🌾Skördedata och analys av skörd

Importera, bearbeta, rensa, återställ, analysera, skapa recept, lönsamhetskartor och dela skördedata i GeoPard.

Använd GeoPard för att förvandla råa skördefiler till avkastningslager som är redo för beslut.

Typiskt arbetsflöde

1

Importera

Ta in skördedata från shapefiler, maskinfiler eller John Deere. Börja med filimport. Behandla sedan, rensa, kalibrera, fyll luckor och återanvänd resultatet för agronomiska rekommendationer.

2

Bearbeta

Granska attribut, enheter, fältpassning och maskinspecifika detaljer.

3

Rensa och kalibrera

Ta bort brus. Fixa randning. Justera värden mot tillförlitliga totalsummor.

4

Återskapa luckor

Använd syntetisk avkastning där loggning saknas eller är ofullständig.

5

Bygg rekommendationer

Skapa zoner, ekvationer och lönsamhetsflöden från rensad avkastning.

6

Dela utdata

Skicka lager och rekommendationer som baseras på avkastning till John Deere Ops Center.

1. Importera avkastningsdata

GeoPard stöder vanliga GIS-filer och maskinformat.

Typiska indata inkluderar shp, ISOXMLoch proprietära filer som jdl, cn1, adm, datoch relaterade maskinarkiv.

Du kan också importera avkastning direkt från John Deere Operations Center.

Ladda upp maskinfiler och låt GeoPard läsa in dem till dataset.

Använd dessa sidor för exakt arbetsflöde:

• Import av avkastningsdata

• Proprietära maskinformat

• Import från MyJohnDeere

2. Bearbetning av avkastningsdata

Efter import kopplar GeoPard datasetet till fältet och visar dess skördeattribut.

Detta är steget där du bekräftar att datasetet går att använda.

Kontrollera först dessa punkter:

• huvudattributet för avkastning är korrekt valt

• enheterna är korrekta och jämförbara

• fukt, hastighet, skärbredd och riktning ser rimliga ut

• data passar inom fältgränsen

• maskinspår eller skördedatum finns tillgängliga vid behov

Den här genomgången hjälper innan någon rensning, zonindelning eller ekvationsbearbetning.

Avkastningsdataset innehåller ofta mer än ett användbart lager.

Förutom avkastningsmassa, granska fukt, torrsubstans, hastighet, avstånd, riktning och maskinspårets beteende.

3. Rensning och kalibrering

Råa avkastningsfiler innehåller ofta vändningar, stopp, toppar, överlapp och värden utanför fältet.

GeoPard rensar dessa artefakter och kalibrerar datasetet för senare analys.

Resultat efter rensning och kalibrering.

Använd detta när du behöver:

• ta bort avvikare och brus

• beskära data efter fältgräns

• justera flera tröskor eller skördedagar

• korrigera global bias med känd medel- eller totalavkastning

• tillämpa USDA:s logik för avkastningsrensning

Öppna hela guiden här:

• Kalibrering och rensning av avkastning

Använd spårvis kalibrering när randning kommer från flera maskiner eller dagar.

Använd Medel- eller totalkalibrering när fältets total är tillförlitlig.

4. Syntetiska avkastningskartor

Inte varje skörd har komplett avkastningsloggning.

Syntetiska avkastningskartor hjälper när data saknas, är delvis eller aldrig registrerad.

Jämför kalibrerad avkastning med en syntetisk avkastningskarta.

Exempel på ett syntetiskt avkastningsdataset.

Detta är användbart när:

• äldre skördetröskor saknade avkastningsmonitor

• bara en del av fältet loggades

• rådata är för skadade för att lita på ensamma

• bara medel- eller totalavkastning för fältet är känd

Syntetisk avkastning använder historiskt fältbeteende och mönster från fjärranalys.

Det fungerar också för delvis återställning.

Om en del av fältet har användbar skördedata och en annan del saknas eller är för brusig, kan GeoPard rekonstruera det ofullständiga området och bygga ett mer komplett avkastningsdataset.

Rekonstruera den saknade delen av ett delvist skördedataset.

Läs mer:

• Syntetisk avkastningskarta

• Satellitövervakning

5. Skapa rekommendationer från avkastningsdata

Rensad avkastningsdata är en av de starkaste ingångarna för gödslingsrecept och analys efter säsong.

Zoner

Använd avkastning ensam eller kombinera den med jord- och utförda lager.

Det här är en vanlig väg för produktivitetszoner och planering av variabel giva.

Du kan också bygga zonindelning från flera avkastningsdataset över flera år.

Det vanliga arbetsflödet är:

• rensa och kalibrera varje avkastningsdataset

• normalisera eller jämföra dataset från olika år

• inkludera syntetisk avkastning där historisk skördeloggning saknas

• kombinera de valda avkastningslagren i ett enda zonarbetsflöde

Användbara sidor:

• Skapa zonkarta med jord-/avkastnings-/utförda data

• Process för att skapa fältförvaltningszoner (produktivitetszoner)

• Jämföra avkastningsdataset

Ekvationer

Använd avkastning i ekvationer för bortförsel, effektivitet, ROI, likhet och anpassad analys.

• Ekvationsbaserad analys

• Batch-ekvationsanalys

• Kväveutnyttjandeeffektivitet (NUE) och kväveupptag

VRA-kartor baserade på näringsupptag

Avkastningsdata kan också stödja arbetsflöden för näringsbortförsel och näringsupptag.

Ett praktiskt exempel är att bygga en kvävekarta med variabel giva utifrån logik för grödans upptag, och sedan exportera den som ett maskinredo recept.

Exempel på en VRA-karta baserad på näringsupptag härlett från avkastningsdata.

GeoPard kan beräkna:

• Kväveupptag (NU)

• Kväveutnyttjandeeffektivitet (NUE)

• Kväveöverskott (NS)

Dessa utdata hjälper till att identifiera var grödan tog bort mer näring, var kväve blev outnyttjat och var nästa säsongs givor bör höjas eller sänkas.

Använd dessa referenser:

• Kväveutnyttjandeeffektivitet (NUE) och kväveupptag

• Användningsfall: Kväve med variabel giva (VRA) för potatis för att nå 5–10 % högre skörd

• Tilldela variabla givor i zonerna (verktyg för fördelning av jordbruksinsatser och givor)

Lönsamhetskartor

Lönsamhetsliknande arbetsflöden kombinerar avkastning, priser och driftkostnader.

Använd dem för att se skillnader i marginal inom samma fält, inte bara ett enda fältgenomsnitt.

I exempelarbetsflödet för en återförsäljare i Italien jämför GeoPard avkastning och lönsamhet per zon efter VRA-körning och skördereview.

Viktiga slutsatser från det exemplet:

• Zon 2 hade högst total vinst och genomsnittlig avkastning.

• Zon 3 nådde högst produktivitet med 20.42 t/ha.

• Zon 3 och gav också €1808.14/ha i lönsamhet.

• Lönsamhetskartan visar var marginalen är stark och var kostnaderna är svårare att få tillbaka.

Lönsamhetskarta med områden med hög och låg marginal.

Referenser:

• Återförsäljarflöde i Italien: John Deere Ops Center - GeoPard - VRA-kväve - försök - lönsamhetskartor

• Vi presenterar GeoPards lönsamhetskartor: Ett steg framåt inom precisionsjordbruk

6. Skicka avkastningsdata till John Deere Ops Center

Det finns tre praktiska vägar.

För det första, importera skördedata från John Deere till GeoPard.

För det andra, skicka avkastningsbaserade utdata tillbaka till John Deere som filer eller kartlager.

För det tredje, exportera bearbetad avkastning tillbaka som Driftsdata.

Använd Driftsdata rutten när du vill att det rensade eller kalibrerade datasetet ska ersätta datasetet som visas i John Deere Operations Center.

Om fältet redan är länkat med John Deere kan nya GeoPard-tillgångar på det fältet synkroniseras tillbaka till Ops Center.

Skicka GeoPard-lager till John Deere Ops Center.

Använd dessa sidor:

• Import från MyJohnDeere

• 6. Exportera Rx-kartor till John Deere Operations Center som filer

• 9. Exportera jord, topografi, satellit eller analys som kartlager

För fält som är kopplade till John Deere kan GeoPard också skicka bearbetade lager tillbaka till Ops Center som operativa data.

Detta är användbart efter rensning och kalibrering av avkastning, när det korrigerade datasetet ska ersätta det ursprungliga operativa lagret i John Deere.

Relaterade sidor

• Jämföra avkastningsdataset

• Visa avkastningsdata

• Driftslogg - Spåra fel/importer och analys