figcaption></figure>

<figure><img src="https://3851418964-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>Рис. 18. Опытная зона с нормой N34 180 кг/га ±5%, наложенная на зоны исторической продуктивности</p></figcaption></figure>

<figure><img src="https://3851418964-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>Рис. 19. Опытная зона с нормой N34 120 кг/га ±5%, наложенная на зоны исторической продуктивности</p></figcaption></figure>

Для более глубокого понимания методики и особенностей этих результатов ниже приведены использованные формулы:

1. Основной вариант с нормой 150 кг/га с допуском 5% в зоне пересечения с исторической урожайностью:\
   `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
2. Опытный вариант с нормой 120 кг/га с допуском 5% в зоне пересечения с исторической урожайностью:\
   `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
3. Опытный вариант с нормой 180 кг/га с допуском 5% в зоне пересечения с исторической урожайностью:\
   `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

где

* часть `Productivity_SubZone == 51` соответствует зонам высокой продуктивности, где проводились опыты,
* части `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` учитывают допуск ±5% от нормы внесения `150`, `120`, `180` кг/га.

## Итоги

Результаты урожайности в опытах близки к средней урожайности, зафиксированной в зоне высокой исторической продуктивности поля. Иными словами, опытное внесение продукта N34 с нормами <mark style="color:синий;">120 кг/га — 150 кг/га — 180 кг/га</mark>, обеспечило среднюю урожайность <mark style="color:синий;">6,33 т/га — 6,34 т/га — 6,41 т/га</mark> соответственно и не оказало значимого влияния на убранную урожайность в зоне высокой продуктивности.


---

# 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/ru/agronomiya/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.
