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

# Återförsäljararbetsflöde i Italien: John Deere Ops Center - GeoPard - VRA-kväve - försök - lönsamhetskartor

John Deere-återförsäljarfallstudie: Sergio Bassan och GeoPard driver ROI i precisionsjordbruk

Inom precisionsjordbruk är tillförlitliga data och avancerad analys nyckeln till bättre beslut och ökad produktivitet på gården. Förra året [GeoPard Agriculture](https://geopard.tech/) samarbetade med [John Deere](https://deere.com/) återförsäljaren [Sergio Bassan S.r.l.](https://www.bassan.com/) i Italien för att stötta lokala lantbrukare under hela växtsäsongen. Så här påverkade vårt samarbete ett enskilt fält.

## 1. Komma igång: avgränsa produktivitetszoner och skapa VRA-kartor <a href="#ember54" id="ember54"></a>

Inför säsongen analyserade vi historiska skördedata och vegetationstrender för att bedöma fältets produktivitetsprofil. Eftersom topografin var relativt plan och inte begränsande låg fokus på skörd och historiska vegetationsmönster. Skördedata importerades smidigt till GeoPard via [integrationen 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).

Med en [flerskiktsmetod](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/zones-maps-and-analytics/multi-layer-analytics) delade vi in varje fält i tre produktivitetszoner utifrån skördedata och historisk vegetation, med hjälp av EVI2-indexet från satellitbilder. Det gjorde det möjligt för lantbrukarna att finjustera strategierna för sådd och gödsling och anpassa givorna efter variationerna inom fältet.

För att utvärdera effekten av sådd med variabel giva (VRA) anlade vi ett försöksstråk som gick genom alla produktivitetszoner. Den direkta jämförelsen gjorde det möjligt att mäta hur väl VRA-sådd fungerade jämfört med konventionell sådd med jämn utsädesmängd.

<figure><img src="https://1016759462-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-såddkarta för ensilagemajs med markerat försöksstråk.</p></figcaption></figure>

## 2. Precisionsutförande: från sådd till gödsling <a href="#ember59" id="ember59"></a>

GeoPard gjorde det enkelt att genomföra VRA-kartorna och gav detaljerad uppföljning av insatserna under hela säsongen.

### Smidig överföring och användning av VRA-kartor <a href="#ember61" id="ember61"></a>

VRA-kartorna skickades direkt till John Deere Operations Center så att maskinerna kunde använda dem. GeoPard stöder flera exportformat, däribland Shapefile och ISOXML, samt direktintegration med John Deere Ops Center som filer, kartlager och [arbetsplaner](https://youtu.be/op1o-Y3r6bg). Under säsongen användes både insatser med varierad giva (sådd och kvävegödsling) och insatser med jämn giva (fosfor- och kaliumgödsling före sådd samt flera kompletteringsgivor av kväve) för att optimera grödans utveckling och näringshanteringen.

### Uppföljning av kartor över faktiskt utförd gödsling <a href="#ember63" id="ember63"></a>

GeoPard samlade in och analyserade alla data om utförda insatser och [jämförde planerade och utförda åtgärder](https://docs.geopard.tech/geopard-tutorials/agronomy/evaluate-accuracy-of-seeding-application) för att upptäcka avvikelser som kan kräva justeringar eller en ny behandling. Jämförelsen mellan planerad och faktiskt utförd utsädesmängd bekräftade att arbetet utförts med hög precision och utan större avvikelser.

<figure><img src="https://1016759462-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>Utsädesmängd: jämförelse mellan planerad och faktisk giva.</p></figcaption></figure>

## 3. Insikter som går att omsätta i praktiken <a href="#ember66" id="ember66"></a>

Analys efter skörd är viktig för att dra lärdomar av säsongen och planera inför nästa.

### Rensning och kalibrering av skördedata <a href="#ember68" id="ember68"></a>

När skörden är avslutad visas skördekartor automatiskt i GeoPard via integrationen med John Deere Operations Center. De kan också laddas upp manuellt i GeoPard. Plattformen [kalibrerar och rensar skördedata från skördetröskan](https://docs.geopard.tech/geopard-tutorials/agronomy/yield-calibration-and-cleaning) för att ge tillförlitliga insikter som underlag för bättre beslut. Jämförelserna nedan visar tydligt hur rensning av data ger skarpare analyser och ökad tillförlitlighet.

<figure><img src="https://1016759462-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>Kalibrerade (överst) och råa (nederst) skördedata.</p></figcaption></figure>

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

Med tillgång till alla kartor över utförda insatser från säsongen kunde den totala kvävegivan beräknas exakt genom att summera alla kväverelaterade åtgärder.

Grödans kväveupptag fastställdes med hjälp av skördedata och grödmodeller. Om skördetröskorna är utrustade med sensorer för råprotein tas dessa data med i beräkningarna, vilket ger ännu säkrare insikter.

[Kväveutnyttjande och kväveöverskott](https://docs.geopard.tech/geopard-tutorials/agronomy/nitrogen-use-efficiency-and-uptake) bedömdes genom att jämföra den totala kvävetillförseln med grödans kväveupptag. Det ger underlag för att optimera gödslingsstrategier inför kommande säsonger.

<figure><img src="https://1016759462-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>Kväveutnyttjande.</p></figcaption></figure>

### Utvärdering av VRA och försök <a href="#ember76" id="ember76"></a>

Med tydligt avgränsade försöksområden kunde vi ta fram detaljerade analyser och jämföra grödans utveckling i olika produktivitetszoner.

Insikterna visade tydligt hur [varje zon reagerade på VRA-sådd](https://docs.geopard.tech/geopard-tutorials/agronomy/field-trial-analytics) och bidrog till att bekräfta vilka metoder som fungerar bäst inför kommande säsonger.

Försökskartan och datatabellen visar en detaljerad analys av grödans utveckling i fyra tydligt åtskilda produktivitetszoner och belyser hur sådd med variabel giva (VRA) påverkade skörd och lönsamhet.

<figure><img src="https://1016759462-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>Resultat av VRA och försök.</p></figcaption></figure>

### **Viktiga observationer och insikter**

* **Lönsamhet i förhållande till areal**: Zon 2 gav den högsta totala vinsten och den högsta genomsnittliga skörden. Zon 3 visade samtidigt att mindre, mycket produktiva områden (20,42 t/ha) kan ge hög lönsamhet per hektar (1 808,14 €/ha).
* **Zonernas resultat**: Kartan visar att områdena med högst skörd sammanfaller med de ljusare gröna produktivitetszonerna (zon 3), vilket tyder på en stark respons på utsädesmängd med variabel giva (VRA).
* **Vinstfördelning**: Zon 4 (försökssträngen) hade trots en god skörd lägre total vinst, eftersom den omfattar en mindre yta och eventuellt har högre insatskostnader eller lägre effektivitet.
* **Framtida möjligheter**: Analyserna ger ett datadrivet underlag för att förfina strategierna för sådd under kommande säsonger. De antyder att större investeringar i zoner med starkare respons, som zon 3, kan förbättra gårdens samlade resultat.

### Analys av skörd och lönsamhet <a href="#ember83" id="ember83"></a>

Genom att analysera skördedata mot de faktiska insatskostnaderna fick lantbrukarna en tydlig bild av [Rumsliga vinstkartor](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/) ett kraftfullt verktyg för att bedöma lönsamheten på delområdesnivå. En jämförelse mellan intäkter från skörden och kostnader visade vilka zoner som hade höga marginaler och pekade ut områden där mer riktade åtgärder behövdes.

<figure><img src="https://1016759462-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>Vinstkarta med områden med höga och låga marginaler.</p></figcaption></figure>

## 4. Framåtblick: vad händer härnäst? <a href="#ember86" id="ember86"></a>

Med årets framgångar som grund fortsätter samarbetet med John Deere-återförsäljaren Sergio Bassan Italy under säsongen 2025, med fler funktioner och effektivare arbetssätt:

### Automatiserade rekommendationer för jordprovtagning <a href="#ember88" id="ember88"></a>

GeoPards intelligenta system föreslår optimala platser för zonbaserad jordprovtagning. Appen GeoPard Mobile används vid provtagning och fältinventering.

<figure><img src="https://1016759462-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>Karta över platser för jordprovtagning</p></figcaption></figure>

### Analys av jordprovsdata och rekommendationer för VRA <a href="#ember91" id="ember91"></a>

När [jorddata](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/import/soil-data) har samlats in omvandlar GeoPard informationen till precisionskartor för gödsling, med rekommendationer om varierad giva för olika zoner.

### Automatiserad analys av försök och VRA <a href="#ember93" id="ember93"></a>

Lantbrukarna får tillgång till en automatiserad process för att utvärdera hur väl deras VRA-strategier och försökssträngar fungerar, vilket möjliggör snabbare och mer enhetlig rapportering.

<figure><img src="https://1016759462-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 vinstkartor <a href="#ember96" id="ember96"></a>

Vi planerar att automatisera lönsamhetskartor med hjälp av utförda åtgärder och andra viktiga data för att optimera lönsamheten och underlätta planeringen inför nästa säsong.

## 5. Insikter från vår partner <a href="#ember98" id="ember98"></a>

Enligt vår partner **Sergio Bassan Italy**,

> ”GeoPards analyser har gjort det enkelt för vårt team och lantbrukarna att använda precisionsjordbrukets verktyg på ett effektivt sätt. Tillförlitliga analyser och kontinuerligt stöd under hela säsongen har förbättrat planeringen och hanteringen av insatsvaror. Vi är övertygade om att samarbetet mellan vår avdelning och GeoPard kommer att skapa betydande förändringar och fördelar för våra kunder.”

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

## Avslutande ord <a href="#ember102" id="ember102"></a>

Från att fastställa produktivitetszoner till att analysera skörde- och vinstkartor visar vårt samarbete med John Deere-återförsäljaren Sergio Bassan Italy vilka konkreta fördelar precisionsjordbruk kan ge. Nu när vi går vidare med automatiserade rekommendationer för jordprovtagning och förbättrad lönsamhetsanalys ser vi fram emot att bidra till ännu högre effektivitet och hållbarhet för lantbrukarna i regionen.

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

[**Sergio Bassan srl**](https://www.bassan.com/it/)**:** På sina tio anläggningar erbjuder företaget ett urval av nya och begagnade lantbruksmaskiner, traktorer, skördetröskor, flishuggar, teleskoplastare, grävmaskiner, satellitbaserade styrsystem, utrustning för jordbearbetning och höskörd, trädgårds- och vinodling, trädgårdsmaskiner och traktorer samt tillbehör och reservdelar. Sergio Bassans team består av åtta tekniker inom precisionsjordbruk som ger råd om precisionslösningar och hjälper lantbrukarna att själva se nyttan ute på fältet. Avdelningen för precisionsjordbruk vill testa nya lösningar för kunderna och samtidigt hålla en nära kontakt, även på distans, för att kunna erbjuda löpande stöd.

[**GeoPard Agriculture**](https://geopard.tech/)**:** Företaget ligger i framkant inom teknik för precisionsjordbruk. GeoPard är specialiserat på geospatial analys och erbjuder lösningar som omvandlar komplexa jordbruksdata till konkreta beslutsunderlag. Tekniken hjälper till att optimera flera delar av lantbruket, från markanalys till VRA-kartor, fjärranalys och analys av data från lantbruksmaskiner, och bidrar därmed i hög grad till utvecklingen av smart lantbruk.


---

# 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/swe/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.
