Tarla Deneme Analitiği

Ziraat mühendisleri, Deneme Analitiklerini çeşitli bitki çeşitlerinin, yetiştirme tekniklerinin ve girdilerin uygulanmasının performansını değerlendirmek için kullanır; buna Hassas Tarımda Değişken Oran Uygulamalarının sonuçları da dahildir. Tarla Denemelerinden elde edilen verileri toplayıp analiz ve yorumlayarak araştırmacılar genetik, çevre ve yönetim uygulamaları arasındaki etkileşimler hakkında bilgi edinir. Bu bilgi, girdi kullanımını en aza indirirken verim potansiyelini optimize eden ürün yönetimi stratejilerinin geliştirilmesine rehberlik eder. Ayrıca Deneme Analitikleri sadece Hassas Tarım uygulamalarının etkinliğini değerlendirmekle kalmaz, aynı zamanda farklı ve zorlu koşullarda iyi performans gösterebilecek dayanıklı ürün çeşitlerinin belirlenmesine yardımcı olarak gıda güvenliğine katkı sağlar.

Veri Hazırlığı

Etkili deneme analizleri için birkaç temel veri kümesine ihtiyaç vardır:

1. Verim Veri Kümesi: Bu veri kümesi verim verilerini yakalar. Bunu JohnDeere Operation Center'dan veya manuel olarak shapefile olarak makineye ait özel formatta.

2. Uygulama Veri Kümesi: Bu, tarlada gerçekte uygulanan uygulamayı anlamak için kritik öneme sahiptir. En azından TargetRate, AppliedRate ve bazı makine ile ilgili metrikler gibi öznitelikleri içerir. Verim Veri Kümesiyle olduğu gibi, bunu da JohnDeere Operation Center'dan veya manuel olarak shapefile olarak makineye ait özel formatta.

3. Denemeler/Deneylerle Bölgeler/Parseller: Bunlar denemelerimiz için planlanan uygulama oranlarını gösterir ve deneysel tasarım hakkında bilgi verir. Böyle bir veri katmanı mevcutsa, bunu shapefile AsApplied/AsPlanted veya Verim kontrolüne yükleriz. Bu, EquationMap oluştururken uyumluluğu sağlar ve deneme analitiği deneyiminizi düzene sokar. Böyle bir veri katmanı yoksa, Deneme değerlendirmeleri için Uygulama Veri Kümesindeki TargetRate özniteliği ikame olarak kullanılabilir.

4. Tarihsel Tarla Verim Potansiyeli Bölgeleri: Bu bölgeler GeoPard tarafından üretilir (ayrıntılar BURADA). Tutarlı tarihsel verimliliğe sahip denemeleri analiz etmek için faydalıdırlar. Bu, denemeler farklı tarihsel verimlilik gösteren bölgeler arasında dağıldığında özellikle yararlıdır.

Bu veri kümelerini topladıktan sonra bir sonraki adım Deneme değerlendirme sürecine başlamaktır.

Veri Genel Bakışı

Kışlık buğdayın 2023 tarım sezonu için aşağıdaki veriler mevcuttur:

• Islak Kütle dağılımını vurgulayan Verim Veri Kümesi (Şek.1)

Şek.1 Orijinal Verim Veri Kümesi

• Azot (N34) VRA planı (150 kg/ha) ve 2 Deneme Parseli (120 kg/ha ve 180 kg/ha)(Şek.2)

Şek.2 Azot (N34) VRA planı ve Deneme Parselleri

• Uygulama Veri Kümesi uygulanan istatistikleri gösteriyor (Şek.3)

Şek.3 Uygulama Veri Kümesi

• Tarihsel Tarla Verimliliği (Şek.4)

Şek.4 Tarihsel Tarla Verimliliği

Verim Veri Kümesi kalibre edilmemiş: bölgede birden fazla biçerdöver çalışmış, dönüş ve eksik veri izleri var ve gürültü belirgin. En iyi sonuçlar için üzerine Verim Kalibrasyonu ve Temizleme işlemlerinin uygulanması önerilir. Adım adım bir eğitim LINK.

Kalibrasyon ve temizlemeden sonra Verim Veri Kümesi Şek.5şeklinde gösterilir ve güncellenmiş istatistikleri içerir. Bu veri kümesi sonraki adımlarda kullanılacaktır.

Şek.5 Kalibre Edilmiş ve Temizlenmiş Verim Veri Kümesi

Kavram

Buradaki Deneme Analitiklerinin amacı, tarladaki en etkili Azot (N34) dozunu belirlemektir. 120 kg/ha, 150 kg/ha ve 180 kg/ha Azot oranlarına sahip belirlenmiş alanlar vardır. Bu veriler bir yandan Uygulama Veri Kümesinden, diğer yandan kalibre edilmiş Verim Veri Kümesinden türetilmiştir.

Analizimizi üç ayrı bölgeye odaklıyoruz:

• 120 kg/ha (deneme bölgesi olarak tanımlandı)

• 150 kg/ha (ana bölge olarak kabul edildi)

• 180 kg/ha (diğer bir deneme bölgesi)

Yaklaşımımız aşağıdaki değerlendirmeleri içerecektir:

1. Plana dayalı: Kalibre edilmiş Verime bağlı Planlanmış Değişken Oran Uygulamasını (VRA) kullanma.

2. Uygulamaya dayalı: Gerçekte Uygulanan Veri Kümelerini Kalibre Edilmiş Verim ile karşılaştırma.

3. Uygulamaya dayalı ve Tarihsel Verimlilik: Gerçekte Uygulanan Veri Kümelerini Kalibre Edilmiş Verim ile Tarihsel Tarla Potansiyeli Bölgeleri örtüştürülmüş şekilde karşılaştırma.

Bu metodik yaklaşım, Azotun verim üzerindeki etkisinin hem planlanan hem de gerçekte uygulanan veriler temelinde kapsamlı bir değerlendirmesine imkan tanıyacaktır.

Plana dayalı

Uygulanan planlanan Azot (N34)'un verim dağılımı üzerindeki etkisi sonraki ekran görüntülerinde görsel olarak yakalanmıştır (Şek.6, Şek.7, Şek.8) . İşte bulguların kısa bir özeti:Ana bölge, 150 kg/ha Azot oranı ile 45,8 ha alan kaplar ve ortalama verimi 4,99 t/ha'dir

• mavi (İlk deneme bölgesi, 180 kg/ha Azot uygulaması ile 1,76 ha alan kaplar ve ortalama 6,5 t/ha verim elde eder).

• Şek.7 (İkinci deneme bölgesi, 120 kg/ha Azot ile 1,86 ha alanı kapsar ve ortalama 6,39 t/ha verim üretir).

• Şek.8 (Sonuçlar önemli bir soruyu gündeme getiriyor:).

Neden daha düşük uygulama oranı daha yüksek olanından daha verimli görünüyor? turuncu Denemeleri gerçek Uygulanan verileri kullanarak değerlendirmektir Şek.6 Ana Bölge N34 150kg/ha ile.

Şek.7 Deneme Bölgesi N34 180kg/ha ile

Şek.8 Deneme Bölgesi N34 120kg/ha ile

Aşağıda, değerlendirme sırasında kullanılan formüller ve yapılandırmaların ayrıntılı bir tartışmasını bulacaksınız.

Denklem yaklaşımına ve uygulamasına daha derinlemesine bakmak için lütfen hem

Kullanıcı Arayüzü API ve eğitimlerimizi inceleyin..

Hesaplamaları yeniden üretmek için çalıştırılacak Denklemler şunlardır.

1. 150 kg/ha ile Ana: Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)

2. 120 kg/ha ile Deneme: Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)

3. 180 kg/ha ile Deneme: Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)

şunu etkinleştirmenin önemli olduğu unutulmamalıdır: Numpy (Şek.9) ve İnterpolasyon kullanımını kapatın.

(Şek.10)

Şek.9 "Numpy"'yı Etkinleştirin

Şek.10 "Interpolated" verinin kullanımını kapatın

Uygulamaya dayalı Önemli bir gözlem, Deneme sırasında gerçekte Uygulanan Oranın planlanan (Hedef) Oranla her zaman tutarlı olmamasıdır. Özellikle dağılım 120 kg/ha'den 189 kg/ha'ye kadar uzanır(Şek.11)

. Bu değişkenlik göz önüne alındığında, hata toleransı için bir eşik belirlemek kritik hale geldi. Bu nedenle denemenin değerlendirmeye uygun sayılabilmesi için ±%5 hassasiyet kabul edilebilir eşik olarak belirlendi.Aşağıdaki ekran görüntülerinde gösterildiği gibi ( Şek.12, Şek.13, Şek.14)

• Azot (N34) gerçekte Uygulanan değerlerine odaklanarak Verimin istatistiksel dağılımı gösterilmiştir. İşte ±%5 hassasiyet kabulünü dikkate alarak özetlenen istatistikler: (150 kg/ha'deki ana bölge 43,5 ha uygulanmış alanla ortalama 4,9 t/ha verim verdi).

• Şek.12 (180 kg/ha'deki ilk deneme bölgesi 1,47 ha alan kapladı ve ortalama 6,5 t/ha verim üretti).

• Şek.13 (120 kg/ha olarak belirlenen ikinci deneme bölgesi 1,44 ha alana sahipti ve ortalama 6,3 t/ha verim verdi).

Şek.14

Şek.11 Denemelerde Gerçekte Uygulanan Oranlar

Şek.12 Ana Bölge N34 150kg/ha ±%5

Şek.13 Deneme Bölgesi N34 180kg/ha ±%5

Şek.14 Deneme Bölgesi N34 120kg/ha ±%5

1. Metodoloji ve bu sonuçların ayrıntılarını daha iyi anlamak için kullanılan Denklemler aşağıdadır: Denemenin gerçekte Uygulanan Azotu:

2. Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan) ±%5 kabulü içeren 150 kg/ha ile Ana:

3. Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan) ±%5 kabulü içeren 120 kg/ha ile Deneme:

4. Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan) ±%5 kabulü içeren 180 kg/ha ile Deneme:

Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

Uygulamaya dayalı ve Tarihsel Verimlilik Denemelerin Verim değerleri, tüm Tarla ortalamasından tutarlı şekilde daha yüksektir. Bu farklılığın arkasındaki kilit faktörlerden biri, Denemelerin gerçekleştiği tarihsel olarak yüksek verimlilik gösteren bölge gibi görünmektedir; bu, ve Şek.15Şek.16

. Denemelerin daha nüanslı bir değerlendirmesi için sonuçları analiz ederken verimlilik bölgelerini hesaba katmak kritik öneme sahiptir.

Şek.15 Tarihsel Tarla Verim Potansiyeli Bölgeleri

. Bu değişkenlik göz önüne alındığında, hata toleransı için bir eşik belirlemek kritik hale geldi. Bu nedenle denemenin değerlendirmeye uygun sayılabilmesi için ±%5 hassasiyet kabul edilebilir eşik olarak belirlendi.Şek.16 Tarihsel Tarla Verim Potansiyeli Bölgeleri olarak Verim Veri Kümesi Şek.17, Şek.18, Şek.19)

• GeoPard'da oluşturulan Tarihsel Verimlilik Bölgeleri ile örtüşen gerçekte Uygulanan Azot (N34) değerlerine odaklanarak Verimin istatistiksel dağılımı gösterilmiştir. İşte ±%5 hassasiyet kabulünü dikkate alarak özetlenen istatistikler: (150 kg/ha'deki ana bölge 2,65 ha uygulanmış alanla ortalama 6,34 t/ha verim verdi).

• Şek.17 (180 kg/ha'deki ilk deneme bölgesi 1,08 ha alan kapladı ve ortalama 6,41 t/ha verim üretti).

• Şek.18 (120 kg/ha olarak belirlenen ikinci deneme bölgesi 1,78 ha alana sahipti ve ortalama 6,33 t/ha verim verdi).

Şek.19

Şek.17 Tarihsel Verimlilik ile örtüşmüş 150 kg/ha ile Ana Bölge

Şek.18 Tarihsel Verimlilik ile örtüşmüş ±%5 kabulü olan 180 kg/ha Deneme Bölgesi

Şek.14 Deneme Bölgesi N34 120kg/ha ±%5

1. Şek.19 Tarihsel Verimlilik ile örtüşmüş ±%5 kabulü olan 120 kg/ha Deneme Bölgesi Tarihsel Verimlilik ile örtüşmüş ±%5 kabulü içeren 150 kg/ha ile Ana:

2. Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan) Tarihsel Verimlilik ile örtüşmüş ±%5 kabulü içeren 120 kg/ha ile Deneme:

3. Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan) Tarihsel Verimlilik ile örtüşmüş ±%5 kabulü içeren 180 kg/ha ile Deneme:

Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

• nerede bölüm Productivity_SubZone == 51

• uygulanan deneylerle yüksek Verimlilik Bölgelerini yansıtır, bölümler , (Applied_Value >= 142.5) & (Applied_Value <= 157.5), (Applied_Value >= 114.0) & (Applied_Value <= 126.0) (Applied_Value >= 171.0) & (Applied_Value <= 189.0) 150, 120, 180 oranlardan ±%5 hassasiyetini içerir

kg/ha.

Özet Denemelerin Verim sonuçları, Tarla'nın yüksek Tarihsel Verimlilik Bölgesi genelinde gözlemlenen ortalama Verim ile yakından örtüşmektedir. Başka bir deyişle,120 kg/ha - 150 kg/ha - 180 kg/ha oranlarında deneysel olarak uygulanan N34 ürününün sonuç olarak ortalama Verimler olarak elde edilen değerler olan