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

# Робочий процес дилера в Італії: John Deere Ops Center - GeoPard - VRA азоту - досліди - карти прибутковості

Кейс дилера John Deere: Sergio Bassan і GeoPard підвищують рентабельність точного землеробства

У точному землеробстві точні дані та розширена аналітика — запорука зваженіших рішень і вищої продуктивності ферми. Минулого року [GeoPard Agriculture](https://geopard.tech/) співпрацювала з [John Deere](https://deere.com/) дилером [Sergio Bassan S.r.l.](https://www.bassan.com/) в Італії, щоб підтримувати місцевих фермерів упродовж усього вегетаційного сезону. Ось як наша співпраця вплинула на одне поле — як приклад.

## 1. Початок роботи: визначення зон продуктивності та карт диференційованого внесення <a href="#ember54" id="ember54"></a>

Щоб підготуватися до сезону, ми проаналізували історичні дані про врожайність і тенденції розвитку рослинності, щоб оцінити профіль продуктивності поля. Оскільки рельєф був відносно рівнинним і не обмежував продуктивність, основну увагу приділили врожайності та історичним закономірностям розвитку рослинності. Дані про врожайність легко імпортувалися до GeoPard завдяки інтеграції з [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).

Застосувавши [багатошаровий підхід](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/zones-maps-and-analytics/multi-layer-analytics), ми поділили кожне поле на три зони продуктивності на основі даних про врожайність та історичної рослинності, використовуючи індекс EVI2, розрахований за супутниковими знімками. Це дало фермерам змогу точніше налаштувати стратегії висіву та внесення добрив, коригуючи норми відповідно до мінливості умов на полі.

Щоб оцінити вплив висіву зі змінною нормою (VRA), ми визначили дослідну смугу, що проходила через усі зони продуктивності. Це пряме порівняння допомогло виміряти ефективність висіву зі змінною нормою порівняно зі звичайним висівом із сталою нормою.

<figure><img src="https://2650431644-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>Карта висіву кукурудзи на силос зі змінною нормою та позначеною дослідною смугою.</p></figcaption></figure>

## 2. Точне виконання робіт: від сівби до внесення добрив <a href="#ember59" id="ember59"></a>

GeoPard забезпечила безперебійне виконання робіт за картами диференційованого внесення та детальне відстеження операцій упродовж сезону.

### Безперебійне передавання та виконання карт диференційованого внесення <a href="#ember61" id="ember61"></a>

Карти диференційованого внесення надсилали безпосередньо до John Deere Operations Center для виконання технікою. GeoPard підтримує різні формати експорту, зокрема Shapefile, ISOXML, а також пряму інтеграцію з John Deere Ops Center — у вигляді файлів, шарів карти та [робочих планів](https://youtu.be/op1o-Y3r6bg). Упродовж сезону для оптимізації продуктивності культури та управління поживними речовинами застосовували як диференційоване внесення (висів, внесення азотних добрив), так і внесення зі сталою нормою (фосфорних і калійних добрив перед сівбою, а також кілька підживлень азотом).

### Відстеження карт фактичного внесення добрив <a href="#ember63" id="ember63"></a>

GeoPard збирала й аналізувала всі дані про внесення, [порівнюючи заплановані та фактично виконані операції](https://docs.geopard.tech/geopard-tutorials/agronomy/evaluate-accuracy-of-seeding-application) , щоб виявити розбіжності, які могли потребувати коригування або повторного внесення. Зокрема, порівняння запланованих і фактичних норм висіву підтвердило точне виконання без істотних розбіжностей.

<figure><img src="https://2650431644-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>Норма висіву: порівняння запланованої та фактичної.</p></figcaption></figure>

## 3. Практичні висновки <a href="#ember66" id="ember66"></a>

Аналіз після збирання врожаю відіграє ключову роль у підбитті підсумків сезону та плануванні наступного.

### Очищення та калібрування даних про врожайність <a href="#ember68" id="ember68"></a>

Після завершення збирання врожаю карти врожайності автоматично з’являються в GeoPard завдяки інтеграції з John Deere Operations Center, або їх можна завантажити вручну через інтерфейс GeoPard. Платформа [калібрує та очищує дані про врожайність, отримані від комбайна](https://docs.geopard.tech/geopard-tutorials/agronomy/yield-calibration-and-cleaning), забезпечуючи високу точність аналітики для ухвалення кращих рішень. Наведене нижче порівняння поруч наочно показує, як очищення даних поглиблює аналітику та підвищує її надійність.

<figure><img src="https://2650431644-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>Калібровані (угорі) та необроблені (унизу) дані про врожайність.</p></figcaption></figure>

### Управління азотним живленням <a href="#ember71" id="ember71"></a>

Доступ до всіх карт фактичного внесення за сезон дав змогу точно розрахувати загальну кількість внесеного азоту, підсумувавши всі операції, пов’язані з його внесенням.

Норму поглинання азоту визначили за даними про врожайність і моделями культури. Якщо комбайни оснащені датчиками сирого протеїну, ці дані також враховують у розрахунках, щоб отримати ще точніші висновки.

[Ефективність використання азоту та його надлишок](https://docs.geopard.tech/geopard-tutorials/agronomy/nitrogen-use-efficiency-and-uptake) оцінювали, порівнюючи загальну кількість внесеного азоту з його поглинанням культурою. Це допомогло оптимізувати стратегії удобрення на наступні сезони.

<figure><img src="https://2650431644-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>Ефективність використання азоту.</p></figcaption></figure>

### Оцінювання диференційованого внесення та дослідів <a href="#ember76" id="ember76"></a>

Завдяки чітко визначеним дослідним ділянкам вдалося провести поглиблений аналіз і порівняти продуктивність культури в різних зонах.

Ці дані дали змогу чітко зрозуміти, як [кожна зона відреагувала на висів зі змінною нормою](https://docs.geopard.tech/geopard-tutorials/agronomy/field-trial-analytics), і допомогли підтвердити найкращі практики для наступних сезонів.

Наведені карта досліду та таблиця даних містять детальний аналіз продуктивності культури в чотирьох окремих зонах, демонструючи вплив висіву зі змінною нормою (VRA) на врожайність і прибутковість.

<figure><img src="https://2650431644-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>Результати диференційованого внесення та досліду.</p></figcaption></figure>

### **Основні спостереження та висновки**

* **Прибутковість і площа**: хоча зона 2 забезпечила найбільший загальний прибуток і середню врожайність, зона 3 показала, що невеликі, але високопродуктивні ділянки (20,42 т/га) можуть приносити високий прибуток із гектара (1808,14 €/га).
* **Показники зон**: Карта показує, що зони з найвищою врожайністю відповідають зонам продуктивності світло-зеленого кольору (зона 3), що свідчить про значний ефект від висіву зі змінною нормою (VRA).
* **Розподіл прибутку**: Зона 4 (дослідна смуга), попри непогану врожайність, принесла менший загальний прибуток через меншу площу та, можливо, вищі витрати на ресурси або нижчу ефективність.
* **Перспективи на майбутнє**: Ця аналітика забезпечує підґрунтя для вдосконалення стратегій висіву в наступних сезонах на основі даних і свідчить, що більші інвестиції в зони, чутливіші до змін (як-от зона 3), можуть підвищити загальну ефективність господарства.

### Аналіз урожайності та прибутковості <a href="#ember83" id="ember83"></a>

Аналізуючи дані про врожайність разом із фактичними витратами на ресурси, фермери отримали чітке уявлення про [Просторові карти прибутковості](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/) ефективний інструмент для оцінювання прибутковості на рівні окремих ділянок поля. Порівняння доходу від урожаю з витратами допомогло визначити зони з високою маржинальністю та ділянки, які потребують цілеспрямованіших заходів.

<figure><img src="https://2650431644-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>Карта прибутковості з зонами високої та низької маржинальності.</p></figcaption></figure>

## 4. Погляд у майбутнє: що далі? <a href="#ember86" id="ember86"></a>

Спираючись на успіх цього року, співпраця з дилером John Deere Sergio Bassan Italy продовжиться в сезоні 2025 року та охопить додаткові функції й удосконалені процеси:

### Автоматизовані рекомендації щодо відбору проб ґрунту <a href="#ember88" id="ember88"></a>

Інтелектуальна система GeoPard пропонує оптимальні точки для зонального відбору проб ґрунту. Для відбору проб і обстеження полів використовують мобільний застосунок GeoPard.

<figure><img src="https://2650431644-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>Карта місць відбору проб ґрунту</p></figcaption></figure>

### Аналітика даних відбору проб ґрунту та рекомендації для VRA <a href="#ember91" id="ember91"></a>

Після того як [дані про ґрунт](https://docs.geopard.tech/geopard-tutorials/product-tour-web-app/import/soil-data) буде зібрано, GeoPard перетворить їх на карти точного внесення добрив, що допоможуть формувати приписи зі змінною нормою для різних зон.

### Автоматизована аналітика дослідів і VRA <a href="#ember93" id="ember93"></a>

Фермери зможуть автоматизовано оцінювати ефективність стратегій VRA та дослідних смуг, що забезпечить швидшу й послідовнішу підготовку звітів.

<figure><img src="https://2650431644-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>

### Автоматизоване створення карт прибутковості <a href="#ember96" id="ember96"></a>

Ми плануємо автоматизувати створення карт прибутковості на основі виконаних робіт та інших ключових даних, щоб оптимізувати прибутковість і допомогти спланувати наступний сезон

## 5. Думка партнера <a href="#ember98" id="ember98"></a>

За словами нашого партнера **Sergio Bassan Italy**,

> «Аналітика GeoPard допомогла нашій команді та фермерам ефективно користуватися інструментами точного землеробства. Надійна аналітика й постійна підтримка протягом сезону покращили планування та управління ресурсами. Ми впевнені, що синергія між нашим відділом і GeoPard принесе нашим клієнтам значні зміни та переваги».

\- [Edoardo Pozzato](https://www.linkedin.com/article/edit/7307362147670343682/), агроном із точного землеробства.

## На завершення <a href="#ember102" id="ember102"></a>

Від визначення зон продуктивності до аналізу карт урожайності та прибутковості — наша співпраця з дилером John Deere Sergio Bassan Italy демонструє реальні переваги точного землеробства. Продовжуючи роботу над автоматизованими рекомендаціями щодо відбору проб ґрунту та вдосконаленою аналітикою прибутковості, ми прагнемо забезпечити фермерам регіону ще вищу ефективність і сталість виробництва.

## Про компанії <a href="#ember104" id="ember104"></a>

[**Sergio Bassan srl**](https://www.bassan.com/it/)**:** У 10 своїх представництвах компанія пропонує широкий вибір нової та вживаної сільськогосподарської техніки: трактори, зернозбиральні комбайни, подрібнювачі, телескопічні навантажувачі, екскаватори, системи супутникового наведення, обладнання для обробітку землі та заготівлі сіна, садівництва й виноградарства, садові машини й трактори, аксесуари та запасні частини. Команда Sergio Bassan налічує вісім фахівців із точного землеробства, які консультують щодо технологій точного землеробства та допомагають фермерам на практиці оцінити їхні переваги безпосередньо в полі. Відділ точного землеробства прагне випробовувати нові рішення для клієнтів, підтримуючи з ними постійний зв’язок і надаючи безперервну допомогу, зокрема дистанційно.

[**GeoPard Agriculture**](https://geopard.tech/)**:** Компанія є одним із лідерів у сфері технологій точного землеробства. Спеціалізуючись на геопросторовій аналітиці, GeoPard пропонує рішення, що перетворюють складні сільськогосподарські дані на практичні висновки. Технології компанії допомагають оптимізувати різні аспекти господарювання — від аналізу ґрунту до карт VRA, дистанційного зондування та аналітики даних сільськогосподарської техніки, істотно сприяючи розвитку інтелектуального землеробства.


---

# 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/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.
