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

# Delovni tok trgovca v Italiji: John Deere Ops Center - GeoPard - VRA dušik - poskusi - karte dobička

Študija primera trgovca John Deere: Sergio Bassan in GeoPard poganjata donosnost natančnega kmetijstva

V preciznem kmetijstvu so natančni podatki in napredna analitika ključni za sprejemanje boljših odločitev in večjo produktivnost kmetije. Lani, [GeoPard Agriculture](https://geopard.tech/) je sodeloval s podjetjem [John Deere](https://deere.com/) zastopnikom [Sergio Bassan S.r.l.](https://www.bassan.com/) v Italiji, da bi lokalnim kmetom pomagal skozi celotno rastno sezono. Oglejmo si primer, kako je naše sodelovanje vplivalo na eno njivo.

## 1. Začetek: določanje pridelovalnih con in priprava kart za variabilno aplikacijo <a href="#ember54" id="ember54"></a>

Pred začetkom sezone smo analizirali pretekle podatke o pridelku in trende vegetacije, da bi ocenili pridelovalni potencial njive. Ker je bilo zemljišče razmeroma ravno in topografija ni omejevala pridelave, smo se osredotočili na pridelek in pretekle vzorce vegetacije. Podatke o pridelku smo brez težav uvozili v GeoPard prek [integracije 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).

Z uporabo [večplastnega pristopa](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/zones-maps-and-analytics/multi-layer-analytics), smo vsako njivo razdelili na tri pridelovalne cone na podlagi podatkov o pridelku in pretekle vegetacije, pri čemer smo uporabili indeks EVI2, izračunan iz satelitskih posnetkov. Kmetje so tako lahko natančno prilagodili strategije setve in gnojenja ter odmerke uskladili s spremenljivostjo njive.

Za oceno vpliva setve z variabilno normo (VRA) smo določili poskusni pas, ki je potekal skozi vse pridelovalne cone. Ta neposredna primerjava je omogočila merjenje učinkovitosti setve VRA v primerjavi s konvencionalno setvijo z enotno normo.

<figure><img src="https://29491374-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>Zemljevid setve silažne koruze z variabilno normo in označenim poskusnim pasom.</p></figcaption></figure>

## 2. Natančna izvedba: od setve do gnojenja <a href="#ember59" id="ember59"></a>

GeoPard je omogočil nemoteno izvedbo kart za variabilno aplikacijo in podrobno spremljanje aplikacij skozi celotno sezono.

### Nemoten prenos in izvedba kart za variabilno aplikacijo <a href="#ember61" id="ember61"></a>

Karte za variabilno aplikacijo so bile poslane neposredno v John Deere Operations Center, da jih je lahko izvedla mehanizacija. GeoPard podpira več izvoznih formatov, vključno s Shapefile in ISOXML, ter neposredno integracijo z John Deere Ops Center, kjer so podatki na voljo kot datoteke, sloji zemljevida in [delovni načrti](https://youtu.be/op1o-Y3r6bg). V sezoni smo za optimalno rast posevka in upravljanje hranil uporabili kombinacijo aplikacij z variabilno normo (setev in gnojenje z dušikom) ter aplikacij z enotno normo (predsetvena uporaba fosforja in kalija ter več dognojevanj z dušikom).

### Spremljanje kart dejansko izvedenega gnojenja <a href="#ember63" id="ember63"></a>

GeoPard je zabeležil in analiziral vse podatke o aplikacijah ter [primerjal načrtovana in izvedena opravila](https://docs.geopard.tech/geopard-tutorials/agronomy/evaluate-accuracy-of-seeding-application) ter zaznal morebitna odstopanja, zaradi katerih bi bile potrebne prilagoditve ali ponovna aplikacija. Primerjava ciljnih in dejansko uporabljenih norm setve je tako potrdila natančno izvedbo brez večjih odstopanj.

<figure><img src="https://29491374-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>Norma setve: primerjava ciljne in dejansko uporabljene norme.</p></figcaption></figure>

## 3. Pridobivanje uporabnih vpogledov <a href="#ember66" id="ember66"></a>

Analiza po spravilu pridelka je ključnega pomena za učenje iz izkušenj v sezoni in načrtovanje naslednje sezone.

### Čiščenje in kalibracija podatkov o pridelku <a href="#ember68" id="ember68"></a>

Po končani žetvi se karte pridelka samodejno prikažejo v GeoPard prek integracije z John Deere Operations Center, lahko pa jih naložite tudi ročno prek vmesnika GeoPard. Platforma [kalibrira in očisti podatke o pridelku s kombajna](https://docs.geopard.tech/geopard-tutorials/agronomy/yield-calibration-and-cleaning), kar zagotavlja zelo natančne vpoglede za boljše odločanje. Spodnji primerjavi drug ob drugem jasno prikazujeta, kako čiščenje podatkov izostri analitiko in poveča njeno zanesljivost.

<figure><img src="https://29491374-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>Kalibrirani (zgoraj) in surovi (spodaj) podatki o pridelku.</p></figcaption></figure>

### Upravljanje dušika <a href="#ember71" id="ember71"></a>

Dostop do vseh kart dejansko izvedenih aplikacij v sezoni je omogočil natančen izračun skupne količine uporabljenega dušika s seštevanjem vseh opravil, povezanih z dušikom.

Stopnja odvzema dušika je bila določena na podlagi podatkov o pridelku in modelov posevkov. Če so kombajni opremljeni s senzorji za merjenje surovih beljakovin, se ti podatki vključijo v izračune, kar omogoča še natančnejše vpoglede.

[Učinkovitost izrabe dušika in presežek](https://docs.geopard.tech/geopard-tutorials/agronomy/nitrogen-use-efficiency-and-uptake) smo ocenili s primerjavo skupnega vnosa dušika in njegovega odvzema v posevku, kar pomaga optimizirati strategije gnojenja za prihodnje sezone.

<figure><img src="https://29491374-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>Učinkovitost izrabe dušika.</p></figcaption></figure>

### Vrednotenje VRA in poskusov <a href="#ember76" id="ember76"></a>

Z jasno opredeljenimi poskusnimi območji smo pripravili poglobljeno analitiko za primerjavo uspešnosti posevka v različnih pridelovalnih conah.

Ti vpogledi so jasno pokazali, kako se je [posamezna cona odzvala na setev VRA](https://docs.geopard.tech/geopard-tutorials/agronomy/field-trial-analytics), in pomagali potrditi najboljše prakse za prihodnje sezone.

Priložena karta poskusa in podatkovna tabela podrobno prikazujeta uspešnost posevka v štirih različnih pridelovalnih conah ter vpliv setve z variabilno normo (VRA) na pridelek in dobičkonosnost.

<figure><img src="https://29491374-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>Rezultati VRA in poskusa.</p></figcaption></figure>

### **Ključna opažanja in vpogledi**

* **Dobičkonosnost glede na površino**: Cona 2 je dosegla najvišji skupni dobiček in povprečni pridelek, cona 3 pa je pokazala, da lahko manjše, zelo produktivno območje (20,42 t/ha) ustvari visoko dobičkonosnost na hektar (1.808,14 €/ha).
* **Uspešnost con**: Zemljevid kaže, da se območja z največjim pridelkom ujemajo s svetlejšimi zelenimi območji produktivnosti (cona 3), kar kaže na izrazit odziv na setev s spremenljivo normo (VRA).
* **Porazdelitev dobička**: Cona 4 (poskusna linija) je kljub solidnemu pridelku ustvarila manjši skupni dobiček zaradi manjše površine ter morda višjih stroškov vložkov ali nižje učinkovitosti.
* **Prihodnje možnosti**: Te analize so podatkovno podlago za izboljšanje strategij setve v prihodnjih sezonah in nakazujejo, da bi lahko večje naložbe v območja z boljšim odzivom, kot je cona 3, povečale splošno uspešnost kmetije.

### Analiza pridelka in dobičkonosnosti <a href="#ember83" id="ember83"></a>

Z analizo podatkov o pridelku glede na dejanske stroške vložkov so kmetje dobili jasen vpogled v [Prostorski zemljevidi dobička](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/) močno orodje za ocenjevanje dobičkonosnosti na ravni posameznih delov polja. Primerjava prihodkov od pridelka in stroškov je razkrila območja z visokimi maržami ter opredelila območja, ki potrebujejo bolj ciljno usmerjene ukrepe.

<figure><img src="https://29491374-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>Zemljevid dobička z območji visokih in nizkih marž.</p></figcaption></figure>

## 4. Pogled v prihodnost: kaj sledi? <a href="#ember86" id="ember86"></a>

Na podlagi letošnjega uspeha se sodelovanje s prodajalcem John Deere, podjetjem Sergio Bassan Italy, nadaljuje tudi v sezoni 2025, ko bodo uvedene dodatne funkcije in izboljšane operacije:

### Samodejna priporočila za vzorčenje tal <a href="#ember88" id="ember88"></a>

GeoPardov inteligentni sistem predlaga optimalna mesta za consko vzorčenje tal. Za vzorčenje in pregledovanje posevkov se uporablja aplikacija GeoPard Mobile.

<figure><img src="https://29491374-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>Zemljevid lokacij za vzorčenje tal</p></figcaption></figure>

### Analiza podatkov o vzorčenju tal in priporočila za VRA <a href="#ember91" id="ember91"></a>

Ko bodo [podatki o tleh](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/import/soil-data) zbrani, jih bo GeoPard pretvoril v zemljevide za natančno gnojenje, ki bodo usmerjali odmerjanje s spremenljivo normo po različnih conah.

### Samodejna analiza poskusov in VRA <a href="#ember93" id="ember93"></a>

Kmetje bodo lahko s samodejnim postopkom ocenjevali učinkovitost svojih strategij VRA in poskusnih linij, kar bo omogočilo hitrejše in doslednejše poročanje.

<figure><img src="https://29491374-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>

### Samodejna izdelava zemljevidov dobičkonosnosti <a href="#ember96" id="ember96"></a>

Načrtujemo avtomatizacijo izdelave zemljevidov dobičkonosnosti z uporabo izvedenih delovnih postopkov in drugih ključnih podatkov, da bi optimizirali dobičkonosnost in pomagali pri načrtovanju naslednje sezone

## 5. Mnenje partnerja <a href="#ember98" id="ember98"></a>

Po besedah našega partnerja **Sergio Bassan Italy**,

> »GeoPardova analitika je naši ekipi in kmetom olajšala učinkovito uporabo orodij za precizno kmetovanje. Zanesljiva analitika in stalna podpora skozi vso sezono sta izboljšali načrtovanje in upravljanje vložkov. Prepričani smo, da bo sodelovanje med našim oddelkom in GeoPardom našim strankam prineslo pomembne spremembe in koristi.«

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

## Sklepne misli <a href="#ember102" id="ember102"></a>

Naše sodelovanje s prodajalcem John Deere, podjetjem Sergio Bassan Italy, od opredelitve območij produktivnosti do analize zemljevidov pridelka in dobička, kaže na resnične prednosti preciznega kmetijstva. Z nadaljnjim uvajanjem samodejnih priporočil za vzorčenje tal in izboljšane analitike dobičkonosnosti se veselimo, da bomo kmetom v regiji pomagali doseči še večjo učinkovitost in trajnostnost.

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

[**Sergio Bassan srl**](https://www.bassan.com/it/)**:** Podjetje na desetih lokacijah ponuja izbor novih in rabljenih kmetijskih strojev, traktorjev, kombajnov, mulčerjev, teleskopskih nakladalnikov, bagrov, satelitskih sistemov za vodenje, opreme za obdelavo tal in spravilo sena, vrtnarstvo in vinogradništvo, vrtnih strojev in traktorjev, dodatne opreme ter rezervnih delov. Ekipo podjetja Sergio Bassan sestavlja osem strokovnjakov za precizno kmetovanje, ki svetujejo pri uporabi precizne tehnologije in kmetom pomagajo, da njene prednosti izkusijo neposredno na polju. Oddelek za precizno kmetijstvo preizkuša nove rešitve za stranke, hkrati pa z njimi ohranja stalno povezavo, tudi na daljavo, in jim zagotavlja neprekinjeno podporo.

[**GeoPard Agriculture**](https://geopard.tech/)**:** Podjetje je v ospredju razvoja tehnologije za precizno kmetijstvo. GeoPard, specializiran za geoprostorsko analitiko, ponuja rešitve, ki kompleksne kmetijske podatke pretvarjajo v uporabne vpoglede. Njegova tehnologija je usmerjena v optimizacijo različnih vidikov kmetovanja, od analize tal do zemljevidov VRA, daljinskega zaznavanja in analize podatkov kmetijske mehanizacije, ter pomembno prispeva k napredku pametnega kmetovanja.


---

# 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/svn/agronomija/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.
