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

# Аналітика польових дослідів

Аналізуйте польові досліди за допомогою просторової статистики, щоб порівнювати обробки, вимірювати ROI та покращувати рекомендації.

Агрономи використовують аналітику дослідів, щоб оцінювати ефективність різних сортів культур, методів вирощування та способів внесення ресурсів, зокрема результати внесення зі змінною нормою в точному землеробстві. Збираючи, аналізуючи й інтерпретуючи дані польових дослідів, дослідники отримують уявлення про взаємодію генетики, довкілля та агротехнологічних прийомів. Ці знання допомагають розробляти стратегії управління посівами, які оптимізують потенційну врожайність і водночас мінімізують використання ресурсів. Крім того, аналітика дослідів дає змогу оцінювати ефективність практик точного землеробства та виявляти стійкі сорти культур, здатні добре рости в різноманітних і складних умовах, сприяючи таким чином продовольчій безпеці.

{% hint style="info" %}
Перегляньте інтерактивну сторінку польових дослідів на сайті geopard.tech: [Польові досліди](https://geopard.tech/on-farm-trials/)
{% endhint %}

{% hint style="info" %}
GeoPard також підтримує досліди з розщепленими ділянками для двофакторних схем, наприклад застосування однакових норм на різних гібридах. Оцініть як основні ефекти, так і взаємодію норми × гібрид на одному геоприв’язаному шарі досліду.
{% endhint %}

## Підготовка даних

Для ефективної аналітики дослідів потрібні кілька основних наборів даних:

1. **Набір даних про врожайність**:\
   Цей набір містить дані про врожайність.\
   Його можна імпортувати з [JohnDeere Operation Center](https://docs.geopard.tech/geopard-tutorials/ukrainian/oglyad-produktu-vebdodatok/import-precision-agriculture-data/import-from-myjohndeere.md) або вручну завантажити як [shapefile](https://docs.geopard.tech/geopard-tutorials/ukrainian/oglyad-produktu-vebdodatok/import-precision-agriculture-data/yield-data-import.md) або у [власному форматі техніки](https://docs.geopard.tech/geopard-tutorials/ukrainian/oglyad-produktu-vebdodatok/import-precision-agriculture-data/machinery-proprietary-formats.md).
2. **Набір даних про внесення**:\
   Він має вирішальне значення для розуміння фактично виконаного внесення в полі. Щонайменше він містить такі атрибути, як TargetRate, AppliedRate і деякі показники, пов’язані з технікою.\
   Як і набір даних про врожайність, його можна імпортувати з [JohnDeere Operation Center](https://docs.geopard.tech/geopard-tutorials/ukrainian/oglyad-produktu-vebdodatok/import-precision-agriculture-data/import-from-myjohndeere.md) або вручну завантажити як [shapefile](https://docs.geopard.tech/geopard-tutorials/ukrainian/oglyad-produktu-vebdodatok/import-precision-agriculture-data/as-applied-as-planted-data-import.md) або у [власному форматі техніки](https://docs.geopard.tech/geopard-tutorials/ukrainian/oglyad-produktu-vebdodatok/import-precision-agriculture-data/machinery-proprietary-formats.md).
3. **Зони/ділянки з дослідами/експериментами**:\
   Вони показують заплановані норми внесення для наших дослідів і дають уявлення про їхню експериментальну схему.\
   Якщо такий шар даних доступний, завантажте його як [shapefile](https://docs.geopard.tech/geopard-tutorials/ukrainian/oglyad-produktu-vebdodatok/import-precision-agriculture-data/as-applied-as-planted-data-import.md) у контроль AsApplied/AsPlanted або Yield. Це забезпечує сумісність під час створення EquationMaps і спрощує аналітику дослідів.\
   Це може бути однофакторна схема або схема з розщепленими ділянками й другим виміром обробки, наприклад гібридом чи сортом.\
   Якщо такого шару даних немає, атрибут TargetRate із набору даних про внесення можна використовувати як заміну для оцінювання дослідів.
4. **Зони історичного потенціалу поля:**\
   Ці зони створює GeoPard (докладніше [ТУТ](https://docs.geopard.tech/geopard-tutorials/ukrainian/oglyad-produktu-vebdodatok/zones-maps-and-analytics/multi-year-zones.md)). Вони корисні для аналізу дослідів на ділянках зі стабільною історичною продуктивністю. Це особливо важливо, коли досліди розміщені в регіонах із різною історичною продуктивністю.

Після збору цих наборів даних можна переходити до оцінювання досліду.

## Огляд даних

Для сільськогосподарського сезону 2023 року для озимої пшениці маємо такі дані:

* Набір даних про врожайність із розподілом вологої маси *(рис. 1)*

<figure><img src="https://2650431644-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. Початковий набір даних про врожайність</p></figcaption></figure>

* План внесення азоту (N34) зі змінною нормою (150 kg/ha) із 2 дослідними ділянками (120kg/ha і 180 kg/ha)*(рис. 2)*

<figure><img src="https://2650431644-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 внесення азоту (N34) зі змінною нормою та дослідними ділянками</p></figcaption></figure>

* Набір даних про внесення зі статистикою фактичного внесення *(рис. 3)*

<figure><img src="https://2650431644-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. Набір даних про внесення</p></figcaption></figure>

* Історична продуктивність поля (*рис. 4*)

<figure><img src="https://2650431644-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. Історична продуктивність поля</p></figcaption></figure>

{% hint style="warning" %}
Набір даних про врожайність не калібровано: на полі працювали кілька комбайнів, є сліди розворотів і пропущених даних, а також помітний шум. Для оптимальних результатів рекомендується додатково виконати операції калібрування й очищення врожайності.\
Покроковий посібник доступний за [ПОСИЛАННЯ](https://docs.geopard.tech/geopard-tutorials/ukrainian/agronomiya/yield-and-trials/yield-calibration-and-cleaning.md).
{% endhint %}

Набір даних про врожайність після калібрування й очищення показано на *рис. 5*, разом з оновленою статистикою. Цей набір даних використовуватиметься на наступних етапах.

<figure><img src="https://2650431644-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. Калібрований і очищений набір даних про врожайність</p></figcaption></figure>

## Поняття

Мета аналітики дослідів — визначити найефективнішу норму внесення азоту (N34) для поля. Виділено ділянки з нормами внесення азоту 120 кг/га, 150 кг/га та 180 кг/га. Дані отримано, з одного боку, з ApplicationDataset, а з іншого — з відкаліброваного YieldDataset.

Зосередимо аналіз на трьох окремих зонах:

* 120 кг/га (визначена як дослідна зона)
* 150 кг/га (основна зона)
* 180 кг/га (ще одна дослідна зона)

Наш підхід передбачає такі оцінювання:

1. **На основі плану:** використання запланованого диференційованого внесення (VRA), зіставленого з відкаліброваною врожайністю.
2. **На основі фактичного внесення:** зіставлення наборів даних про фактичне внесення з відкаліброваною врожайністю.
3. **На основі фактичного внесення та історичної продуктивності:** зіставлення наборів даних про фактичне внесення з відкаліброваною врожайністю, накладеною на зони історичного потенціалу поля.

Такий систематичний підхід дасть змогу всебічно оцінити вплив азоту на врожайність на основі даних як про заплановане, так і про фактичне внесення.

## На основі плану

Вплив ~~фактично внесеного~~ запланованого азоту (N34) на розподіл урожайності наочно показано на наступних знімках екрана *(рис. 6, рис. 7, рис. 8)*. Стисло підсумуємо результати:

* <mark style="color:синім;">Основна зона з нормою внесення азоту 150 кг/га займає 45,8 га, а середня врожайність становить 4,99 т/га</mark> (*Рис. 6*).
* <mark style="color:синім;">Перша дослідна зона, де внесено 180 кг/га азоту, займає 1,76 га; середня врожайність становить 6,5 т/га</mark> (*Рис. 7*).
* <mark style="color:синім;">Друга дослідна зона з нормою внесення азоту 120 кг/га займає 1,86 га, а середня врожайність становить 6,39 т/га</mark> (*Рис. 8*).

Результати порушують важливе запитання: <mark style="color:помаранчевим;">Чому нижча норма внесення, схоже, ефективніша за вищу?</mark> Щоб краще розібратися в цьому, на наступному етапі потрібно[ оцінити дослідні зони за даними про фактичне внесення](#applied-based-evaluation).

<figure><img src="https://2650431644-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. Основна зона з N34, 150 кг/га</p></figcaption></figure>

<figure><img src="https://2650431644-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. Дослідна зона з N34, 180 кг/га</p></figcaption></figure>

<figure><img src="https://2650431644-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. Дослідна зона з N34, 120 кг/га</p></figcaption></figure>

Нижче наведено докладний розбір формул і конфігурацій, використаних під час оцінювання.

{% hint style="info" %}
Щоб докладніше ознайомитися з підходом на основі рівнянь і його реалізацією, перегляньте наші навчальні матеріали для [інтерфейсу користувача](https://docs.geopard.tech/geopard-tutorials/ukrainian/oglyad-produktu-vebdodatok/equation-based-analytics.md) та [API](https://docs.geopard.tech/geopard-tutorials/ukrainian/dokumentaciya-api/diagrams-with-basic-flows/5.-execute-equations.md).
{% endhint %}

Нижче наведено рівняння для відтворення обчислень.

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

Важливо активувати *Numpy* *(рис. 9)* і вимкнути *Інтерполяція* *(рис. 10)*.

<figure><img src="https://2650431644-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. Активуйте «Numpy»</p></figcaption></figure>

<figure><img src="https://2650431644-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. Вимкніть використання «інтерпольованих» даних</p></figcaption></figure>

## На основі фактичного внесення

Важливе спостереження: фактична норма внесення під час досліду не завжди збігалася із запланованою (цільовою) нормою. Зокрема, фактична норма коливалася від 120 кг/га до 189 кг/га *(рис. 11)*. З огляду на таку мінливість важливо було встановити допустиму похибку. Тому прийнятним порогом для оцінювання придатності досліду визначили точність ±5%.

На наступних знімках екрана (*рис. 12, рис. 13, рис. 14)* показано статистичний розподіл урожайності з урахуванням фактично внесеної кількості азоту (N34). Нижче наведено зведену статистику з урахуванням допустимої похибки ±5%:

* <mark style="color:синім;">Основна зона з нормою 150 кг/га охоплювала 43,5 га, середня врожайність становила 4,9 т/га</mark> (*Рис. 12*).
* <mark style="color:синім;">Перша дослідна зона з нормою 180 кг/га охоплювала 1,47 га, середня врожайність становила 6,5 т/га</mark> (*Рис. 13*).
* <mark style="color:синім;">Друга дослідна зона з нормою 120 кг/га охоплювала 1,44 га, середня врожайність становила 6,3 т/га</mark> (*Рис. 14*).

<figure><img src="https://2650431644-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. Фактичні норми внесення в дослідних зонах</p></figcaption></figure>

<figure><img src="https://2650431644-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. Основна зона з N34, 150 кг/га, ±5%</p></figcaption></figure>

<figure><img src="https://2650431644-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. Дослідна зона з N34, 180 кг/га, ±5%</p></figcaption></figure>

<figure><img src="https://2650431644-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. Дослідна зона з N34, 120 кг/га, ±5%</p></figcaption></figure>

Щоб краще зрозуміти методику та особливості цих результатів, нижче наведено використані формули:

1. Фактично внесений азот у дослідних зонах:\
   `Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)`
2. Основна зона з нормою 150 кг/га з допустимою похибкою 5%:\
   `Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
3. Дослідна зона з нормою 120 кг/га з допустимою похибкою 5%:\
   `Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
4. Дослідна зона з нормою 180 кг/га з допустимою похибкою 5%:\
   `Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

## **Продуктивність за фактичними даними та історичними показниками**

Урожайність у дослідних зонах стабільно перевищує середню врожайність усього поля. Одним із чинників цієї різниці, імовірно, є історично високопродуктивна зона, де проводили досліди, як показано на *рис. 15* і *рис. 16*. Щоб точніше оцінити результати дослідів, під час їх аналізу важливо враховувати зони продуктивності.

<figure><img src="https://2650431644-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. Зони історичного потенціалу поля</p></figcaption></figure>

<figure><img src="https://2650431644-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. Зони історичного потенціалу поля як YieldDataset</p></figcaption></figure>

На наступних знімках екрана (*рис. 17, рис. 18, рис. 19)* показано статистичний розподіл урожайності з урахуванням фактично внесеної кількості азоту (N34), накладений на зони історичної продуктивності (створені в GeoPard). Нижче наведено зведену статистику з урахуванням допустимої похибки ±5% для фактичної норми внесення:

* <mark style="color:синім;">Основна зона з нормою 150 кг/га охоплювала 2,65 га, середня врожайність становила 6,34 т/га</mark> (*Рис. 17*).
* <mark style="color:синім;">Перша дослідна зона з нормою 180 кг/га охоплювала 1,08 га, середня врожайність становила 6,41 т/га</mark> (*Рис. 18*).
* <mark style="color:синім;">Друга дослідна зона з нормою 120 кг/га охоплювала 1,78 га, середня врожайність становила 6,33 т/га</mark> (*Рис. 19*).

<figure><img src="https://2650431644-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. Основна зона з N34, 150 кг/га, накладена на зони історичної продуктивності</p></figcaption></figure>

<figure><img src="https://2650431644-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. Дослідна зона з N34, 180 кг/га, ±5%, накладена на зони історичної продуктивності</p></figcaption></figure>

<figure><img src="https://2650431644-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. Дослідна зона з N34, 120 кг/га, ±5%, накладена на зони історичної продуктивності</p></figcaption></figure>

Щоб краще зрозуміти методику та особливості цих результатів, нижче наведено використані формули:

1. Основний варіант із нормою 150 кг/га з допуском 5%, накладений на історичну продуктивність:\
   `Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)`
2. Дослід із нормою 120 кг/га з допуском 5%, накладений на історичну продуктивність:\
   `Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)`
3. Дослід із нормою 180 кг/га з допуском 5%, накладений на історичну продуктивність:\
   `Yield_Trial = np.where((Application_Zone == 2) & (Productivity_SubZone == 51) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)`

де

* частина `Productivity_SubZone == 51` відображає зони високої продуктивності, де проводили досліди,
* частини `(Applied_Value >= 142.5) & (Applied_Value <= 157.5)` , `(Applied_Value >= 114.0) & (Applied_Value <= 126.0)`, `(Applied_Value >= 171.0) & (Applied_Value <= 189.0)` враховують допустиме відхилення ±5% від норм внесення `150`, `120`, `180` кг/га.

## Підсумок

Урожайність у дослідах близька до середньої врожайності, зафіксованої в зоні високої історичної продуктивності поля. Іншими словами, експериментальне внесення продукту N34 із нормами <mark style="color:синім;">120 кг/га — 150 кг/га — 180 кг/га</mark>, відповідно, забезпечило середню врожайність <mark style="color:синім;">6,33 т/га — 6,34 т/га — 6,41 т/га</mark> і не мало значного впливу на зібраний урожай у зоні високої продуктивності.


---

# 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/ukrainian/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.
