# Дані врожайності та аналітика збирання

Використовуйте GeoPard, щоб перетворювати сирі файли комбайна на готові до прийняття рішень шари врожайності.

### Типовий робочий процес

{% stepper %}
{% step %}

### Імпорт

Завантажуйте дані про збирання з shapefile, файлів техніки або John Deere. Почніть з імпорту файлу. Потім обробіть, очистьте, відкалібруйте, заповніть прогалини та використовуйте результат повторно для агрономічних рекомендацій.
{% endstep %}

{% step %}

### Обробка

Перевірте атрибути, одиниці виміру, відповідність полю та деталі, специфічні для машини.
{% endstep %}

{% step %}

### Очищення та калібрування

Приберіть шум. Усуньте смугастість. Зіставте значення з перевіреними підсумками.
{% endstep %}

{% step %}

### Відновлення прогалин

Використовуйте синтетичну врожайність там, де запис збирання відсутній або неповний.
{% endstep %}

{% step %}

### Створення рекомендацій

Створюйте зони, рівняння та робочі процеси рентабельності на основі очищеної врожайності.
{% endstep %}

{% step %}

### Поширення результатів

Надсилайте шари, отримані з даних врожайності, та рекомендації до John Deere Ops Center.
{% endstep %}
{% endstepper %}

### 1. Імпорт даних урожайності

GeoPard підтримує стандартні GIS-файли та формати техніки.

Типові вхідні дані включають `shp`, `ISOXML`, а також пропрієтарні файли, такі як `jdl`, `cn1`, `adm`, `dat`, і пов’язані архіви машин.

Також можна імпортувати врожайність безпосередньо з John Deere Operations Center.

<figure><img src="https://2650431644-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FAyA8wGTgxwgAZsjOhlmz%2Fimage.png?alt=media&#x26;token=0aeed3da-5098-404c-a881-2025f690f4bd" alt="Upload machinery files"><figcaption><p>Завантажте файли техніки, і GeoPard розбере їх у набори даних.</p></figcaption></figure>

Для точного процесу скористайтеся цими сторінками:

* [Імпорт даних врожайності](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/import-precision-agriculture-data/yield-data-import)
* [Пропрієтарні формати техніки](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/import-precision-agriculture-data/machinery-proprietary-formats)
* [Імпорт із MyJohnDeere](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/import-precision-agriculture-data/import-from-myjohndeere)

### 2. Обробка даних урожайності

Після імпорту GeoPard пов’язує набір даних із полем і відображає його атрибути збирання.

На цьому етапі потрібно підтвердити, що набір даних придатний до використання.

Спочатку перевірте такі пункти:

* основний атрибут врожайності вибрано правильно
* одиниці виміру коректні та порівнювані
* вологість, швидкість, ширина захвату та напрям виглядають правдоподібно
* дані відповідають межам поля
* маршрути машини або дати збирання доступні, якщо це потрібно

Цей огляд допомагає перед будь-яким очищенням, зонуванням або роботою з рівняннями.

{% hint style="info" %}
Набори даних урожайності часто містять більше ніж один корисний шар.

Окрім маси врожаю, перевірте вологість, суху речовину, швидкість, відстань, напрям і поведінку траєкторії машини.
{% endhint %}

### 3. Очищення та калібрування

Сирі файли врожайності часто містять розвороти, зупинки, піки, перекриття та значення поза межами поля.

GeoPard очищує ці артефакти та калібрує набір даних для подальшого аналізу.

<figure><img src="https://2650431644-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F20oK9gntxkBPLitm5waW%2Fimage.png?alt=media&#x26;token=dc4dc121-6e5e-41cf-8d72-515fe882663a" alt="Result after cleaning and calibration"><figcaption><p>Результат після очищення та калібрування.</p></figcaption></figure>

Використовуйте це, коли потрібно:

* прибрати викиди та шум
* обрізати дані за межею поля
* вирівняти кілька комбайнів або днів збирання
* скоригувати загальне зміщення за відомою середньою або загальною врожайністю
* застосувати логіку очищення врожайності USDA

Відкрийте повний посібник тут:

* [Калібрування та очищення врожайності](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/yield-calibration-and-cleaning)

{% hint style="warning" %}
Використовуйте **Калібрування за маршрутом** коли смугастість виникає через кілька машин або днів.

Використовуйте **Калібрування за середнім або загальним значенням** коли довіряють підсумку по полю.
{% endhint %}

### 4. Синтетичні карти врожайності

Не кожне збирання має повний запис урожайності.

Синтетичні карти врожайності допомагають, коли дані відсутні, часткові або ніколи не були записані.

<figure><img src="https://2650431644-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FnEKqU70RiQEE0oxNKgls%2Fimage.png?alt=media&#x26;token=e779ea7e-dc6b-45d0-8be6-4f320a5d600a" alt="Calibrated vs synthetic yield"><figcaption><p>Порівняйте відкалібровану врожайність із синтетичною картою врожайності.</p></figcaption></figure>

<figure><img src="https://2650431644-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fz427malsrdHAQOCNjQyh%2Fimage.png?alt=media&#x26;token=26a63983-2a7f-48b2-bfc9-3e40a883582a" alt="Synthetic yield dataset example"><figcaption><p>Приклад синтетичного набору даних врожайності.</p></figcaption></figure>

Це корисно, коли:

* старі комбайни не мали датчика врожайності
* записано лише частину поля
* сирі дані занадто пошкоджені, щоб довіряти їм самостійно
* відомо лише середню або загальну врожайність поля

Синтетична врожайність використовує історичну поведінку поля та патерни дистанційного зондування.

Вона також працює для **часткового відновлення**.

Якщо одна частина поля має придатні дані збирання, а інша частина відсутня або занадто зашумлена, GeoPard може реконструювати неповну ділянку й побудувати один, більш повний набір даних урожайності.

<figure><img src="https://2650431644-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F0seT3f3a7IV3lozI6BSj%2FGeoPard-restoring_partial_yield.gif?alt=media&#x26;token=1b6eecac-ac0a-45ff-80ee-26dd89da4a5a" alt="Reconstruct partial harvesting dataset"><figcaption><p>Реконструюйте відсутню частину часткового набору даних зі збирання.</p></figcaption></figure>

Читати далі:

* [Синтетична карта врожайності](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/synthetic-yield-map)
* [Супутниковий моніторинг](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/satellite-monitoring)

### 5. Створення рекомендацій на основі даних урожайності

Очищені дані врожайності є одним із найсильніших джерел для рецептів і післясезонної аналітики.

#### Зони

Використовуйте врожайність окремо або поєднуйте її з шарами ґрунту та внесення.

Це поширений шлях для побудови зон продуктивності та планування диференційованого внесення.

Також можна будувати зонування на основі кількох наборів даних урожайності за різні роки.

Типовий робочий процес такий:

* очистити та відкалібрувати кожен набір даних урожайності
* нормалізувати або порівняти набори даних з різних років
* включити синтетичну врожайність там, де історичний запис збирання відсутній
* об’єднати вибрані шари врожайності в один процес зонування

Корисні сторінки:

* [Створення карти зон із використанням даних ґрунту/врожайності/внесення](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/zones-maps-and-analytics/create-a-zones-map-using-soil-yield-or-as-applied-data)
* [Процес створення зон управління полем (зон продуктивності)](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/field-management-zones-productivity-zones-creation-process)
* [Порівняння наборів даних урожайності](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/comparing-yield-datasets)

#### Рівняння

Використовуйте врожайність у рівняннях для оцінки винесення, ефективності, ROI, подібності та власної аналітики.

* [Аналітика на основі рівнянь](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/equation-based-analytics)
* [Пакетна аналітика рівнянь](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/equation-based-analytics/batch-equation-analytics)
* [Ефективність використання азоту (NUE) та засвоєння азоту](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/nitrogen-use-efficiency-nue-and-nitrogen-uptake)

#### Карти VRA на основі засвоєння поживних речовин

Дані врожайності також можуть підтримувати робочі процеси з оцінки винесення поживних речовин та їх засвоєння.

Один практичний приклад — створення карти диференційованого внесення азоту на основі логіки засвоєння культурою, а потім експорт її як готового до роботи рецепта для техніки.

<figure><img src="https://lh4.googleusercontent.com/GlMwn4wfmG_uCEh4YaAY7w8wMmZ-eqdVkS9y8gZr1GFxnS7SJX_oH7njtMadYROdlHRkmsqg69JEGGFl-m02gJhdipOKxaoyohJDuzo5lAdmsx3CEGc3jUbTgaakZZc1ZzL1IThM15urylg81hoYv3Fv_lfHK3Y3iYtNiOBMhEGBzKF_eoyV8QBcJQ" alt="Variable-rate nutrient uptake map example"><figcaption><p>Приклад карти VRA на основі засвоєння поживних речовин, отриманого з даних урожайності.</p></figcaption></figure>

GeoPard може обчислювати:

* **Засвоєння азоту (NU)**
* **Ефективність використання азоту (NUE)**
* **Надлишок азоту (NS)**

Ці результати допомагають визначити, де культура винесла більше поживних речовин, де азот залишився невикористаним і де наступного сезону норми слід підвищити або знизити.

Скористайтеся цими матеріалами:

* [Ефективність використання азоту (NUE) та засвоєння азоту](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/nitrogen-use-efficiency-nue-and-nitrogen-uptake)
* [Кейс використання: Диференційоване внесення азоту (VRA) для картоплі, щоб отримати на 5–10% більшу врожайність](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/use-case-variable-rate-nitrogen-vra-for-potatoes-to-realize-5-10-more-yield)
* [Призначення диференційованих норм у Зонах (інструмент розподілу норм агровходів)](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/zones-maps-and-analytics/assign-variable-rates-in-zones-ag-input-rates-distribution-tool)

#### Карти прибутковості

Робочі процеси у стилі прибутковості поєднують врожайність, ціни та витрати на операції.

Використовуйте їх, щоб бачити відмінності в маржі всередині одного поля, а не лише одне середнє поле число.

У прикладі робочого процесу дилера в Італії GeoPard порівнює врожайність і прибутковість за зонами після виконання VRA та аналізу збирання.

Ключові висновки з цього прикладу:

* **Зона 2** мала найвищий загальний прибуток і середню врожайність.
* **Зона 3** досягла найвищої продуктивності з **20,42 т/га**.
* **Зона 3** також забезпечила **€1808,14/га** прибутковості.
* Карта прибутковості показує, де маржа висока, а де витрати складніше відшкодувати.

<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&#x26;token=557d812b-784f-4d33-a208-157ef4e6ac47" alt="Profit map with high and low margin areas"><figcaption><p>Карта прибутковості з зонами високої та низької маржі.</p></figcaption></figure>

Посилання:

* [Робочий процес дилера в Італії: John Deere Ops Center - GeoPard - VRA азоту - випробування - карти прибутковості](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/dealer-workflow-in-italy-john-deere-ops-center-geopard-vra-nitrogen-trials-profit-maps)
* [Представляємо карти прибутковості GeoPard: крок уперед у точному землеробстві](https://geopard.tech/blog/introducing-geopards-profit-maps-a-step-forward-in-precision-agriculture/)

### 6. Надсилання даних урожайності до John Deere Ops Center

Є три практичні способи.

По-перше, імпортуйте дані збирання з John Deere у GeoPard.

По-друге, надсилайте результати, отримані з даних врожайності, назад до John Deere як файли або шари карти.

По-третє, експортуйте оброблену врожайність назад як **дані операції**.

Використовуйте **дані операції** спосіб, якщо хочете, щоб очищений або відкалібрований набір даних замінив набір даних, видимий у John Deere Operations Center.

Якщо поле вже пов’язане з John Deere, нові активи GeoPard на цьому полі можна синхронізувати назад до Ops Center.

<figure><img src="https://2650431644-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F8dKxPmUmV4amrPsHjVS2%2FExport%20GeoPard%20Layer%20to%20John%20Deere%20as%20a%20Map%20Layer.png?alt=media&#x26;token=97fa981e-9c01-4755-97ba-c30db4cb27ad" alt="Export layer to John Deere"><figcaption><p>Надсилайте шари GeoPard до John Deere Ops Center.</p></figcaption></figure>

Скористайтеся цими сторінками:

* [Імпорт із MyJohnDeere](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/import-precision-agriculture-data/import-from-myjohndeere)
* [6. Експортувати карти Rx до John Deere Operations Center як файли](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/john-deere-operations-center-integration/6.-export-rx-maps-to-john-deere-operations-center-as-files)
* [9. Експортувати ґрунтові, топографічні, супутникові або аналітичні дані як шари карти](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/john-deere-operations-center-integration/9.-export-soil-topography-satellite-or-analytics-as-map-layers)

{% hint style="info" %}
Для полів, підключених до John Deere, GeoPard також може передавати оброблені шари назад у Ops Center як операційні дані.

Це корисно після очищення та калібрування врожайності, коли виправлений набір даних має замінити початковий операційний шар у John Deere.
{% endhint %}

### Пов’язані сторінки

* [Порівняння наборів даних урожайності](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/comparing-yield-datasets)
* [Перегляд даних урожайності](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-mobile-app/viewing-yield-data)
* [Журнал операцій - відстеження помилок/імпортів та аналітики](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/product-tour-web-app/operations-log-track-errors-imports-and-analytics)