Аналітика польових дослідів

Агрономи використовують аналітику випробувань (Trial Analytics) для оцінки продуктивності різних сортів культур, методів вирощування та застосування ресурсів, включно з результатами змінних норм внесення в точному землеробстві. Збираючи, аналізуючи та інтерпретуючи дані, отримані з польових випробувань, дослідники отримують уявлення про взаємодію генетики, середовища та практик управління. Це знання сприяє розробці стратегій управління культурами, які оптимізують потенціал врожайності при мінімізації витрат ресурсів. Крім того, аналітика випробувань дозволяє не лише оцінити ефективність практик точного землеробства, але й допомагає ідентифікувати стійкі сорти культур, які можуть добре рости в різних і складних умовах, тим самим сприяючи продовольчій безпеці.

Підготовка даних

Для ефективної аналітики випробувань потрібні кілька необхідних наборів даних:

1. Набір даних урожайності: Цей набір даних фіксує дані про врожайність. Ми можемо імпортувати його з JohnDeere Operation Center або вручну завантажити його як shapefile або як пропрієтарний формат техніки.

2. Набір даних застосувань: Це критично важливо для розуміння фактично виконаного внесення на полі. Як мінімум він містить атрибути, такі як TargetRate, AppliedRate та деякі метрики, пов’язані з технікою. Як і у випадку з набором даних урожайності, ми маємо варіанти імпорту з JohnDeere Operation Center або вручну завантажити його як shapefile або як пропрієтарний формат техніки.

3. Зони/Ділянки з випробуваннями/експериментами: Вони показують заплановані норми внесення для наших випробувань, даючи уявлення про експериментальний дизайн. Якщо такий шар даних доступний, ми завантажуємо його як shapefile в контроль AsApplied/AsPlanted або Yield. Це забезпечує сумісність при побудові EquationMaps, спрощуючи ваш досвід аналітики випробувань. Якщо такий шар даних відсутній, атрибут TargetRate з набору даних застосувань може служити замінником для оцінки випробувань.

4. Історичні зони потенціалу поля: Ці зони генеруються GeoPard (деталі ТУТ). Вони корисні для аналізу випробувань з послідовною історичною продуктивністю. Це особливо вигідно, коли випробування розподілені по регіонах з різною історичною продуктивністю.

Після того як ми зібрали ці набори даних, наступним кроком є початок процесу оцінки випробувань.

Огляд даних

Існують такі дані для сільськогосподарського сезону 2023 року для озимої пшениці:

• Набір даних урожайності з виділенням розподілу вологої маси (Рис.1)

Рис.1 Початковий набір даних урожайності

• План VRA для азоту (N34) (150 кг/га) з 2 тестовими ділянками (120 кг/га і 180 кг/га)(Рис.2)

Рис.2 План VRA для азоту (N34) з тестовими ділянками

• Набір даних застосувань з демонстрацією застосованої статистики (Рис.3)

Рис.3 Набір даних застосувань

• Історична продуктивність поля (Рис.4)

Рис.4 Історична продуктивність поля

Набір даних урожайності не був відкалібрований: там працювало кілька жниварок, є сліди розворотів і відсутніх даних, і помітний шум. Рекомендується застосувати операції калібрування та очищення врожайності для оптимальних результатів. Покроковий підручник можна знайти за посиланням LINK.

Набір даних урожайності після калібрування та очищення відображено на Рис.5, разом із оновленою статистикою. Цей набір даних буде використаний у наступних кроках.

Рис.5 Калібрований та очищений набір даних урожайності

Концепція

Тут мета аналітики випробувань — визначити найефективнішу норму внесення азоту (N34) для поля. Є виділені ділянки з нормами азоту 120 кг/га, 150 кг/га та 180 кг/га. Ці дані походять з набору даних застосувань з одного боку та каліброваного набору даних урожайності — з іншого.

Ми зосереджуємо наш аналіз на трьох відмінних зонах:

• 120 кг/га (позначено як тестова зона)

• 150 кг/га (вважається основною зоною)

• 180 кг/га (ще одна тестова зона)

Наш підхід включатиме такі оцінки:

1. На основі плану: використовуючи заплановане внесення зі змінною нормою (VRA), пов’язане з каліброваною врожайністю.

2. На основі фактично внесеного: порівняння фактично застосованих наборів даних з каліброваною врожайністю.

3. На основі фактично внесеного та історичної продуктивності: порівняння фактично застосованих наборів даних з каліброваною врожайністю у поєднанні з історичними зонами потенціалу поля.

Такий методичний підхід дозволить комплексно оцінити вплив азоту на врожайність на основі як планових, так і фактичних даних про внесення.

На основі плану

Вплив застосованого запланованого азоту (N34) на розподіл врожайності візуально зафіксовано на наступних скріншотах (Рис.6, Рис.7, Рис.8). Ось короткий підсумок висновків:

• Основна зона з нормою азоту 150 кг/га займає 45,8 га і має середню врожайність 4,99 т/га (Рис.6).

• Перша тестова зона, де застосовано 180 кг/га азоту, охоплює 1,76 га, середня врожайність 6,5 т/га (Рис.7).

• Друга тестова зона з 120 кг/га азоту охоплює 1,86 га і дає середню врожайність 6,39 т/га (Рис.8).

Результати викликають вагоме питання: Чому нижча норма внесення здається ефективнішою за вищу? Щоб отримати глибше розуміння, наступний етап передбачає оцінку випробувань з використанням фактично застосованих даних.

Рис.6 Основна зона з N34 150 кг/га

Рис.7 Тестова зона з N34 180 кг/га

Рис.8 Тестова зона з N34 120 кг/га

Далі ви знайдете детальне обговорення формул та налаштувань, використаних під час оцінки.

Щоб детальніше ознайомитися з підходом Equation та його виконанням, будь ласка, зверніться до наших підручників для користувацького інтерфейсу та API.

Ось рівняння, які потрібно виконати, щоб відтворити розрахунки.

1. Основна з 150 кг/га: Yield_Main = np.where(Zone==1, Yield_WetMass, np.nan)

2. Тестова з 120 кг/га: Yield_Zone = np.where(Zone==3, Yield_WetMass, np.nan)

3. Тестова з 180 кг/га: Yield_Zone = np.where(Zone==2, Yield_WetMass, np.nan)

Важливо активувати Numpy (Рис.9) і вимкнути Інтерполяцію (Рис.10).

Рис.9 Активуйте "Numpy"

Рис.10 Вимкніть використання "Інтерпольованих" даних

На основі фактично застосованого

Зауважимо, що фактична застосована норма під час випробування не завжди відповідає запланованій (цільовій) нормі. Зокрема, спостерігається розподіл від 120 кг/га до 189 кг/га (Рис.11). Враховуючи цю мінливість, стало важливим встановити орієнтир для допустимої похибки. Таким чином, погрішність ±5% було визначено як прийнятний поріг для вважання випробування придатним для оцінки.

Представлено на наступних скріншотах (Рис.12, Рис.13, Рис.14) — статистичний розподіл врожайності з акцентом на фактично застосовані кількості азоту (N34). Ось підсумовані статистичні дані з урахуванням прийнятності точності ±5%:

• Основна зона при 150 кг/га мала застосовану площу 43,5 га, середня врожайність 4,9 т/га (Рис.12).

• Перша тестова зона при 180 кг/га охоплювала площу 1,47 га і дала середню врожайність 6,5 т/га (Рис.13).

• Друга тестова зона при 120 кг/га займала площу 1,44 га, середня врожайність 6,3 т/га (Рис.14).

Рис.11 Фактичні застосовані норми в випробуваннях

Рис.12 Основна зона з N34 150 кг/га ±5%

Рис.13 Тестова зона з N34 180 кг/га ±5%

Рис.14 Тестова зона з N34 120 кг/га ±5%

Для глибшого розуміння методології та специфіки цих результатів використані рівняння наведені нижче:

1. Фактичний застосований азот у випробуванні: Applied_Trial = np.where((Zone == 3) | (Zone == 2), Applied_Value, np.nan)

2. Основна з 150 кг/га з урахуванням прийнятності 5%: Yield_Main = np.where((Zone == 1) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

3. Тестова з 120 кг/га з урахуванням прийнятності 5%: Yield_Trial = np.where((Zone == 3) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

4. Тестова з 180 кг/га з урахуванням прийнятності 5%: Yield_Trial = np.where((Zone == 2) & (Applied_Value >= 171.0) & (Applied_Value <= 189.0), Yield_WetMass, np.nan)

На основі фактично застосованого та історичної продуктивності

Показники врожайності з випробувань постійно перевищують середню врожайність по всьому полю. Ключовим фактором, що зумовлює цю різницю, здається, є історично висока продуктивна зона, де проводилися випробування, як показано на Рис.15 та Рис.16. Для більш тонкого оцінювання випробувань важливо враховувати зони продуктивності під час аналізу результатів.

Рис.15 Історичні зони потенціалу поля

Рис.16 Історичні зони потенціалу поля як набір даних урожайності

Представлено на наступних скріншотах (Рис.17, Рис.18, Рис.19) — це статистичний розподіл врожайності, зосереджений на фактично застосованих кількостях азоту (N34), перекритих з історичними зонами продуктивності (створеними в GeoPard). Ось підсумовані статистичні дані з урахуванням прийнятності точності ±5% для застосованих значень:

• Основна зона при 150 кг/га мала застосовану площу 2,65 га, середня врожайність 6,34 т/га (Рис.17).

• Перша тестова зона при 180 кг/га охоплювала площу 1,08 га і дала середню врожайність 6,41 т/га (Рис.18).

• Друга тестова зона при 120 кг/га займала площу 1,78 га, середня врожайність 6,33 т/га (Рис.19).

Рис.17 Основна зона з N34 150 кг/га, перекрита історичною продуктивністю

Рис.18 Тестова зона з N34 180 кг/га ±5%, перекрита історичною продуктивністю

Рис.19 Тестова зона з N34 120 кг/га ±5%, перекрита історичною продуктивністю

Для глибшого розуміння методології та специфіки цих результатів використані рівняння наведені нижче:

1. Основна з 150 кг/га з урахуванням прийнятності 5%, перекрита історичною продуктивністю: Yield_Main = np.where((Application_Zone == 1) & (Productivity_SubZone == 51) & (Applied_Value >= 142.5) & (Applied_Value <= 157.5), Yield_WetMass, np.nan)

2. Тестова з 120 кг/га з урахуванням прийнятності 5%, перекрита історичною продуктивністю: Yield_Trial = np.where((Application_Zone == 3) & (Productivity_SubZone == 51) & (Applied_Value >= 114.0) & (Applied_Value <= 126.0), Yield_WetMass, np.nan)

3. Тестова з 180 кг/га з урахуванням прийнятності 5%, перекрита історичною продуктивністю: 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 високопродуктивні зони, де проводилися експерименти,

• 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) включають точність ±5% від норм 150, 120, 180 кг/га.

Підсумок

Результати врожайності з випробувань тісно узгоджуються із середньою врожайністю, спостережуваною в межах високопродуктивної історичної зони поля. Іншими словами, експериментальне застосування продукту N34 за нормами 120 кг/га - 150 кг/га - 180 кг/га, призвело до середньої врожайності 6.33 т/га - 6.34 т/га - 6.41 т/га відповідно, не має суттєвого впливу на зібрану врожайність у межах високопродуктивної зони.