BR112021002947A2 - aperfeiçoamento de modelo de umidade de subcampo usando modelagem de fluxo terrestre com cálculos de águas rasas - Google Patents
aperfeiçoamento de modelo de umidade de subcampo usando modelagem de fluxo terrestre com cálculos de águas rasas Download PDFInfo
- Publication number
- BR112021002947A2 BR112021002947A2 BR112021002947-8A BR112021002947A BR112021002947A2 BR 112021002947 A2 BR112021002947 A2 BR 112021002947A2 BR 112021002947 A BR112021002947 A BR 112021002947A BR 112021002947 A2 BR112021002947 A2 BR 112021002947A2
- Authority
- BR
- Brazil
- Prior art keywords
- data
- agricultural field
- field
- water
- sub
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 113
- 238000004364 calculation method Methods 0.000 title claims abstract description 37
- 230000006872 improvement Effects 0.000 title abstract description 3
- 238000000034 method Methods 0.000 claims abstract description 94
- 238000003860 storage Methods 0.000 claims abstract description 38
- 239000002352 surface water Substances 0.000 claims abstract description 26
- 238000001764 infiltration Methods 0.000 claims abstract description 25
- 230000008595 infiltration Effects 0.000 claims abstract description 25
- 230000004907 flux Effects 0.000 claims abstract description 24
- 238000001556 precipitation Methods 0.000 claims abstract description 24
- 239000003337 fertilizer Substances 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000003973 irrigation Methods 0.000 claims abstract description 19
- 230000002262 irrigation Effects 0.000 claims abstract description 19
- 230000000007 visual effect Effects 0.000 claims abstract description 12
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 155
- 239000002689 soil Substances 0.000 claims description 80
- 229910052757 nitrogen Inorganic materials 0.000 claims description 78
- 230000004044 response Effects 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 14
- 239000003673 groundwater Substances 0.000 claims description 6
- 238000003306 harvesting Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 238000009331 sowing Methods 0.000 abstract 1
- 230000009418 agronomic effect Effects 0.000 description 37
- 238000013459 approach Methods 0.000 description 34
- 230000006870 function Effects 0.000 description 24
- 238000004891 communication Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 21
- 238000013515 script Methods 0.000 description 19
- 238000009792 diffusion process Methods 0.000 description 15
- 238000012546 transfer Methods 0.000 description 13
- 238000013479 data entry Methods 0.000 description 12
- 238000001914 filtration Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 11
- 235000015097 nutrients Nutrition 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 10
- 238000012876 topography Methods 0.000 description 10
- 238000004883 computer application Methods 0.000 description 9
- 239000000872 buffer Substances 0.000 description 8
- 238000002360 preparation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000000203 mixture Substances 0.000 description 7
- 238000012800 visualization Methods 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 6
- 230000006735 deficit Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000013499 data model Methods 0.000 description 4
- 230000037406 food intake Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 238000003971 tillage Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000000855 fungicidal effect Effects 0.000 description 3
- 239000000417 fungicide Substances 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 239000002917 insecticide Substances 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 241001124569 Lycaenidae Species 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 239000002837 defoliant Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012248 genetic selection Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002363 herbicidal effect Effects 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 150000002829 nitrogen Chemical class 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 235000021232 nutrient availability Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000002881 soil fertilizer Substances 0.000 description 1
- 238000005527 soil sampling Methods 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D75/00—Accessories for harvesters or mowers
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2625—Sprinkler, irrigation, watering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- Soil Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Mining & Mineral Resources (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Guiding Agricultural Machines (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
APERFEIÇOAMENTO DE MODELO DE UMI-DADE DE SUBCAMPO USANDO MODELAGEM DE FLUXO TER-RESTRE COM CÁLCULOS DE ÁGUAS RASAS. A presente invenção refere-se a método de processamento (e meio de armazenamento) de dados implementado por computador que compreende: receber dados de precipitação e dados de infiltração para um campo agrícola; obter dados da profundidade da água superficial, dados da velocidade da água superficial, e dados da descarga da água superficial para o mesmo campo agrícola; determinar dados da geometria do subcampo para o campo agrícola; executar uma pluralidade de cálculos da água e cálculos da ondas usando os dados da geometria do subcampo para gerar um modelo de fluxo terrestre que inclui níveis de umidade para o campo agrícola; com base, pelo menos em parte, no modelo de fluxo terrestre, gerar e fazer com que seja exibida uma imagem gráfica visual do campo agrícola que compreende uma pluralidade de pixels coloridos que apresentam valores de cor correspondendo aos níveis de umidade determinados para o campo agrícola. A saída do modelo de fluxo terrestre é provida para computadores de controle de semeadeiras, plantadeiras, dispersores de fertilizante, ceifeiras, ou colheitadeiras para controlar atividades de semeadura, de plantio, de fertilização ou de irrigação no campo.
Description
Relatório Descritivo da Patente de Invenção para "APER-
[0001] Uma parte da divulgação deste documento de patente con- tém material que está sujeito à proteção de direitos autorais. O proprie- tário dos direitos autorais não tem qualquer objeção à reprodução em fac-símile, por parte de qualquer um, do documento de patente ou da divulgação da patente, como aparece no arquivo de patentes ou nos registros de patentes do Escritório de Patentes e de Marcas Registra- das, mas, de outra forma, reserva-se todos os direitos autorais ou di- reitos de qualquer natureza. © 2015-2019 The Climate Corporation.
[0002] Um campo técnico da presente divulgação é a visualização assistida por computador de dados geofísicos no campo da agricultu- ra, incluindo a visualização de fluxos de água terrestres com base em modelos de umidade de subcampo gerados para campos agrícolas na escala de subcampo. Outro campo técnico são as técnicas implemen- tadas por computador para executar cálculos de águas rasas e cálcu- los de ondas cinemáticas sobre dados do modelo de elevação digital para gerar modelos de umidade de subcampo.
[0003] As abordagens descritas nesta seção são abordagens que poderiam ser buscadas, mas não necessariamente abordagens que foram previamente concebidas ou buscadas. Por isso, a menos que indicado de outra forma, não deve ser assumido que qualquer das abordagens descritas nesta seção se qualifica como técnica anterior meramente em virtude de sua inclusão nesta seção.
[0004] Variações na umidade do solo em regiões de subcampo de campos agrícolas podem causar variações nos níveis de nutrientes nos campos e, portanto, variações nos padrões da produção agrícola. Enquanto muitas ferramentas baseadas em computador foram já de- senvolvidas para monitorar os níveis de nutrientes no solo, as ferra- mentas geralmente contam com mapas topográficos de baixa granula- ridade dos campos, e, portanto, os mapas de nível de nutrientes gera- dos pelas ferramentas podem apenas prover informação de baixa gra- nularidade.
[0005] Exemplos de mapas topográficos de baixa granularidade são os mapas que representam campos em uma resolução baseada em zona. Uma zona é geralmente uma área agrícola não uniforme que pode ser inconsistente na natureza e pode incluir diversos subcampos apresentando, por exemplo, características distintas de retenção de água e diferentes layouts de irrigação. Uma zona geralmente inclui di- versos subcampos. Desse modo, um mapa baseado em subcampo é geralmente um mapa de maior granularidade do que um mapa basea- do em zona.
[0006] Mapas de nível de nutrientes determinados em um nível de zona podem ser inadequados porque os produtores de culturas pode- riam preferir receber os mapas gerados em um nível de subcampo. Os mapas gerados em um nível de zona, mas não em um nível de sub- campo, não podem adequadamente capturar diferenças hidrológicas entre os subcampos dentro de uma zona. Este é especialmente o caso porque zonas individuais tendem a ficar dentro de uma faixa de eleva- ção estreita: há pouco fluxo terrestre dentro de uma zona, mas muito entre zonas vizinhas. Os mapas baseados em zonas são, portanto, improváveis de capturarem, por exemplo, informação específica de subcampo acerca das quantidades de nitrogênio levado embora pela água que flui através dos subcampos individuais ou dos níveis de ni- trogênios nos subcampos individuais.
[0007] Portanto, há necessidade de uma ferramenta que seja con- figurada para gerar um modelo de umidade do solo baseado em sub- campo para um mapa topográfico de alta granularidade de um campo agrícola, e que possa ser usada para determinar fluxos hidrológicos, níveis de umidade do solo e níveis de nutrientes para um mapa de alta granularidade do campo.
[0008] As reivindicações anexas podem servir como um sumário da descrição.
[0009] Nos desenhos:
[0010] A Figura 1 ilustra um sistema de computador exemplificati- vo que é configurado para executar as funções aqui descritas, mostra- das em um ambiente de campo com outro aparelho com o qual o sis- tema pode interoperar.
[0011] A Figura 2 ilustra duas visualizações de uma organização lógica exemplificativa de conjuntos de instruções na memória principal quando um aplicativo móvel exemplificativo é carregado para execu- ção.
[0012] A Figura 3 ilustra um processo programado pelo qual o sis- tema de computador de inteligência agrícola gera um ou mais modelos agronômicos pré-configurados usando dados agronômicos providos por uma ou mais fontes de dados.
[0013] A Figura 4 é um diagrama de bloco que ilustra um sistema de computador com o qual uma concretização da invenção pode ser implementada.
[0014] A Figura 5 representa uma concretização exemplificativa de uma visualização da linha do tempo para entrada de dados.
[0015] A Figura 6 representa uma concretização exemplificativa de uma visualização de planilha para entrada de dados.
[0016] A Figura 7 representa um fluxo de trabalho exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola.
[0017] A Figura 8A representa um fluxograma exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola usando abordagens de volume finito.
[0018] A Figura 8B representa uma abordagem exemplificativa pa- ra solucionar equações em águas rasas usando uma unidade de pro- cessamento gráfico de múltiplos núcleos.
[0019] A Figura 8C representa um fluxograma exemplificativo para solucionar equações de água rasas para um campo agrícola usando uma abordagem de processamento gráfico de múltiplos núcleos.
[0020] A Figura 9 representa um fluxograma exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola.
[0021] A Figura 10 é um diagrama de blocos que ilustra um siste- ma de computador exemplificativo configurado para gerar e exibir in- terface gráfica do usuário configurada para interagir com uma ferra- menta de modelagem de umidade de subcampo.
[0022] Na seguinte descrição, para fins de explicação, vários deta- lhes específicos são mostrados a fim de prover um completo entendi- mento da presente descrição. Ficará evidente, entretanto, que concre- tizações podem ser praticadas sem estes detalhes específicos. Em outros exemplos, estruturas e dispositivos bem conhecidos são mos- trados em uma forma de diagrama de blocos a fim de impedir obscu- recer desnecessariamente a presente descrição. As concretizações são descritas em seções de acordo com o seguinte esboço:
1. VISÃO GERAL
2. SISTEMA DE COMPUTADOR DE INTELIGÊNCIA
2.1. VISÃO GERAL ESTRUTURAL
2.2. VISÃO GERAL DO PROGRAMA DE APLICATI-
2.3. INGESTÃO DE DADOS PARA O SISTEMA DE
2.4. VISÃO GERAL DO PROCESSO -TREINAMENTO
2.5. EXEMPLO DE IMPLEMENTAÇÃO - VISÃO GE-
3. TÉCNICAS APERFEIÇOADAS DE MODELAGEM DA
3.1. MODELOS DE FLUXO TERRESTRE PARA
3.2. DADOS DE PRECIPITAÇÃO E DE INFILTRAÇÃO
3.3. PROCESSAMENTO DE TOPOGRAFIA
4. APLICATIVOS EXEMPLIFICATIVOS
5. BENEFÍCIOS DE CERTAS CONCRETIZAÇÕES
6. EXTENSÕES E ALTERNATIVAS
[0023] 1. VISÃO GERAL
[0024] Em uma concretização, são descritas uma abordagem e uma ferramenta para gerar um modelo de umidade do solo baseado em subcampo de um mapa topográfico de alta granularidade de um campo agrícola. O modelo de umidade do solo baseado em subcampo pode ser usado em aplicações agrícolas para, por exemplo, prever flu- xos hidrológicos nos subcampos do campo, e para determinar níveis da umidade do solo e de nutrientes no nível de campo-pixels do cam- po.
[0025] Variações de subcampo na umidade do solo em campos agrícolas são conhecidas como causando lixiviação espacialmente va- riada de nutrientes nos campos e variações nos padrões na produção agrícola. Portanto, para determinar ou prever com precisão os rendi-
mentos das culturas, as variações na umidade do solo precisam ser capturadas por subcampos e baseadas em mapas de alta granularida- de dos campos.
[0026] As contribuições de água de fluxos terrestres de subcampo e fluxos de lençol freático raso em um campo podem significativamen- te alterar, por exemplo, os níveis de nitrogênio no solo. Enquanto os fluxos terrestres muitas vezes proveem redistribuição de água no mesmo dia através do campo, os lençóis freáticos rasos frequente- mente proveem redistribuição da água em vários dias. Devido ao fato de os fluxos terrestres e os lençóis freáticos rasos impactarem a distri- buição da umidade do solo e a distribuição do nível de nitrogênio dife- rentemente no decorrer do tempo, as diferenças dependentes do tem- po entre os fluxos terrestres e os lençóis freáticos rasos precisam ser moldadas de forma precisa.
[0027] Em uma concretização, uma abordagem permite moldar fluxos de subcampo em um campo agrícola. A abordagem provê aper- feiçoamentos sobre as abordagens convencionais porque ela envolve menos recursos de computação e de armazenamento do que as abor- dagens convencionais. A abordagem permite gerar um modelo de umidade de subcampo e usar o modelo gerado para determinar níveis de umidade para um mapa topográfico de alta granularidade do cam- po.
[0028] Em uma concretização, um método e um sistema permitem modelar fluxos terrestres usando os dados de elevação de resolução mais alta disponíveis para um campo. Os modelos dos fluxos terres- tres podem ser usados para gerar representações gráficas dos fluxos. As representações gráficas dos fluxos podem ser usadas por produto- res de culturas para otimizar as práticas agrícolas para que o campo atinja o maior rendimento possível. Os modelos podem ser também usados para prever a extensão espacial dinâmica da produção de água de escoamento e da transferência de água para o campo. A in- formação prevista pode ser usada para ajudar os produtores de cultu- ras a, por exemplo, ajustar as dosagens de fertilizantes do solo e os horários de fertilização do solo.
[0029] Em uma concretização, uma abordagem permite determinar características espaciais dinâmicas da produção de água de escoa- mento e da transferência de água para um campo agrícola. As carac- terísticas são determinadas com base em modelos matemáticos deri- vados com a solução de equações matemáticas sobre dados topográ- ficos, dados do solo, dados da umidade do solo e dados de precipita- ção.
[0030] As equações matemáticas usadas para determinar caracte- rísticas espaciais da produção de água de escoamento e da transfe- rência de água em um campo agrícola podem incluir equações em águas rasas e equações de ondas cinemáticas. As equações são ge- ralmente não lineares, e, portanto, métodos numéricos de diferença finita e de volume finito podem ser usados para solucionar as equa- ções. As soluções derivadas são usadas para determinar as caracte- rísticas espaciais para a produção de água de escoamento e a transfe- rência de água no campo.
[0031] A geometria do subcampo para um campo agrícola pode ser gerada com base em um conjunto de dados topográfico (elevação) de entrada provido para o campo. A geometria do subcampo e as ca- racterísticas espaciais podem ser usadas para determinar as profundi- dades da água superficial, as velocidades de fluxo de água e as des- cargas de água. As profundidades, velocidades e descargas da água superficial podem ser computadas para cada pixel da geometria do subcampo, e, para cada caso, tal como uma tempestade ou outros ti- pos de precipitação. Os valores computados podem ser usados para gerar perfis de infiltração para o campo e os eventos.
[0032] Os perfis e eventos de infiltração gerados para um campo agrícola podem ser usados para aperfeiçoar as previsões de fluxo hi- drológico. As previsões podem ser usadas para gerar notificações que indicam a presença de água superficial parada ou cabeça de água su- perficial em subcampos do campo. O recebimento das notificações pode ser útil para os produtores de culturas identificarem os subcam- pos suscetíveis, por exemplo, água de lagoa. Além disso, os produto- res podem usar as notificações para determinar os subcampos no campo que são propensos a acumular água após fortes chuvas ou tempestades.
[0033] Previsões de modelo de fluxos hidrológicos podem ser usa- das para aperfeiçoar o monitoramento de níveis de nitrogênio em um campo e para ajudar na determinação de aplicações precisas de nitro- gênio no campo para ajudar a otimizar os rendimentos das culturas esperados do campo no futuro. Em uma concretização, as previsões podem ser providas para controlar computadores de máquinas agríco- las, tal como um dispersor de fertilizante, despachado no campo para ajustar as instruções de aplicação de nitrogênio executadas pelas má- quinas à medida que as máquinas aplicam fertilizantes no campo.
[0034] Previsões de saída de modelo podem ser capturadas em uma camada de saída de modelo para um campo agrícola, e a saída de modelo pode ser usada por ferramentas de script agrícola como uma variável independente, isto é, uma covariável, para gerar e modi- ficar prescrições agrícolas para práticas agrícolas para gerir o campo. Por exemplo, as previsões de saída de modelo podem ser providas em um computador de controle de um sistema de irrigação instalado no campo; com base nas previsões providas, o sistema de irrigação pode ajustar suas configurações de rega e as quantidades de água pulveri- zada sobre o campo.
[0035] Previsões de saída de modelo podem ser também providas para controlar computadores de máquinas agrícolas, tais como planta- deiras, semeadeiras, ceifeiras, colheitadeiras e cultivadores, para ajus- tar os caminhos dentro do campo que as máquinas irão seguir para plantar sementes ou colher safras para impedir áreas que, de acordo com as previsões providas, estão cobertas com água parada ou lama. As previsões podem também ser usadas pelos plantadeiras e semea- deiras para ajustar, com base nas previsões providas, quantidades de sementes a serem plantadas pelos semeadeiras no campo, de modo que as áreas com água parada recebam uma aplicação diferente de sementes do que as áreas sem água parada.
[0036] Previsões de saída de modelo podem ser usadas por um sistema de computador de inteligência para gerar prescrições agríco- las, relatórios de status, resumos, e outros documentos. As previsões podem ser usadas para, por exemplo, prever e explicar a variabilidade do rendimento, e como a variabilidade de rendimento é impactada pe- las mudanças previstas nas condições de umidade do solo no campo. Além disso, as previsões podem ser usadas para gerar explicações para a variabilidade do rendimento entre anos úmidos e anos secos. Para gerar as explicações, o sistema de computador de inteligência pode usar as previsões que incluem informação acerca dos níveis de umidade do solo de subcampo para o campo e informação acerca das fronteiras das bacias hidrográficas formadas no campo para explicar porque o rendimento da cultura de alguns subcampos é baixo.
2. SISTEMA DE COMPUTADOR DE INTELIGÊNCIA
2.1. VISÃO GERAL ESTRUTURAL
[0037] A Figura 1 ilustra um sistema de computador exemplificati- vo que é configurado para executar as funções aqui descritas, mostra- do em um ambiente de campo com outro aparelho com o qual o siste- ma pode interoperar. Em uma concretização, um usuário 102 detém,
opera ou possui um dispositivo de computação de gerenciador de campo 104 em um local de campo ou associado com um local, tal co- mo um campo destinado a atividades agrícolas ou um local de geren- ciamento para um ou mais campos agrícolas. O dispositivo de compu- tador de gerenciador de campo 104 é programado ou configurado para prover dados de campo 106 para um sistema de computador de inteli- gência agrícola 130 via uma ou mais redes 109.
[0038] Exemplos de dados de campo 106 incluem (a) dados de identificação (por exemplo, área cultivada, nome de campo, identifica- dores de campo, identificadores geográficos, identificadores de frontei- ra, identificadores de cultura, e quaisquer outros dados adequados que podem ser usados para identificar terras agrícolas, tal como uma uni- dade de terra comum (CLU), número de lote e bloco, um número de parcela, coordenadas e fronteiras geográficas, Número de Série da Fazenda (FSN), número da fazenda, número do trato, número do campo, seção, município e/ou área), (b) dados de colheita (por exem- plo, tipo de cultura, variedade de colheita, rotação de colheita, se a cul- tura é cultivada organicamente, data da colheita, Histórico de Produ- ção Real (APH), rendimento esperado, rendimento, preço da safra, receita da safra, umidade dos grãos, prática de preparo do solo, e in- formação da estação de cultivo anterior), (c) dados do solo (por exem- plo, tipo, composição, pH, matéria orgânica (OM), capacidade de troca catiônica (CEC), (d) dados do plantio (por exemplo, data do plantio, tipo de semente(s), maturidade relativa (RM) da(s) semente(s) planta- da(s), população de semente), (e) dados do fertilizante (por exemplo, tipo de nutriente (Nitrogênio, Fósforo, Potássio), tipo de aplicação, data da aplicação, quantidade, fonte, método), (f) dados químicos do aplica- tivo (por exemplo, pesticida, herbicida, fungicida, outra substância ou mistura de substâncias destinadas ao uso como um regulador de plan- ta, desfoliante ou dessecante, data da aplicação, quantidade, fonte,
método), (g) dados de irrigação (por exemplo, data da aplicação, quan- tidade, fonte, método), (h) dados meteorológicos (por exemplo, precipi- tação, taxa de chuva, chuva prevista, região de taxa de escoamento de água, temperatura, vento, forecast, pressão, visibilidade, nuvens, índice de calor, ponto de orvalho, umidade, profundidade da neve, qualidade do ar, nascer do sol, pôr do sol), (i) dados de imagem (por exemplo, informação de imagens e de espectro de luz de um sensor de aparelho agrícola, câmera, computador, smartphone, tablet, veículo aéreo não tripulado, aviões ou satélite), (j) observações de exploração (fotos vídeos, notas de forma livre, gravações de voz, transcrições de voz, condições climáticas (temperatura, precipitação (atual e no decor- rer do tempo), umidade do solo, estágio de crescimento da cultura, ve- locidade do vento, umidade relativa, ponto de orvalho, camada ne- gra)), e (k) solo, sementes, fenologia da cultura, relatórios de pragas e de doenças, e fontes e banco de dados de previsões.
[0039] Um computador servidor de dados 108 é comunicativamen- te acoplado ao sistema de computador de inteligência agrícola 130 e é programado para configurar para enviar dados externos 110 para o sistema de computador de inteligência agrícola 130 mediante a(s) re- de(s) 109. O computador servidor de dados externo 108 pode ser pos- suído ou operado pela mesma pessoa ou entidade legal como o sis- tema de computador de inteligência agrícola 130, ou por uma pessoa ou entidade diferente, tal como uma agência do governo, organização não governamental (NGO), e/ou um provedor de serviço de dados pri- vados. Exemplos de dados externos incluem dados meteorológicos, dados de imagem, dados do solo, ou dados estatísticos relacionados à produção agrícola, entre outros. Os dados externos 110 podem consis- tir no mesmo tipo de informação como os dados de campo 106. Em algumas concretizações, os dados externos 110 são providos por um servidor de dados externos 108 de propriedade da mesma entidade que detém e/ou opera o sistema de computador de inteligência agríco- la 130. Por exemplo, o sistema de computador de inteligência agrícola 130 pode incluir um servidor de dados focado exclusivamente em um tipo de dados que poderia de outra forma ser obtido de fontes de ter- ceiros, tais como dados meteorológicos. Em algumas concretizações, um servidor de dados externos 108 pode ser efetivamente incorporado dentro do sistema 130.
[0040] Um aparelho agrícola 111 pode ser um ou mais sensores remotos 112 fixados no mesmo, cujos sensores são comunicativamen- te acoplados seja direta ou indiretamente por meio de um aparelho agrícola 111 ao sistema de computador de inteligência agrícola 130 e são programados ou configurados para enviar dados de sensor para o sistema de computador de inteligência agrícola 130. Exemplos de apa- relhos agrícolas 111 incluem tratores, colheitadeiras, ceifeiras, planta- deiras, caminhões, equipamento de fertilizante, veículos aéreos inclu- indo veículos aéreos não tripulados, e qualquer outro item de maquiná- rio físico ou hardware, maquinário tipicamente móvel, e os quais po- dem ser usados em tarefas associadas com a agricultura. Em algumas concretizações, uma única unidade do aparelho 111 pode compreen- der uma pluralidade de sensores 112 que são acoplados localmente em uma rede no aparelho; a rede de área do controlador (CAN) é exemplo de tal rede que pode ser instalada em colheitadeiras, ceifei- ras, pulverizadores e cultivadores. Um controlador de aplicação 114 é comunicativamente acoplado ao sistema de computador de inteligên- cia agrícola 130 mediante a(s) rede(s) 109 e é programado ou configu- rado para receber um ou mais scripts que são usados para controlar um parâmetro de operação de um veículo agrícola ou implemento do sistema de computador de inteligência agrícola 130. Por exemplo, uma interface de barra de rede de área do controlador (CAN) pode ser usa- da para permitir as comunicações do sistema de computador de inteli-
gência agrícola 130 para o aparelho agrícola 1, tal como o CLIMATE FIELDVIER DRIVE, disponível pela The Climate Corporation, São Francisco, Califórnia. Dados de sensor podem consistir no mesmo tipo de informação como dados de campo 106. Em algumas concretiza- ções, sensores remotos 112 não podem ser fixados em um aparelho agrícola 111, mas podem ser remotamente localizados no campo e podem ser comunicar com a rede 109.
[0041] O aparelho 111 pode compreender um computador de ca- bine 115 que é programado com um aplicativo de cabine, que pode compreender uma versão ou variante do aplicativo móvel para o dis- positivo 104 que é adicionalmente descrito em outras seções neste documento. Em uma concretização, o computador de cabine 115 compreende um computador compacto, muitas vezes, um computador do tamanho de um tablet ou smartphone, com uma tela gráfica, tal como uma tela colorida, que é montada dentro da cabine do aparelho de um operador 111. O computador de cab115 pode implementar al- gumas ou todas as operações e funções que são descritas adicional- mente aqui para o dispositivo de computador móvel 104.
[0042] A(s) rede(s) 109 amplamente representa(m) qualquer com- binação de uma ou mais redes de comunicação de dados incluindo redes de área local, redes de área ampla, interredes ou internets, usando qualquer uma dos links fixos ou sem fio, incluindo elos terres- tres ou de satélite. A(s) rede(s) pode(m) implementada(s) por qualquer meio ou mecanismo que provê a troca de dados entre os vários ele- mentos da Figura 1. Os vários elementos da Figura 1 podem também ter links de comunicações diretor (com fio ou sem fio). Os sensores 112, o controlador 114, o computador servidor de dados externos 108, e outros elementos do sistema compreendem, cada qual, uma interfa- ce compatível com a(s) rede(s) 109 e são programados ou configura- dos para usar protocolos padronizados para comunicação através das redes, tais como TCP/IP, Bluetooth, protocolo CAN e protocolos de camada superior, tais como HTTP, TLS e semelhantes.
[0043] O sistema de computador de inteligência agrícola 130 é programado ou configurado para receber dados de campo 106 do dis- positivo de computador de gerenciador de campo 104, dados externos 110 do computador servidor de dados externos 108, e dados de sen- sor do sensor remoto 112. O sistema de computador de inteligência agrícola 130 pode ser adicionalmente configurado para hospedar, usar ou executar um ou mais programas de computador, outros elementos de software, lógica digitalmente programada, tais como FPGAs ou ASICs, ou qualquer combinação dos mesmos para executar a transla- ção e o armazenamento de valores de dados, a construção de mode- los digitais de uma ou mais culturas em um ou mais campo, a geração de recomendações e de notificações, e a geração e o envio de scripts para o controlador de aplicativo 114, da forma adicionalmente em ou- tras seções desta divulgação.
[0044] Em uma concretização, o sistema de computador de inteli- gência agrícola 130 é programado ou compreende uma camada de comunicação 132, uma camada de apresentação 134, uma camada de gerenciamento de dados 140, uma camada de hardware/virtualização 150, um repositório de dados de modelo e de dados 160 e instruções de código 180. O termo "camada", neste contexto, refere-se a qualquer combinação de circuitos eletrônicos de interface digital, microcontrola- dores, firmware, tais como drivers, e/ou programas de computador ou outros elementos de software.
[0045] A camada de comunicação 132 pode ser programada ou configurada para executar funções de conexão por meio de interface de entrada/saída incluindo enviar solicitações para o dispositivo de computador de gerenciador de campo 104, o computador servidor de dados externos 108 e o sensor remoto 112 para dados de campo, da-
dos externos e dados de sensor, respectivamente. A camada de co- municação 132 pode ser programada ou configurada para enviar os dados recebidos para o repositório de dados de modelo e de campo 160 a serem armazenados como dados de campo 106.
[0046] Em uma concretização, as instruções de código 180 com- preendem instruções de modelagem de inclinação e de curvatura 136, instruções de águas rasas 137, instruções de ondas cinemáticas 138, e instruções de modelagem de fluxo terrestre 139. Instruções de códi- go adicionais podem ser também incluídas. As instruções de modela- gem de inclinação e de curvatura 136 podem ser usadas para gerar, com base em dados da geometria de alta resolução para um campo, um modelo digital que captura as inclinações e as curvaturas dentro do campo. As instruções de águas rasas 137 podem ser usadas para cal- cular as equações em águas rasas usando o modelo de inclinação e de curvatura gerado com base na geometria de alta resolução para o campo. As instruções de ondas cinemáticas 138 podem ser usadas para calcular as equações usando o modelo de inclinação e de curva- tura gerado com base da geometria de alta resolução para o campo. Instruções de modelagem de fluxo terrestre 139 podem ser usadas para gerar um modelo de fluxo terrestre para o campo.
[0047] A camada de apresentação 134 pode ser programada ou configurada para gerar uma interface gráfica do usuário (GUI) a ser exibida no dispositivo de computador de gerenciador de campo 104, no computador de cabine 115 ou em outros computadores que são acoplados ao sistema 130 através da rede 109. A GUI pode compre- ender controles para introduzir dados a serem enviados para o sistema de computador de inteligência agrícola 130, gerar solicitações para os modelos e/ou as recomendações, e/ou exibir recomendações, notifica- ções, modelos e outros dados de campo.
[0048] A camada de gerenciamento de dados 140 pode ser pro-
gramada ou configurada para gerenciar as operações de leitura e ope- rações de escrita que envolvem o repositório 160 e outros elementos funcionais do sistema, incluindo consultas e conjuntos de resultados comunicados entre os elementos funcionais do sistema e do repositó- rio. Exemplos da camada de gerenciamento de dados 140 incluem JDBC, código de interface de servidor SQL, e/ou o código de interface HADOOP, entre outros. O repositório 160 pode compreender um ban- co de dados. Conforme usado aqui, o termo "banco de dados" pode se referir a um corpo de dados, um sistema de gerenciamento de banco de dados relacional (RDBMS), ou a ambos. Conforme usado aqui, um banco de dados pode compreender qualquer coleta de dados incluindo bancos de dados hierárquicos, banco de dados relacionais, bancos de dados de arquivos planos, bancos de dados objeto-relacionais, bancos de dados orientados a objeto, bancos de dados distribuídos, e qual- quer outra coleção estruturada de registros ou dados que são armaze- nados em um sistema de computador. Exemplos de RDBMS's inclu- em, mas não são limitados a bancos de dados ORACLE®, MYSQL, IBM® DB2, MICROSOFT® SQL SERVER, SYBASE®, e POS- TGRESQL. No entanto, pode ser usado qualquer banco de dados que permita os sistemas e os métodos aqui descritos.
[0049] Quando os dados de campo 106 não forem providos dire- tamente para o sistema de computador de inteligência agrícola medi- ante uma ou mais máquinas agrícolas ou dispositivos de máquina agrícolas que interagem com o sistema de computador de inteligência agrícola, o usuário pode ser solicitado por meio de uma ou mais inter- faces no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola) para introduzir tal informação. Em uma con- cretização exemplificativa, o usuário pode especificar dados de identi- ficação ao acessar um mapa no dispositivo do usuário (servido pelo sistema de computador de inteligência agrícola) e selecionar CLUs es-
pecíficas que foram graficamente mostradas no mapa. Em uma con- cretização alternativa, o usuário 102 pode especificar dados de identi- ficação ao acessar um mapa no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola 130) e traçar fronteiras do campo sobre o mapa. Tal seleção CLU ou desenhos de mapa re- presentam identificadores geográficos. Em concretizações alternativas, o usuário pode especificar dados de identificação ao acessar dados de identificação de campo (providos como arquivos de forma ou em um formato similar) da Agência de Serviços Agrícolas do Departamento de Agricultura dos Estados Unidos ou de outra fonte por meio do disposi- tivo de usuário e ao prover dados de identificação de campo ao siste- ma de computador de inteligência agrícola.
[0050] Em uma concretização exemplificativa, o sistema de com- putador de inteligência agrícola 130 é programado para gerar e causar a exibição de uma interface gráfica do usuário que compreende um gerenciador de dados para entrada de dados. Depois de um ou mais campos terem sido identificados usando os métodos acima descritos, o gerenciador de dados pode prover um ou mais símbolos gráficos de interface gráfica do usuário que, quando selecionados, podem identifi- car mudanças no campo, solo, culturas, preparo do solo ou práticas de nutrientes. O gerenciador de dados pode incluir uma visualização da linha do tempo, uma visualização de planilha e/ou um ou mais progra- mas editáveis.
[0051] A Figura 5 representa uma concretização exemplificativa de uma visualização da linha do tempo para entrada de dados. Com o uso da tela representada na Figura 5, um computador de usuário pode introduzir uma seleção de um campo específico e de uma data especí- fica para a adição de evento. Eventos representados no topo da linha do tempo podem incluir Nitrogênio, Plantio, Práticas e Solo. Para acrescentar um evento de aplicação de nitrogênio, um computador de usuário pode prover entrada para selecionar a tabulação de nitrogênio. O computador de usuário pode então selecionar um local na linha do tempo para um campo específico a fim de indicar uma aplicação de nitrogênio no campo selecionado. Em resposta ao recebimento de uma seleção de um local na linha do tempo para um campo específico, o gerenciador de dados pode exibir uma sobreposição de entrada de dados, permitindo que o computador de usuário introduza dados refe- rentes a aplicações de nitrogênio, procedimentos de plantio, gestão do solo, procedimentos de preparo do solo, práticas de irrigação, ou outra informação referente ao campo específico. Por exemplo, se um com- putador de usuário selecionar uma porção da linha do tempo e indicar uma aplicação de nitrogênio, então a sobreposição de entrada de da- dos poderá incluir campos para introduzir uma quantidade de nitrogê- nio aplicado, uma data de aplicação, um tipo de fertilizante usado, e qualquer outra informação relacionada à aplicação de nitrogênio.
[0052] Em uma concretização, o gerenciador de dados provê uma interface para criar um ou mais programas. O termo "programa", neste contexto, refere-se a um conjunto de dados relativo a aplicações de nitrogênio, procedimentos de plantio, aplicação no solo, procedimentos de preparo do solo, práticas de irrigação ou outra informação que po- dem ser relacionados a um ou mais campos, e que podem ser arma- zenados em armazenamento de dados digitais para reutilização em outras operações. Depois de um programa ter sido criado, ele poderá ser conceitualmente aplicado a um ou mais campos e referências ao programa podem ser armazenadas no armazenamento digital em as- sociação com os dados que identificam os campos. Desse modo, em vez de manualmente introduzir dados idênticos relativos às mesmas aplicações de nitrogênio para múltiplos campos diferentes, um compu- tador de usuário pode criar um programa que indica um aplicativo es- pecífico de nitrogênio e então aplicar o programa a múltiplos campos diferentes. Por exemplo, na visualização da linha do tempo da Figura 5, as duas linhas do tempo superiores selecionaram o programa "Pri- mavera aplicada", que inclui um aplicativo de 68,0389 kg (150 lbs.) N/ac no início de abril. O gerenciador de dados pode prover uma inter- face para editar um programa. Em uma concretização, quando for edi- tado um programa específica, será editado cada campo que selecio- nou o programa específico. Por exemplo, na Figura 5, se o programa "Primavera aplicada" for editado para reduzir a aplicação de nitrogênio para 58,967 kg (130 lbs.) N/ac, os dois campos superiores poderão ser atualizados com uma aplicação reduzida de nitrogênio com base no programa editado.
[0053] Em uma concretização, em resposta ao recebimento de edições em um campo que tem um programa selecionado, o gerencia- dor de dados remove a correspondência do campo para o programa selecionado. Por exemplo, se uma aplicação de nitrogênio for acres- centada ao campo superior na Figura 5, a interface poderá ser atuali- zada para indicar que o programa "Primavera aplicada" não está mais sendo mais aplicado ao campo superior. Enquanto a aplicação de ni- trogênio no início de abril pode permanecer, atualizações ao programa de "Primavera aplicada" não alterariam a aplicação de nitrogênio de abril.
[0054] A Figura 6 representa uma concretização exemplificativa de uma visualização de planilha para a entrada de dados. Com o uso da tela representada na Figura 6, um usuário pode criar e editar informa- ção para um ou mais campos. O gerenciador de dados pode incluir planilhas para introduzir informação referente a Nitrogênio, Plantio, Práticas e Solo, conforme representado na Figura 6. Para editar uma entrada específica, um computador de usuário pode selecionar a en- trada específica na planilha e atualizar os valores. Por exemplo, a Fi- gura 6 representa uma atualização em andamento para um valor de rendimento de alvo para o segundo campo. Adicionalmente, um com- putador de usuário pode selecionar um ou mais campos a fim de apli- car um ou mais programas. Em resposta ao recebimento de uma sele- ção de um programa para um campo específico, o gerenciador de da- dos pode automaticamente completar as entradas para o campo espe- cífico com base no programa selecionado. Como com a visualização da linha do tempo, o gerenciador de dados pode atualizar as entradas para cada campo associado com um programa específico em resposta ao recebimento de uma atualização para o programa. Adicionalmente, o gerenciador de dados pode remover a correspondência do programa selecionado para o campo em resposta ao recebimento de uma edição para uma das entradas para o campo.
[0055] Em uma concretização, os dados de modelo e de campo são armazenados no repositório de dados de modelo e de campo 160. Os dados de modelo compreendem modelos de dados criados para um ou mais campos. Por exemplo, um modelo de cultura pode incluir um modelo digitalmente construído do desenvolvimento de um cultivo de um ou mais campos. O termo "modelo", neste contexto, refere-se a um conjunto eletrônico digitalmente armazenado de instruções execu- táveis e valores de dados, associados entre si, que são capazes de receber e responder a uma chamada programática ou outra chamada digital, invocação, ou solicitação para resolução com base nos valores de entrada especificados, para produzir um ou mais valores de saída armazenados ou calculados que podem servir como a base de reco- mendações implementadas por computador, exibições de dados de saída, ou controle de máquina, entre outras coisas. Aqueles versados na técnica consideram conveniente expressar modelos que usam equações matemáticas, mas essa forma de expressão não confina os modelos descritos aqui para resumir conceitos; em vez disso, cada modelo aqui tem uma aplicação prática em um computador na forma de instruções e dados executáveis armazenados que implementam o modelo com o uso do computador. O modelo pode incluir um modelo de eventos passados em um ou mais campos, uma modelo do status atual de um ou mais campos, e/ou um modelo de eventos previstos em um ou mais campos. Os dados de modelo e de campo podem ser armazenados em estruturas de dados na memória, em fileiras em uma tabela de banco de dados, em arquivos planos ou planilhas, ou em ou- tras formas de dados digitais armazenados.
[0056] A camada de hardware/virtualização 150 compreende uma ou mais unidades de processamento central (CPUs), controladores de memória, e outros dispositivos, componentes, ou elementos de um sis- tema de computador, tal como memória volátil ou não volátil, armaze- namento não volátil, tal como disco, e dispositivos I/O ou interfaces, conforme ilustrado e descrito, por exemplo, em conexão com a Figura
4. A camada 150 pode também compreender instruções programadas que são configuradas para suportar virtualização, conteinerização ou outras tecnologias.
[0057] Para fins de ilustrar um exemplo claro, a Figura 1 mostra um número limitado de exemplos de certos elementos funcionais. En- tretanto, em outras concretizações, pode haver qualquer número de tais elementos. Por exemplo, concretizações podem usar milhares ou milhões de diferentes dispositivos de computação móveis 104 associ- ados com diferentes usuários. Além disso, o sistema 130 e/ou compu- tador servidor de dados externos 108 podem ser implementados usando dois ou mais processadores, núcleos, grupos, ou exemplos de máquinas físicas ou máquinas virtuais, configurados em um local dis- creto ou co-localizado com outros elementos em um centro de dados, facilidade de computação compartilhada ou facilidade de computação de nuvem.
[0058] 2.2. VISÃO GERAL DO PROGRAMA DE APLICATIVOS
[0059] Em uma concretização, a implementação das funções des- critas aqui usando um ou mais programas de computador ou outros elementos de software que são carregados e executados com o uso de um ou mais computadores de uso geral irão fazer com que os com- putadores de uso geral sejam configurados como uma máquina espe- cífica ou um computador que é especialmente adaptado para executar as funções aqui descritas. Além disso, cada dos diagramas de fluxo que são descritos adicionalmente aqui pode servir, sozinho ou em combinação com as descrições de processos e funções em prosa aqui, como algoritmos, planos ou direções que podem ser usados para programar um computador ou lógica para implementar as funções que são descritas. Em outras palavras, todo o texto em prosa aqui e todas as figuras de desenho juntos se destinam a prover descrição de algo- ritmos, planos ou direções que são suficientes para permitir que aque- le versado na técnica programe um computador para executar as fun- ções que são descritas aqui, em combinação com a técnica e o co- nhecimento de tal pessoa com o nível técnico que é apropriado para invenções e descrições deste tipo.
[0060] Em uma concretização, o usuário 102 interage com o sis- tema de computador de inteligência agrícola 130 usando o dispositivo de computador de gerenciador de campo 104 configurado com um sis- tema de operação e um ou mais programas de aplicativos ou apps; o dispositivo de computador de gerenciador de campo 104 pode também interoperar com o sistema de computador de inteligência agrícola in- dependente ou automaticamente sob o controle de programa ou con- trole lógico, a interação direta do usuário não sendo sempre necessá- ria. O dispositivo de computador de gerenciador de campo 104 repre- senta amplamente um ou mais smartphones, PDA, dispositivo de computador de tablet, computador laptop, computador de mesa, esta- ção de trabalho, ou qualquer outro dispositivo de computação capaz de transmitir e receber informação e executar as funções descritas aqui. O dispositivo de computador de gerenciador de campo 104 pode se comunicar mediante uma rede usando um aplicativo móvel arma- zenado no dispositivo de computador de gerenciador de campo 104, e, em algumas concretizações, o dispositivo pode ser acoplado usando um cabo 113 ou conector ao sensor 112 e/ou controlador 114. Um usuário específico 102 pode possuir, operar ou processar e usar, em conexão com o sistema 120, mais de um dispositivo de computador de gerenciador de campo 104 de uma vez.
[0061] O aplicativo móvel pode prover funcionalidade do lado do cliente, mediante a rede para um ou mais dispositivos de computação móveis. Em uma concretização exemplificativa, o dispositivo de com- putador de gerenciador de campo 104 pode acessar o aplicativo móvel via um navegador da web ou um aplicativo de cliente local ou app. O dispositivo de computador de gerenciador de campo 104 pode transmi- tir dados e receber dados de um ou mais servidores front-end, que usam protocolos ou formatos baseados na web, tais como HTTP, XML e/ou JSON, ou protocolos específicos de app. Em uma concretização exemplificativa, os dados podem assumir a forma de solicitações e en- trada de informação de usuário, tais como dados de campo, no dispo- sitivo de computação móvel. Em algumas concretizações, o aplicativo móvel interage com o hardware e o software de rastreamento de local no dispositivo de computador de gerenciador de campo 104 que de- termina o local do dispositivo de computador de gerenciador de campo 104 usando técnicas de rastreamento padrão, tal como a multi- lateração de sinais de rádio, o sistema de posicionamento global (GPS), os sistemas de posicionamento de Wi-Fi, ou outros métodos de posicionamento móvel. Em alguns casos, os dados de local ou ouros dados associados com o dispositivo 104, o usuário e/ou a(s) conta(s) do usuário podem ser obtidos por consultas a um sistema de operação do dispositivo ou solicitando a um app no dispositivo para obter fados do sistema de operação.
[0062] Em uma concretização, o dispositivo de computador de ge- renciador de campo 104 envia dados de campo 106 para o sistema de computador de inteligência agrícola 130 compreendendo ou incluindo, mas não sendo limitado a valores de dados que representam um ou mais de: um local geográfico de um ou mais campos, informação de preparo do solo para um ou mais campos, culturas plantadas em um ou mais campos, e dados do solo extraídos de um ou mais campos. O dispositivo de computador de gerenciador de campo 104 pode enviar dados de campo 106 em resposta à entrada de usuário do usuário 102 especificando os valores de dados para um ou mais campos. Adicio- nalmente, o dispositivo de computador de gerenciador de campo 104 poderá automaticamente enviar dados de campo 106 quando um ou mais dos valores de dados ficarem disponíveis para o dispositivo de computador de gerenciador de campo 104. Por exemplo, o dispositivo de computação de gerenciador de campo 104 pode ser comunicativa- mente acoplado ao sensor remoto 112 e/ou controlador de aplicativo 114 que incluem um sensor de irrigação e/ou um controlador de irriga- ção. Em resposta aos dados de recebimento que indicam que o con- trolador de aplicação 114 liberou água em um ou mais campos, o dis- positivo de computação de gerenciador de campo 104 pode enviar da- dos de campo 106 para o sistema de computador de inteligência agrí- cola 130 indicando que a água foi liberada em um ou mais campos. Os dados de campo 106 identificados nesta descrição podem ser introdu- zidos e comunicados usando dados digitais eletrônicos que são comu- nicados entre os dispositivos de computação usando URLs parametri- zados sobre HTTP, ou outro protocolo de comunicação ou de mensa- gens adequado.
[0063] Um exemplo comercial do aplicativo móvel é CLIMATE FI-
ELDVIEW, comercialmente disponível pela The Climate Corporation, São Francisco, Califórnia. O aplicativo CLIMATE FIELDVIEW, ou ou- tros aplicativos, podem ser modificados, estendidos ou adaptados para incluírem recursos, funções e programação que não foram descritos anteriormente à data de depósito desta descrição. Em uma concretiza- ção, o aplicativo móvel compreende uma plataforma de software inte- grada que permite a um produtor tomar decisões baseadas em fatos para sua operação porque ele combina dados históricos acerca dos campos do produtor com quaisquer outros dados que o produtor dese- ja comparar. As combinações e as comparações podem ser executa- das em tempo real e com base em modelos científicos que proveem cenários potenciais para permitir que o produtor tome melhores deci- sões e mais informadas.
[0064] A Figura 2 ilustra duas vistas de uma organização lógica exemplificativa de conjuntos de instruções em memória principal quando um aplicativo móvel exemplificativo for carregado para execu- ção. Na Figura 2, cada elemento nomeado representa uma região de uma ou mais páginas da RAM ou outra memória principal, ou um ou mais blocos de armazenamento de disco ou outro armazenamento não volátil, e as instruções programadas dentro dessas regiões. Em uma concretização, na visualização (a), um aplicativo de computador móvel 200 compreende instruções de conta, de campos, de ingestão de da- dos e de compartilhamento 202, instruções de resumo e de alerta 204, instruções de livro mapa digital 206, instruções de sementes e plantio 208, instruções de nitrogênio 210, instruções meteorológicas 212, ins- truções da saúde do campo 214, e instruções de desempenho 216.
[0065] Em uma concretização, um aplicativo de computador móvel 200 compreende instruções de conta, de campos, de ingestão de da- dos e de compartilhamento 202 que são programadas para receber, traduzir e inserir dados de campo de sistemas de terceiros via carre-
gamento manual ou APIs. Tipos de dados podem incluir fronteiras de campo, mapas de produção, mapas plantados, resultados de testes de solo, mapas aplicados, e/ou zonas de gerenciamento, entre outros. Os formatos de dados podem incluir arquivos de forma, formatos de da- dos nativos de terceiros, e/ou exportações do sistema de informação de gestão agrícola (FMIS). Os dados de recebimento podem ocorrer via carregamento manual, email com anexo, APIs que impulsionam os dados para o aplicativo móvel. Em uma concretização, o aplicativo de computador móvel 200 compreende uma caixa de entrada de dados. Em resposta ao recebimento de uma seleção da caixa de entrada de dados, o aplicativo de computador móvel 200 pode exibir uma interfa- ce gráfica do usuário para manualmente carregar os arquivos de da- dos e importar arquivos carregados em um gerenciador de dados.
[0066] Em uma concretização, instruções do livro mapa digital 206 compreendem camadas de dados de mapa de campo armazenadas na memória do dispositivo e são programadas com ferramentas de vi- sualização de dados e notas de campo geoespacial. Isto provê produ- tores com informação conveniente disponível para referência, registros e insights e visuais no desempenho de campo. Em uma concretização, instruções de visão geral e de alerta 204 são programadas para prover uma vista ampla da operação do que é importante para o produtor, e recomendações oportunas para tomada de ação ou foco sobre ques- tões específicas. Isto permite que o produtor foque tempo em o que precisa de atenção, para economizar tempo e preservar a produção ao longo de toda a estação. Em uma concretização, instruções de semen- tes e plantio 208 são programadas para prover ferramentas para a se- leção de sementes, colocação híbrida e criação de script, incluindo a criação de script de taxa variável (VR), com base em modelos científi- cos e dados empíricos. Isto permite que produtores maximizem o ren- dimento ou o retorno do investimento através da compra, da colocação e da população otimizadas de sementes.
[0067] Em uma concretização, instruções de geração de script 205 são programadas para prover uma interface para geração de scripts, incluindo scripts de fertilidade de taxa variável (VR). A interface permi- te que os produtores criem scripts para implementos de campo, tais como aplicações de nutrientes, plantio e irrigação. Por exemplo, uma interface de script de plantio pode compreender ferramentas para iden- tificar um tipo de semente para plantio. Com o recebimento de uma seleção do tipo de semente, o aplicativo de computador móvel 200 po- de exibir um ou mais campos divididos em zonas de gerenciamento, tais como as camadas de dados de mapa de campo criadas como par- te de instruções do livro mapa digital 206. Em uma concretização, as zonas de gerenciamento compreendem zonas de solo juntamente com um painel que identifica cada zona do solo e um nome de solo, textura, drenagem para cada zona, ou outros dados de campo. O aplicativo de computador móvel 200 pode também exibir ferramentas para editar ou criar, tais como ferramentas gráficas para desenhar zonas de gerenci- amento, tais como zonas do solo, sobre um mapa de um ou mais campos. Os procedimentos de plantio podem ser aplicados a todas as zonas de gerenciamento ou diferentes procedimentos de plantio po- dem ser aplicados a diferentes subconjuntos de zonas de gerencia- mento. Quando um script for criado, o aplicativo de computador móvel 200 poderá disponibilizar o script para download em um formato legí- vel por um controlador de aplicativo, tal como um formato arquivado ou comprimido. Adicional e/ou alternativamente, um script pode ser envi- ado diretamente para o computador cabine 115 a parir do aplicativo de computador móvel 200 e/ou carregado em um ou mais servidores de dados e armazenados para uso adicional.
[0068] Em uma concretização, instruções de nitrogênio 210 são programadas para prover ferramentas para informar decisões de nitro-
gênio com a visualização da disponibilidade de nitrogênio para as cul- turas.
Isto permite que os produtores maximizem o rendimento ou o investimento de retorno através da aplicação otimizada de nitrogênio durante a estação.
Funções programadas exemplificativas incluem exibir imagens, tais como imagens SSURGO para permitir desenhar zonas de aplicação de fertilizantes e/ou imagens geradas a partir de dados de solo de subcampo, tais como dados obtidos de sensores, em uma alta resolução espacial (tão fina quanto milímetros ou menor de- pendendo da proximidade e da resolução do sensor); carregar zonas existentes definidas pelo produtor; prover um gráfico de disponibilidade de nutrientes de plantas e/ou um mapa para permitir o ajuste de apli- cação(ções) de nitrogênio através de múltiplas zonas; emitir scripts para acionar o maquinário; ferramentas para a entrada e o ajuste de dados em massa; e/ou mapas para visualização de dados, entre ou- tros.
O termo "entrada de dados em massa", neste contexto, pode sig- nificar introduzir dados uma vez e depois aplicar os mesmos dados a múltiplos campos e/ou zonas que foram definidos no sistema; dados exemplificativos podem incluir dados de aplicação de nitrogênio que são iguais para muitos campos e/ou zonas do mesmo produtor, mas tal entrada de dados em massa se aplica à entrada de qualquer tipo de dados de campo no aplicativo de computador móvel 200. Por exemplo, instruções de nitrogênio 210 podem ser programadas para aceitar de- finições de aplicação de nitrogênio e práticas e programas e aceitar a entrada de usuário que especifica aplicar esses programas através de múltiplos campos.
O termo "programas de aplicação de nitrogênio", neste contexto, refere-se a conjuntos nomeados armazenados de da- dos que associam: um nome, código de cor ou outro identificador, uma ou mais datas de aplicação, tipos de material ou produto para cada das datas e quantidades, método de aplicação ou incorporação, tal como injetado ou transmitido, e/ou quantidades ou taxas de aplicação para cada das datas, safra ou híbrido que é o objeto do pedido, entre outros. O termo "programas de práticas de nitrogênio", neste contexto, refere-se a conjuntos nomeados armazenados de dados que associ- am: um nome de práticas: um cultivo anterior; um sistema de preparo do solo; uma data principalmente de preparo do solo; um ou sistemas de preparo do solo anteriores que foram usados; um ou mais indicado- res de tipo de aplicação, tal como estrume, que foram usados. As ins- truções de nitrogênio 210 podem também ser programadas para gerar e causar a exibição de um gráfico de nitrogênio, o que indica projeções de uso de plantas do nitrogênio especificado e se um excedente ou déficit é previsto; em algumas concretizações, indicadores de cor dife- rente podem sinalizar uma magnitude de excedente ou magnitude de déficit. Em uma concretização, um gráfico de nitrogênio compreende uma tela gráfica em um dispositivo de tela de computador que com- preende uma pluralidade de fileiras, cada fileira associada com um campo e identificando um campo; os dados que especificam qual cul- tura é plantada no campo, o tamanho do campo, o local do campo, e uma representação gráfica do perímetro do campo; em cada fileira, um linha do tempo por mês com indicadores gráficos que especificam ca- da aplicação de nitrogênio e quantidade em pontos correlacionados a nomes de mês; e indicadores numéricos e/ou coloridos de excedente ou déficit, nos quais cor indica magnitude.
[0069] Em uma concretização, o gráfico de nitrogênio pode incluir um ou mais recursos de entrada de usuário, tais como mostradores ou barras deslizantes, para dinamicamente mudar os programas de plan- tio e práticas de nitrogênio de modo que um usuário possa otimizar seu gráfico de nitrogênio. O usuário pode então usar este gráfico de nitrogênio otimizado e programas de plantio e práticas de nitrogênio relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade de taxa variável. As instruções de nitrogênio 210 podem também ser programadas para gerar e causar a exibição de um mapa de nitrogênio, que indica projeções de uso de planta do nitrogênio es- pecificado e se um excedente ou déficit é previsto; em algumas con- cretizações, indicadores de cor diferente podem sinalizar uma magni- tude de excedente ou magnitude de déficit. O mapa de nitrogênio pode exibir projeções de uso de plantas do nitrogênio especificado e se um excedente ou déficit é previsto para diferentes tempos no passado e no futuro (tal como diariamente, semanalmente, mensalmente ou anu- almente) usando indicadores numéricos e/ou coloridos de excedente ou déficit, no qual a cor indica magnitude. Em uma concretização, o mapa de nitrogênio pode incluir um ou mais recursos de entrada de usuário, tais como mostradores ou barras deslizantes, para dinamica- mente mudar os programas de plantio e práticas de nitrogênio de mo- do que um usuário possa otimizar seu mapa de nitrogênio, tal como para obter uma quantidade preferida de excedente a déficit. O usuário pode então usar seu mapa otimizado de nitrogênio e os programas de plantio e práticas de nitrogênio relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade de taxa variável (VR). Em outras concretizações, instruções similares às instruções de nitrogênio 210 poderiam ser usados para aplicação de outros nutrientes (tal como fósforo e potássio), aplicação de pesticida, e programas de irrigação.
[0070] Em uma concretização, instruções meteorológicas 212 são programadas para prover dados meteorológicos recentes específicos de campo e informação de condições climáticas previstas. Isto permite que os produtores economizem tempo e tenham um monitor integrado eficiente com relação a decisões operacionais diárias.
[0071] Em uma concretização, as instruções de saúde de campo 214 são programadas para prover imagens de sensoriamento remoto oportunas que destacam a variação da safra na estação e potenciais preocupações. Funções programadas exemplificativas incluem verifi-
cação de nuvem, para identificar possíveis nuvens ou sombras de nu- vem; índices de nitrogênio determinantes com base nas imagens de campo; visualização gráfica de camadas de exploração, incluindo, por exemplo, aqueles relacionais à saúde do campo, e visualização e/ou compartilhamento das imagens para o produtor, entre outros.
[0072] Em uma concretização, instruções de desempenho 216 são programadas para prover relatórios, análise e ferramentas de insight usando dados na fazenda para avaliação, insights e decisões. Isto permite que o produtor busque melhores resultados para o ano seguin- te por meio de conclusões baseadas em fatos sobre por que o inves- timento de retorno estava nos níveis anteriores, e uma visão dos limi- tantes de produção. As instruções de desempenho 216 podem ser programadas para se comunicar via a(s) rede(s) 109 para programas analíticos de back-end executados em sistema de computador de inte- ligência agrícola 130 e/ou computador servidor de dados externos 108 e configurados para analisar métricas, tal como rendimento, diferencial de rendimento, híbrido, população, zona SSURGO, propriedades de teste de solo, ou elevação, entre outros. Relatórios e análise progra- mados podem incluir análise de variabilidade de rendimento, estimati- va de efeito de tratamento, benchmarking de rendimento e outras mé- tricas contra outros produtores com base em dados anônimos coleta- dos de muitos produtores, ou dados para sementes e plantio, entre outros.
[0073] Aplicativos apresentando instruções configuradas desta forma podem ser implementados para plataformas de dispositivo de computação diferentes enquanto retêm a mesma aparência de interfa- ce de usuário comum. Por exemplo, o aplicativo móvel pode ser pro- gramado para execução em tablets, smartphones ou computadores servidores que são acessados usando navegadores em computadores de cliente. Além disso, o aplicativo móvel, conforme configurado para computadores tablet ou smartphones, pode prover uma experiência de app total ou uma experiência de app de cabine que é adequada para as capacidades de exibição e de processamento de computador de cabine 115. Por exemplo, agora com referência à vista (b) da Figura 2, em uma concretização, um aplicativo de computador de cabine 220 pode compreender instruções de mapas-cabine 222, instruções de vis- ta remotas 224, instruções de coleta e transferência de dados 226, ins- truções de alertas de máquina 228, instruções de transferênica de script 230, e instruções de exploração-cabine 232. A base de código para as instruções da visualização (b) pode ser a mesma como para a visualização (a) e executáveis que implementam o código podem ser programados para detectar o tipo de plataforma na qual eles estão executando e para expor, através de uma interface gráfica do usuário, apenas aquelas funções que são apropriadas para uma plataforma de cabine ou plataforma total.
Esta abordagem permite que o sistema re- conheça a experiência de usuário distintamente diferente que é apro- priada para um ambiente na cabine e o ambiente de tecnologia dife- rente da cabine.
As instruções de mapas-cabine 222 podem ser pro- gramadas para prover visualizações de mapa de campos, fazendas ou regiões que são úteis em direcionar operação de máquina.
As instru- ções de visualização remota 224 podem ser programadas para acio- nar, gerir e prover vistas de atividade de máquina em tempo real ou próximo de tempo real a outros dispositivos de computação conecta- dos ao sistema 130 via redes sem fio, conectores ou adaptadores com fio, e semelhantes.
As instruções de coletar e transferir de dados 226 podem ser programadas para acionar, gerir e prover transferência de dados coletados em sensores e controladores para o sistema 130 via redes sem fio, conectores ou adaptadores com fio e os semelhantes.
As instruções de alertas de máquina 228 podem ser programadas para detectar questões com operações da máquina ou ferramentas que são associadas com a cabine e gerar alertas de operador. As instruções de transferência de script 230 podem ser configuradas para transferir scripts instruções que são configuradas para direcionar operações de máquina ou coleta de dados. As instruções de exploração-cabine 232 podem ser programadas para exibir alertas baseados em local e in- formação recebida do sistema 130 com base no local do dispositivo de computação de gerenciador de campo 104, aparelho agrícola 111, ou sensores 112 no campo e inserir, gerir e prover transferência de ob- servações de exploração baseadas no local para o sistema 130 com base no local do aparelho agrícola 111 ou sensores 112 no campo.
[0074] 2.3 INGESTÃO DE DADOS NO SISTEMA DE COMPUTA-
[0075] Em uma concretização, o computador servidor de dados externos 108 armazena dados externos 110, incluindo dados de solo que representam composição de solo para um ou mais campos e da- dos meteorológicos que representam temperatura e precipitação em um ou mais campos. Os dados meteorológicos podem incluir dados meteorológicos passados e presentes bem como previsões para da- dos de condições climáticos futuros. Em uma concretização, o compu- tador servidor de dados externos 108 compreende uma pluralidade de servidores hospedados por diferentes entidades. Por exemplo, um primeiro servidor pode conter dados de composição de sol enquanto um segundo servidor pode incluir dados meteorológicos. Adicional- mente, os dados de composição de solo podem ser armazenados em múltiplos servidores. Por exemplo, um servidor pode armazenar dados que representam a percentagem de areia, lodo e argila no solo en- quanto um segundo servidor pode armazenar dados que representar percentagem de matéria orgânica (OM) no solo.
[0076] Em uma concretização, o sensor remoto 112 compreende dois ou mais sensores que são programados ou configurados produ-
zem uma ou mais observações. O sensor remoto 112 pode ser senso- res aéreos, tais como satélites, sensores de veículo, sensores de equipamento de plantio, sensores de preparo do solo, sensores de aplicação de fertilizante ou inseticida, sensores de colheitadeira, e qualquer outro implemento capaz de receber dados de um ou mais campos. Em uma concretização, o controle de aplicação 114 é pro- gramado ou configurado para receber instruções do sistema de com- putador de inteligência agrícola 130. O controlador de aplicação 114 pode ser também programado ou configurado para controlar um parâ- metro de operação de um veículo ou implemento agrícola. Por exem- plo, um controlador de aplicação pode ser programado ou configurado para controlar um parâmetro de operação de um veículo, tal como um trator, equipamento de plantio, equipamento de preparo do solo, equi- pamento de fertilizante ou inseticida, equipamento de colheitadeira, ou outros implementos de fazenda, tal como uma válvula de água. Outras concretizações podem usar qualquer combinação de sensores e con- troladores, dos quais os seguintes são exemplos meramente selecio- nados.
[0077] O sistema 130 pode obter ou inserir dados sob o controle do usuário 102, em uma base de massa a partir de um grande número de produtores que contribuíram dados a um sistema de banco de da- dos compartilhado. Esta forma de obter dados pode ser denominada "ingestão de dados manuais", visto que uma ou mais operações de computador controladas por usuário são solicitadas ou acionadas para obter dados para uso pelo sistema 130. Como um exemplo, o aplicati- vo CLIMATE FIELDVIEW, comercialmente disponível pela The Climate Corporation, São Francisco, Califórnia, pode ser operado para exportar dados para o sistema 130 para armazenamento no repositório 160.
[0078] Por exemplo, os sistemas de monitoramento de sementes podem tanto controlar componentes de aparelho de plantadeira quanto obter dados de plantio, incluindo sinais de sensores de sementes via um chicote de sinal que compreende um backbone CAN e conexões de ponto a ponto para registro e/ou diagnóstico. Os sistemas de moni- toramento de sementes podem ser programados ou configurados para exibir espaçamento de sementes, população e outra informação ao usuário via o computador de cabine 115 ou outros dispositivos dentro do sistema 130. Exemplos são descritos na Patente Norte-Americana No. 8.738.243 e na Publicação de Patente Norte-Americana 20150094916, a presente descrição assumindo o conhecimento des- sas outras divulgações de patentes.
[0079] Do mesmo modo, sistemas de monitoramento de rendimen- to podem conter sensores de rendimento para aparelho de colheitadei- ra que enviam dados de medição de rendimento para o computador de cabine 115 ou outros dispositivos dentro do sistema 130. Os sistemas de monitoramento de produtividade podem utilizar um ou mais senso- res remotos 112 para obter medições da umidade de grão em uma co- lheitadeira ou outra ceifeira e transmitir estas medições para o usuário via o computador de cabine 115 ou outros dispositivos dentro do sis- tema 130.
[0080] Em uma concretização, exemplos de sensores 112 podem ser usados com qualquer veículo ou aparelho de movimento do tipo descrito em qualquer outro lugar aqui incluem sensores cinemáticos e sensores de posição. Os sensores cinemáticos podem compreender qualquer dos sensores de velocidade, tais como sensores de veloci- dade de radar ou de roda, acelerômetros, ou giroscópios. Sensores de posição podem compreender receptores ou transceptores GPS, ou apps de posição ou de mapeamento baseados em Wi-Fi que são pro- gramados para determinar o local com base em pontos de acesso de Wi-Fi próximos, entre outros.
[0081] Em uma concretização, exemplos de sensores 112 que po-
dem ser usados com tratores ou outros veículos de movimento inclu- em sensores de velocidade de motor, sensores de consumo de com- bustível, contadores de área ou contadores de distância que interagem com sinais de GPS ou de radar, sensores de velocidade PTO (toma- da de força), sensores hidráulicos de trator configurados para detectar parâmetros hidráulicos, tal como pressão ou fluxo, e/ou e velocidade de bomba hidráulica, sensores de velocidade de roda ou sensores de patinagem de roda. Em uma concretização, exemplos de controlado- res 114 que podem ser usados com tratores incluem controladores di- recionais hidráulicos, controladores de pressão e/ou controladores de fluxo; controladores de velocidade de bomba hidráulica; controladores ou reguladores de velocidade; controladores de posição de engate; ou controladores de posição de roda proveem direção automática.
[0082] Em uma concretização, exemplos de sensores 112 que po- dem ser usados com equipamento de plantio de sementes, tais como plantadeiras, máquinas de semear ou semeadeiras de ar incluem sen- sores de sementes, que podem ser sensores ópticos, eletromagnéti- cos ou de impacto; sensores de força descendente, tais como pinos de carga, células de carga, sensores de pressão; sensores de proprieda- de do solo, tais como sensores de refletividade, sensores de umidade, sensores de condutividade elétrica, sensores de resíduo óptico, ou sensores de temperatura; sensores de critério de operação, tais sen- sores de profundidade de plantio, sensores de pressão de cilindro de força descendente, sensores de velocidade de disco de sementes, co- dificadores de motor de acionamento de sementes, sensores de velo- cidade de sistema de transportador, ou sensores de nível de vácuo; ou sensores de aplicação de pesticida, tais como sensores ópticos ou ou- tros sensores eletromagnéticos, ou sensores de impacto. Em uma concretização, exemplos de controladores 114 que podem ser usados com tal equipamento de plantio de sementes incluem: controladores de dobra de barra de ferramenta, tais como controladores para válvu- las associadas com cilindros hidráulicos; controladores de força des- cendente, tais como controladores para válvula associadas com cilin- dros pneumáticos, airbags, ou cilindros hidráulicos, e programados pa- ra aplicar força descendente a unidades de fileira individual ou toda a estrutura de plantadeira; controladores de profundidade de plantação, tais como atuadores lineares; controladores de medição, tais como motores de acionamento de medidor de sementes elétricos, motores de acionamento de medido de sementes hidráulicos, ou embreagens de controle de faixa; controladores de seleção híbrida, tais como moto- res de acionamento de medidor de sementes, ou outros atuadores programados para seletivamente permitir ou impedir que semente ou uma mistura de ar-sementes dispense sementes para ou de medido- res de sementes ou funis a granel centrais; controladores de medição, tais como motores de acionamento de medido de sementes elétricos, ou motores de acionamento de medidor de sementes hidráulicos, con- troles de sistema de transportador de sementes, tais como controlado- res para um motor transportador de dispensa de sementes de correia; controladores de marcadores, tal como um controlador para um atua- dor pneumático ou hidráulico; ou controladores de taxa de aplicação de pesticida, tais como controladores de acionamento de medição, controladores de tamanho e de posição de orifícios.
[0083] Em uma concretização, exemplos de sensores 112 podem ser usados com equipamento de preparo do solo incluem sensores de posição para ferramentas, tais como hastes ou discos; sensores de posição de ferramenta para tais ferramentas que são configuradas pa- ra detectar profundidade, ângulo de ataque, ou espaçamento lateral; sensores de força descendente; ou sensores de força de tração. Em uma concretização, exemplos de controladores 114 que podem ser usados com equipamento de preparo do solo incluem controladores de força descendente ou controladores de posição de ferramenta, tais como controladores configurados para controlar a profundidade, o ân- gulo de ataque ou o espaçamento lateral da ferramenta.
[0084] Em uma concretização, exemplos de sensores 112 que po- dem ser usados em relação ao aparelho para aplicar fertilizante, inse- ticida, fungicida e semelhantes, tais como sistemas de fertilizantes ini- ciais na plantadeira, aplicadores de fertilizante no subsolo, ou pulveri- zadores de fertilizante, incluem: sensores de critérios de sistema de fluido, tais como sensores de fluxo ou sensores de pressão; sensores que indicam quais válvulas de cabeçote de pulverização ou válvulas de linha de fluido são abertos; sensores associados com tanques, tais como sensores de nível de enchimento; sensores de linha de supri- mento de todo o sistema ou em seção, ou sensores de linha de supri- mento de suprimento específicos de fileira; ou sensores cinemáticas, tais como acelerômetros dispostos em lanças pulverizadoras. Em uma concretização, exemplos de controladores 114 que podem ser usados com tal aparelho incluem controladores de velocidade de válvula; con- troladores de válvula que são programados para controlar a pressão, o fluxo, a direção, o PWM e semelhantes; ou atuadores de posição, tal como a altura da lança, a profundidade do subsolador, ou posição da lança.
[0085] Em uma concretização, exemplos de sensores 112 que podem ser usados com ceifeiras incluem monitores de produtividade, tais como medidores de tensão de placa de impacto ou sensores de posição, sensores de fluxo capacitivos, sensores de carga, sensores de peso, ou sensores de torque associados com elevadores ou bro- cas, ou sensores ópticos ou outros sensores eletromagnéticos de altu- ra de grãos; sensores de umidade de grão, tal como sensores capaci- tivos; sensores de perda de grão, incluindo sensores de impacto, ópti- cos ou capacitivos; sensores de critérios de operação de plataforma,
tais como altura da plataforma, o tipo de plataforma, a folga da placa do convés, a velocidade do alimentador e sensores de velocidade de bobina; sensores de critérios de operação de separador, tal como uma folga côncava, velocidade do rotor, folga da sapata, ou sensores de folga do forro; sensores de broca para posição, operação ou velocida- de; ou sensores de velocidade de motor. Em uma concretização, exemplos de controles 114 que podem ser usados com ceifeiras inclu- em controladores de critérios de operação de plataforma para elemen- tos, tal como altura da plataforma, tipo de plataforma, folga da placa do convés, velocidade de alimentador, ou velocidade de bobina; controla- dores de critérios de operação de separador para recursos, tais como folga côncava, velocidade de rotor, folga da sapata, ou folga do forro; ou controladores para posição, operação ou velocidade da broca.
[0086] Em uma concretização, exemplos de sensores 112 que po- dem ser usados com carrinhos de grãos incluem sensores de peso, ou sensores para a posição, a operação ou a velocidade da broca. Em uma concretização, exemplos de controladores 114 que podem ser usados com carrinhos de grãos incluem controladores para posição, operação ou velocidade da broca.
[0087] Em uma concretização, exemplos de sensores 112 e con- troladores 114 podem ser instalados em aparelho de veículo aéreo não tripulado (UVA) ou "drones". Tais sensores podem incluir câmeras com detectores efetivos para qualquer alcance do espectro eletromag- nético incluindo luz visível, infravermelho, ultravioleta, próximo- infravermelho (NIR) e semelhantes; acelerômetros; altímetros; senso- res de temperatura; sensores de umidade; sensores de tubo pitot ou outros sensores de velocidade de vento ou do ar; sensores da vida da bateria; ou emissores de radar e aparelho de detecção de energia de radar refletida; outros emissores de radiação eletromagnética e apare- lho de detecção de radiação eletromagnética refletida. Tais controlado-
res podem incluir aparelho de controle de motor ou orientação, contro- ladores de superfície de controle, controles de câmera, ou controlado- res programados para acionar, operar, obter dados dos sensores ante- riores, gerir e configurar qualquer desses. Exemplos são descritos no Pedido de Patente Norte-Americana No. 14.831.165 e a presente des- crição assume conhecido dessa outra descrição de patente.
[0088] Em uma concretização, os sensores 112 e os controladores 114 podem ser afixados no aparelho de amostragem e de medição do solo que é configurado ou programado para amostrar o solo e para realizar testes da química do solo, testes de umidade do solo, e outros testes relativos ao solo. Por exemplo, o aparelho descrito na Patente Norte-Americana No. 8.767.194 e na Patente Norte-Americana No.
8.712.148 pode ser usado, a presente descrição assumindo o conhe- cido dessas divulgações de patentes.
[0089] Em uma concretização, os sensores 112 e os controladores 114 podem compreender dispositivos meteorológicos para monitorar as condições de climáticas de campos. Por exemplo, pode ser usado o aparelho descrito no Pedido Provisório Norte-Americano No 62/154,207, depositado em 29 de abril de 2015, no Pedido Provisório Norte-Americano No. 62/175,160, depositado em 12 de junho de 2015, no Pedido Provisório Norte-Americano No. 62/198,060, depositado em 28 de julho de 2015, e no Pedido Provisório Norte-Americano No. 62/220,852, depositado em 18 de setembro de 2015, a presente des- crição assumindo o conhecido dessas divulgações de patentes.
2.4 VISÃO GERAL DO PROCESSO - TREINAMENTO DE
[0090] Em uma concretização, o sistema de computador de inteli- gência agrícola 130 é programado ou configurado para criar um mode- lo agronômico. Neste contexto, um modelo agronômico é uma estrutu- ra de dados na memória do sistema de computador de inteligência agrícola 130 que compreende os dados de campo 106, tal como dados de identificação e dados de colheita para um ou mais campos. O mo- delo agronômico pode também compreender propriedades agronômi- cas calculadas que descrevem condições que podem afetar o cresci- mento de uma ou m ais safras em um campo, ou propriedades de um ou mais cultivos, ou ambos. Adicionalmente, um modelo agronômico pode compreender recomendações com base em fatores agronômi- cos, tais como recomendações de cultivo, recomendações de irriga- ção, recomendações de plantio, recomendações de fertilizante, reco- mendações de fungicida, recomendações de pesticida, recomenda- ções de colheita e outras recomendações de gestão de cultivo. Os fa- tores agronômicos podem ser também usados para estimar um ou mais resultados relacionados ao cultivo, tal como a produção agronô- mica. A produção agronômica de um cultivo e uma estimativa da quan- tidade do cultivo que é introduzida, ou, em alguns exemplos, o revenue ou o lucro obtido do cultivo produzido.
[0091] Em uma concretização, o sistema de computador de inteli- gência agrícola 130 pode usar um modelo agronômico pré-configurado para calcular propriedades agronômicas relativas à informação de lo- cal e de cultivo atualmente recebida para um ou mais campos. O mo- delo agronômico pré-configurado se baseia em dados de campo previ- amente processados, incluindo, mas não limitados a dados de identifi- cação, dados da colheita, dados de fertilizante e dados meteorológi- cos. O modelo agronômico pré-configurado pode ter sido validado para assegurar a precisão do modelo. A validação cruzada pode incluir comparação a verificação do solo que compara resultados previstos com resultados atuais em um campo, tal como uma comparação de estimativa de precipitação com um pluviômetro ou sensor que provê dados meteorológicos no mesmo local ou local próximo ou uma esti- mativa de conteúdo de nitrogênio com uma medição de amostra de solo.
[0092] A Figura 3 ilustra um processo programado pelo qual o sis- tema de computador de inteligência agrícola gera um ou mais modelos agronômicos pré-configurados que usam campos de dados providos por uma ou mais fontes de dados. A Figura 3 pode servir como um al- goritmo ou instruções para programar os elementos funcionais do sis- tema de computador de inteligência agrícola 130 para executar as operações que são agora descritas.
[0093] No bloco 305, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar proces- samento de dados agronômicos de dados de campo recebidos de uma ou mais fontes de dados. Os dados de campo recebidos de uma ou mais fontes de dados podem ser pré-processados para fins de remo- ver ruído, efeitos de distorção, e fatores de confusão dentro dos dados agronômicos incluindo discrepâncias medidas que poderiam adversa- mente afetar valores de dados de campo recebidos. Concretizações de pré-processamento de dados agronômicos podem incluir, mas não são limitadas a remover valores de dados comumente associados com valores de dados de discrepância, pontos de dados medidos específi- cos que são conhecidos como enviesados desnecessariamente outros valores de dados, suavização de dados, agregação, ou técnicas de amostragem usadas para remover ou reduzir efeitos aditivos ou multi- plicativos de ruído, e outras técnicas de filtragem e de derivação de dados usadas para prover distinções claras entre entradas de dados positivos e negativos.
[0094] No bloco 310, o sistema de computador de inteligência agrícola 130 é configurado ou programado para executar a seleção de subconjunto de dados usando os dados de campo pré-processados a fim de identificar conjuntos de dados úteis para a geração de modelo agronômico inicial. O sistema de computador de inteligência agrícola
130 pode implementar técnicas de seleção de conjunto de dados inclu- indo, mas não limitadas a um método de algoritmo genético, um méto- do de todos os modelos de subconjuntos, um método de pesquisa se- quencial, um método de regressão escalonada, um método de otimi- zação de enxame de partículas, e um método de otimização de colônia de formigas. Por exemplo, uma técnica de seleção de algoritmo gené- tico usa um algoritmo de pesquisa heurística adaptativa, com base nos princípios evolucionários da seleção natural e genética, para determi- nar e avaliar conjuntos de dados dentro dos dados agronômicos pré- processados.
[0095] No bloco 315, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar avaliação de conjunto de dados de campo. Em uma concretização, um conjunto de dados de campo específico é avaliado com a criação de um modelo agronômico e o uso de limiares de qualidades específicos para o mo- delo agronômico criado. Os modelos agronômicos podem ser compa- rados e/ou validados usando uma ou mais técnicas de comparação, tal como, mas não limitados a o erro de raiz quadrada média com valida- ção cruzada deixando um de fora (RMSECV), erro absoluto médio, e erro de percentagem média. Por exemplo, RMAECV pode executar a validação cruzada modelos agronômicos comparando valores de pro- priedade agronômicos previstos criados pelo modelo agronômico con- tra valores de propriedade agronômicos históricos coletados e analisa- dos. Em uma concretização, a lógica de avaliação de conjunto de da- dos agronômicos é usada como um circuito de feedback, onde os con- juntos de dados agronômicos que não satisfazem limiares de qualida- de configurados são usados durante as etapas de seleção de subcon- junto de dados futuros (bloco 310).
[0096] No bloco 320, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar a criação de modelo agronômico com base nos conjuntos de dados agronômi- cos validados. Em uma concretização, a criação de modelo agronômi- co pode implementar técnicas de regressão multivariável para criar modelos de dados agronômicos pré-configurados.
[0097] No bloco 325, o sistema de computador de inteligência agrícola 130 é configurado ou programado para armazenar os mode- los de dados agronômicos pré-configurados para avaliação de dados de campo futuros.
2.5 EXEMPLO DE IMPLEMENTAÇÃO - VISÃO GERAL DE
[0098] De acordo com uma concretização, as técnicas descritas aqui são implementadas por um ou mais dispositivos de computação de finalidade especial. Os dispositivos de computação de finalidade especial podem ser providos com fio para executar as técnicas, ou po- dem incluir dispositivos eletrônicos digitais, tais como um ou mais cir- cuitos integrados específicos de aplicação (ASICs) ou arranjos de por- ta programáveis em campo (FPGAs) que são persistentemente pro- gramados para executar as técnicas, ou podem incluir um ou mais processadores de hardware de uso geral programados para executar as técnicas de acordo com as instruções de programa em firmware, memória, outro armazenamento ou uma combinação. Tais dispositi- vos de computação de finalidade especial podem também combinar lógica com fio, ASICs ou FPGAs com programação customizada para executar as técnicas. Os dispositivos de computação de finalidade es- pecial podem ser sistemas de computador de mesa, sistemas de com- putador portátil, dispositivos portáteis, dispositivos ligados em rede ou qualquer outro dispositivo que incorpora lógica com fio e/ou de pro- grama para implementar as técnicas.
[0099] Por exemplo, a Figura 4 é um diagrama de blocos que ilus- tra um sistema de computador 400 com o qual uma concretização da invenção pode ser implementada. O sistema de computador 400 inclui uma barra 402 ou outro mecanismo de comunicação para comunicar informação, e um processador de hardware 404 acoplado com barra 402 para processar informação. O processador de hardware 404 pode ser, por exemplo, um microprocessador de uso geral.
[00100] O sistema de computador 400 também inclui uma memória principal 406, tal como memória de acesso aleatório (RAM) ou outro dispositivo de armazenamento dinâmico, acoplado à barra 402 para armazenar informação e instruções a serem executadas pelo proces- sador 404. A memória principal 406 pode também ser usada para ar- mazenar variáveis temporárias ou outra informação intermediária du- rante a execução de instruções a serem executadas pelo processador
404. Tais instruções, quando armazenadas em meios de armazena- mento não transitórios acessíveis ao processador 404, renderizam o sistema de computador 400 em uma máquina de finalidade especial que é customizada para executar as operações especificadas nas ins- truções.
[00101] O sistema de computador 400 adicionalmente inclui uma memória apenas de leitura (ROM) 408 ou outro dispositivo de armaze- namento estático acoplado à barra 402 para armazenar informação estática e instruções para o processador 404. Um dispositivo de arma- zenamento 410, tal como um disco magnético, disco óptico, ou unida- de de estado sólido é provido e acoplado à barra 402 para armazenar informação e instruções.
[00102] O sistema de computador 400 pode ser acoplado via a bar- ra 402 a uma tela 412, tal como um tubo de raios catódicos (CRT), pa- ra exibir informação a um usuário de computador. Um dispositivo de entrada 414, incluindo teclas alfanuméricas bem como outras, é aco- plado à barra 402 para comunicar informação e seleções de comando para o processador 404. Outro tipo de dispositivo de entrada de usuá-
rio é um controle de cursor 416, tal como um mouse, um trackball, ou teclas de direção de cursor para comunicar seleções de informação de direção e de comando ao processador 404 e para controlar o movi- mento do cursor na tela 412. Este dispositivo de entrada tem tipica- mente dois graus de liberdade em dois eixos, um primeiro eixo (por exemplo, x) e um segundo eixo (por exemplo, y) que permite que o dispositivo especifique posições em um plano.
[00103] O sistema de computador 400 pode implementar as técni- cas descritas aqui que usam lógica com fio customizada, um ou mais ASICs ou FPGAs, lógica de firmware e/ou de programa que, em com- binação com o sistema de computador, faz com que o sistema de computador 400 seja uma máquina de finalidade especial. De acordo com uma concretização, as técnicas aqui são executadas pelo sistema de computador 400 em resposta ao processo 404 que executa uma ou mais sequências de uma ou mais instruções contidas na memória principal 406. Tais instruções podem ser lidas na memória principal 406 de outro meio de armazenamento, tal como o dispositivo de arma- zenamento 410. A execução das sequências de instruções contidas na memória principal 406 faz com que o processador 404 execute as eta- pas do processo descritas aqui. Em concretizações alternativas, os circuitos providos com fio podem ser usados no lugar de instruções de software ou em combinação com as mesmas.
[00104] O termo "meio de armazenamento", conforme aqui usado, refere-se a qualquer meio não transitório que armazena dados e/ou instruções que fazem com que uma máquina opere em uma maneira específica. Tal meio de armazenamento pode compreender meios não voláteis e/ou meios voláteis. Os meios não voláteis incluem, por exemplo, discos ópticos, discos magnéticos, ou unidades de estado sólido, tal como o dispositivo do armazenamento 410. Meios voláteis incluem a memória dinâmica, tal como memória principal 406. Formas comuns de meios de armazenamento incluem, por exemplo, um disco floppy, disco de flexível, disco rígido, unidade de estado sólido, fita magnética ou qualquer outro meio de armazenamento de dados mag- néticos, um CD-ROM, qualquer outro meio de armazenamento de da- dos ópticos, qualquer meio físico com padrões de furos, uma RAM, uma PROM, e uma EPROM, uma EPROM FLASH, NVRAM, qualquer outro chip ou cartucho de memória.
[00105] Meios de armazenamento são distintos de meios de trans- missão, mas podem ser usados com conjunção com os mesmos. Os meios de transmissão participam na transferência de informação entre os meios de armazenamento. Por exemplo, os meios de transmissão incluem cabos coaxiais, fio de cobre e fibra óptica, incluindo os fios que compreendem a barra 402. Os meios de transmissão podem tam- bém assumir a forma de ondas acústicas ou de luz, tais como aquelas geradas durante as comunicações de dados de onda de rádio e infra- vermelhos.
[00106] Várias formas de meios podem ser envolvidas na execução de uma ou mais sequências de uma ou mais instruções para o proces- sador 404 para execução. Por exemplo, as instruções podem ser inici- almente conduzidas em um disco magnético ou uma unidade de esta- do sólido de um computador remoto. O computador remoto pode car- regar as instruções em sua memória dinâmica e enviar as instruções sobre uma linha de telefone usando um modem. Um modem local ao sistema de computador 400 pode receber os dados na linha telefônica e usar um transmissor infravermelho para converter os dados em um sinal de infravermelho. Um detector de infravermelho pode receber os dados conduzidos no sinal infravermelho e circuitos apropriados po- dem colocar os dados na barra 402. A barra 402 conduz os dados pa- ra a memória principal 406, a partir da qual o processador 406 pode opcionalmente ser armazenado no dispositivo de armazenamento 410 antes ou depois da execução pelo processador 404.
[00107] O sistema de computador 400 também inclui uma interface de comunicação 418 acoplado à barra 402. A interface de comunica- ção 418 provê um acoplamento de comunicação de dados de duas vias a um elo de rede 420 que é conectado a uma rede local 422. Por exemplo, a interface de comunicação 418 pode ser um cartão de rede digital de serviços integrados (SIDN), modem de cabo, modem de sa- télite, ou um modem para prover conexão de comunicação de dados a um tipo correspondente de linha telefônica. Como outro exemplo, a interface de comunicação 418 pode ser um cartão de rede de área lo- cal (LAN) para prover uma conexão de comunicação de dados para um LAN compatível. Os elos sem fio podem ser também implementa- dos. Em tal implementação, a interface de comunicação 418 envia e recebe sinais elétricos, eletromagnéticos ou ópticos que conduzem fluxos de dados digitais que representam vários tipos de informação.
[00108] O elo de rede 420 tipicamente provê comunicação de da- dos através de uma ou mais redes para outros dispositivos de dados. Por exemplo, o elo de rede 420 pode prover uma conexão através da rede local 422 para um computador hóspede 424 ou para o equipa- mento de dados operado por um Provedor de Serviço da Internet (ISP)
426. O ISP 426, por sua vez, provê serviços de comunicação de dados através da rede de comunicação de dados de pacote mundial agora comumente referido como a "Internet" 428. A rede local 422 e a Inter- net 428 usam ambas sinais elétricos, eletromagnéticos ou óptico que conduzem fluxos de dados digitais. Os sinais através das várias redes e os sinais no elo de rede 420 e através da interface de comunicação 418, que conduzem os dados digitais para e do sistema de computa- dor 400, são formas exemplificativas de meios de transmissão.
[00109] O sistema de computador 400 pode enviar mensagens e receber dados, incluindo código de programa, através da(s) rede(s),
elo de rede 420 e interface de comunicação 418. No exemplo de Inter- net, um servidor 430 poderia transmitir um código solicitado para um programa de aplicativos através da Internet 428, ISO 426, uma rede local 422 e uma interface de comunicação 418.
[00110] O código recebido pode ser executado pelo processador 404, visto que ele é recebido, e/ou armazenado no dispositivo de ar- mazenamento 410, ou outro armazenamento não volátil para execu- ção posterior.
3. TÉCNICAS APERFEIÇOADAS DE MODELAGEM DE
[00111] Níveis de nitrogênio no solo de um campo agrícola podem ser impactados pela água acumulada no campo devido a fluxos terres- tres do subcampo e à presença de lençol freático raso. Os fluxos ter- restres frequentemente proveem redistribuições de fluxos no mesmo dia através do campo, enquanto a redistribuição do lençol freático raso pode frequentemente levar diversos dias. Devido às diferenças tempo- rais nas redistribuições de água, tanto a redistribuição de fluxo terres- tre quanto a redistribuição de fluxo de subsuperfície precisam ser mo- deladas com precisão para obter os modelos que podem ser úteis aos produtores de culturas.
[00112] A Figura 7 representa um fluxo de trabalho exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola. A Figura 8A representa um fluxograma exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola. A Figura 8B re- presenta uma abordagem exemplificativa para solucionar as equações em águas rasas usando uma unidade de processamento gráfica. A Figura 8C representa um fluxograma exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola usando uma abordagem de processamento gráfica de múltiplos núcleos. A Figura 9 representa um fluxograma exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola. A Figura 10 é um diagrama de blocos que ilustra um sistema de computador exemplificativo confi- gurado para gerar e exibir a interface gráfica do usuário configurada para interagir com uma ferramenta de modelagem de umidade de sub- campo. Em uma concretização, as funções que são aqui descritas em relação à Figura 7, à Figura 8A, à Figura 8B, à Figura 8C, à Figura 9 e à Figura 10 podem ser implementadas usando instruções de código 180, descritas na Figura 1.
[00113] A Figura 7 representa um fluxo de trabalho exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola. O fluxo de trabalho exemplificativo pode ser iniciado com os dados da geometria de alta resolução 702 para o campo. Os dados da geome- tria de ala resolução 702 podem ser usados para gerar um modelo de elevação digital de alta resolução ("DEM") 704 para o campo. O DEM de alta resolução 704 pode ter uma resolução de pixel de grade fina. Por exemplo, pode se basear em uma grade de pixels de 5 m por 5 m.
[00114] O DEM de alta resolução 704 pode ser usado para gerar um modelo de elevação digital filtrado de alta resolução ("FDEM") 706. A filtragem pode incluir técnicas de filtragem anisotrópica não linear para remover as discrepâncias ou dados de ruído assim chamados, e para suavizar os pontos de dados do DEM de alta resolução 704. As técnicas de filtragem anisotrópica não linear podem incluir métodos numéricos de diferença finita e de volume finito para executar a filtra- gem dos pontos de dados no DEM de alta resolução 704.
[00115] Com base na alta resolução, FDEM 706, são determinados dados de inclinações e curvatura 708 para o campo. Uma inclinação, neste contexto, é uma formação geológica elevada. Por exemplo, uma inclinação pode ser um trecho de terreno que forma uma inclinação natural ou artificial no campo. Uma curvatura, neste contexto, é uma característica ou uma medida de uma inclinação.
[00116] Com base nos dados de inclinações e de curvatura 708 e com base nos dados de solo, dados de precipitação e dados de infil- tração 718 para o campo, é gerado um modelo de acúmulo de fluxo de água 716. Em uma concretização, o modelo de acúmulo de fluxo de água 716 corresponde a um modelo de fluxo terrestre. O modelo 716 pode ser gerado usando uma abordagem de infinidade D, e em uma base de pixel.
[00117] Com base nos dados de inclinações e curvaturas extraídos 708, são determinados os dados de direção de fluxo 710 para os da- dos.
[00118] Com base nos dados de direções de fluxo 710, são deter- minados os dados de áreas de acúmulo 712. Os dados capturam a informação acerca de águas paradas.
[00119] Com base nos dados de áreas de acúmulo de fluxo 712, são determinadas as fronteiras de bacia hidrográfica e saídas de água 714 causadas pela precipitação recebido no campo.
[00120] Com base nas fronteiras de bacia hidrográfica e saídas de água 714, o modelo de fluxo terrestre 716 pode ser refinado com o acréscimo do componente de fronteiras de bacia hidrográfica e o com- ponente de saídas de água para o modelo de fluxo terrestre 716. Nes- te ponto, o modelo de fluxo terrestre 71 6 captura informação acerca das redistribuições no mesmo dia de fluxos de água através do campo e captura informação acerca dos dados de identificação de bacia hi- drográfica.
[00121] A informação acerca dos dados de identificação de bacia hidrográfica e do modelo de fluxo terrestre 716 pode ser usada para executar os cálculos de águas rasas 720 para as bacias hidrográficas e o modelo. A execução dos cálculos de águas rasas 720 pode incluir solucionar uma ou mais equações de fluxo de águas rasas com rela- ção ao modelo de fluxo terrestre baseado em pixel. Isto pode também incluir modelar covariáveis, tal como um parâmetro de profundidade de água superficial, um parâmetro de velocidade da água superficial, e um parâmetro de camada de descarga da água superficial como uma função de espaço e tempo para as condições climáticas observadas. Uma vez que a execução dos cálculos de águas rasas 720 é comple- tada, os resultados podem ser usados para atualizar o modelo de fluxo terrestre 716, que, por sua vez, pode ser usado para gerar um modelo de umidade do solo de subcampo.
[00122] A informação acerca dos dados de identificação de bacia hidrográfica e do modelo de fluxo terrestre 716 pode ser usada para executar cálculos de ondas cinemáticas 728. A execução dos cálculos de ondas cinemáticas pode incluir solucionar uma ou mais equações de ondas cinemáticas com relação ao modelo de fluxo terrestre base- ado em pixel. Ela pode também incluir da água superficial, um parâme- tro de velocidade da água superficial, e um parâmetro de camada de descarga da água superficial como uma função do espaço e do tempo para as condições climáticas observadas. Uma vez que a execução dos cálculos de ondas cinemáticas 728 é completada, os resultados podem ser usados para atualizar o modelo de fluxo terrestre 716, que, por sua vez, pode ser usado para regenerar o modelo de umidade do solo de subcampo.
[00123] O modelo de umidade do solo de subcampo pode ser usa- do para gerar respostas a consultas para níveis de umidade para cer- tos pontos do campo. As funcionalidades de consulta e resposta po- dem ser providas via uma interface gráfica do usuário. Com o uso das funcionalidades de consulta, um usuário pode introduzir, por exemplo, uma consulta para informação de nível de umidade para um certo pon- to de interesse no campo. Em resposta à consulta, o modelo de umi- dade do solo de subcampo é acessado, a informação de nível de umi- dade do solo para certo ponto do modelo é extraída, e a informação de nível de umidade do solo extraída é exibida como uma resposta à con- sulta.
[00124] O modelo de umidade do solo de subcampo pode ser tam- bém usado para prover respostas para consultas para níveis de nitro- gênio para centros pontos do campo. As funcionalidades de consulta podem ser providas via uma interface gráfica do usuário, tal como a interface acima descrita. Com o uso das funcionalidades de consulta, um usuário pode introduzir, por exemplo, uma consulta para informa- ção de nível de nitrogênio para um certo ponto de interesse no campo. Em resposta à consulta, o sistema pode acessar o modelo de umidade do solo de subcampo, extrair a informação de nível de umidade do so- lo para certo ponto do modelo, usar a informação de nível de umidade do solo extraída para determinar um nível de nitrogênio para certo ponto, e exibir a informação de nível de nitrogênio como uma resposta à consulta.
3.1. MODELOS DE FLUXO TERRESTRE PARA CAMPOS
[00125] A Figura 8A representa um fluxograma exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola. O processo representado na Figura 8A captura o processamento descrito nos blocos 714-726 da Figura 7. O processo pode ser executado por um sistema de computador de inteligência agrícola 130 descrito na Fi- gura 1. Para executar o processo representado na Figura 8A, um sis- tema de computador de inteligência agrícola 130 pode executar instru- ções de código 180, tais como instruções de modelagem de inclina- ções e curvatura 136, instruções de águas rasas 137, instruções de ondas cinemáticas 138, e instruções de modelagem de fluxo terrestre
139. Para fins de clareza da descrição, o sistema de computador de inteligência agrícola 130 é referido como um sistema AIC, ou um sis- tema.
[00126] Na etapa 802, um sistema AIC recebe dados de precipita- ção e de infiltração de água para um campo agrícola. Esta etapa cor- responde a determinar dados de precipitação e de infiltração 718, des- critos na Figura 7.
[00127] Os dados recebidos podem indicar as quantidades de pre- cipitação registrada para o campo e podem ser representados como um mapeamento entre um mapa de geometria baseado em pixel do campo e os dados de precipitação correspondentes. Os dados recebi- dos podem também incluir os dados de infiltração de água que indicam uma medida da taxa de infiltração na qual o solo pode absorver água de chuva ou de irrigação. Os dados de infiltração podem ser represen- tados, por exemplo, como um mapeamento entre os pixels do mapa de geometria baseada em pixel do campo e as taxas de infiltração cor- respondentes.
[00128] Na etapa 804, o sistema AIC executa equações de fluxo de águas rasas e equações de ondas cinemáticas sobre dados da geo- metria do subcampo. Conforme representado na Figura 8A, esta etapa pode incluir diversas subetapas, tais como as subetapas 806-814.
[00129] Na etapa 806, o sistema AIC recebe dados de inclinações e de curvaturas para dados da geometria do subcampo para o campo. Esta subetapa corresponde a receber dados de inclinações e de cur- vaturas 708, descritos na Figura 7.
[00130] Na etapa 808, o sistema AIC determina as profundidades da água superficial para o campo. Esta etapa corresponde a determi- nar a profundidade da água superfície 726, descrita na Figura 7. Uma profundidade da água superficial para uma área específica coberta com água pode ser medida em polegadas, em centímetros, e seme- lhantes. Ela indica a profundidade da água parada detectada na área específica.
[00131] Na etapa 810, o sistema AIC determina os dados da veloci-
dade da água superficial e dados da descarga da água superficial. Es- ta etapa corresponde a determinar os dados da velocidade da água superficial 724 e os dados da descarga da água superficial 722, descri- tos na Figura 7. Os dados podem ser providos para o sistema AIC em uma forma de tabelas de dados contendo informação empiricamente determinada.
[00132] Na etapa 812, o sistema AIC executa uma ou mais equa- ções de fluxo de águas rasas sobre dados da geometria do subcampo. Esta etapa corresponde a executar cálculos de águas rasas 720, des- critos na Figura 7.
[00133] Em uma concretização, as equações em águas rasas são derivadas de uma integração de média de profundidade das equações de Navier-Stokes. Mais especificamente, as equações de fluxo de águas rasas são simplificações das equações de Navier-Stokes para tornar as equações apropriadas para a modelagem de um fluxo de água de canal aberto para toda a bacia hidrográfica. Isso significa que a escala de comprimento horizontal nas equações é muito maior do que a escala vertical. Aqui, assume-se que o fluido é incompressível. As equações em águas rasas podem ser expressas em termos de conservação da massa e do momento.
[00134] Em uma dimensão, a conservação de equação de massa pode ser escrita como: que é equivalente a: onde h é a profundidade de fluxo (L), t é tempo (T), u é a velocidade de média de profundidade na direção x (L/T), q é a densidade de fluxo na direção x (L2/T), x é a distância longitudinal (L), P é a precipitação de entrada (L/T), e I é a infiltração (L/T).
[00135] A conservação unidimensional da equação de momento pode ser escrita como: onde g é a aceleração devido à gravidade (L2/T), Sfx é a inclinação de energia na direção x, e S0x é a inclinação do solo na direção x.
[00136] Os três primeiros termos na equação (3), que compreen- dem a aceleração local, a aceleração convectiva, e a força de pressão, são insignificantes em comparação aos dois últimos termos que repre- sentam forças gravitacionais e de atrito. Portanto, a equação (3) pode ser simplificada, por exemplo, ajustando as forças insignificantes em zero. Esta simplificação leva à aproximação de ondas cinemáticas.
[00137] Na etapa 814, o sistema AIC executa uma ou mais equa- ções de aproximação de ondas cinemáticas sobre os dados da geo- metria do subcampo. Esta etapa corresponde a executar cálculos de ondas cinemáticas 728, descritos na Figura 7. Para determinar as aproximações de ondas cinemáticas, assume-se que a inclinação de energia e a inclinação do solo são iguais. A suposição de que a incli- nação de energia e a inclinação do solo são iguais é razoável especi- almente para uma topografia íngreme. Portanto, tais aproximações podem ser aplicadas com sucesso, por exemplo, em bacias hidrográfi- cas baseadas na montanha.
[00138] Solucionar uma equação de ondas cinemáticas equivale a solucionar uma equação modificada (1), em que um fluxo pode ser ex- presso como uma função da profundidade com o uso das equações de Manning:
As relações expressas nas equações (4)-(5) podem ser usadas para expressar q valores como uma função de u e h.
[00139] Em uma concretização, assume-se que a equação de on- das cinemáticas é solucionada sobre uma grade 2D de dados da geo- metria para o campo. A equação de ondas cinemáticas baseada na equação (1) em um domínio 2D pode ser expressa como:
[00140] Equações de ondas cinemáticas expressas em um domínio 2D, tal como a equação (6), podem ser solucionadas com o uso de muitas abordagens diferentes. Uma das abordagens usa um esquema explícito de primeira ordem. Outra abordagem se baseia em um méto- do de volume finito. Outra abordagem utiliza capacidades de hardware de uma unidade gráfica de processamento ("GPU") de múltiplos nú- cleos. Estas abordagens são descritas abaixo. Entretanto, a equação (6) pode ser também solucionada usando outras abordagens.
3.1.1. MÉTODOS EXPLÍCITOS DE PRIMEIRA ORDEM
[00141] A equação (6) pode ser solucionada usando um esquema explícito de primeira ordem para o tempo e um esquema de diferenci- ação central de segunda ordem no espaço. Portanto, a equação (6) pode ser reescrita como: onde T é a etapa de tempo de cálculo; x e y são os comprimentos da unidade de grade de cálculo na direção x e na direção y, respecti- vamente.
[00142] O fluxo de água (q) nas direções x e y pode ser expresso usando a equação de Manning:
3.1.2. MÉTODOS DE VOLUME FINITO PARA SOLUCIO-
[00143] Em uma concretização, o sistema AIC é programado com instruções para solucionar equações de ondas cinemáticas expressas em um domínio 2D, tal como a equação (6), usando uma abordagem de volume finito. Com o uso da programação para a abordagem de volume finito, o sistema AIC é programado para solucionar a equação de ondas cinemáticas 2D (6) selecionando um ponto de cálculo no centro da grade: onde T é a etapa de tempo do cálculo; x e y são os comprimentos da unidade de grade de cálculo na direção x e y, respectivamente; e x e y com os subscritos são os comprimentos reais da célula nas direções x e y, respectivamente.
[00144] Uma vez que cada elemento pode ter mais de uma única célula de influxo ou mais de uma célula de fluxo de saída, aplicar um operador de diferença de reversa de primeira ordem à equação (1)
permite reescrever a descarga de influxo de unidade que entra em uma célula durante t na direção x como: onde ∆xi,j-1/2, ∆yi-1/2,j , ∆xi,j+1/2 e ∆yi+1/2,j são os comprimentos reais de quatro lados de uma célula, respectivamente. Similarmente, durante t, os componentes de descarga de fluxo de saída nas direções x e y podem ser expressos nas instruções programadas como: onde ∆xi,j-1/2, ∆yi-1/2,j , ∆xi,j+1/2 e ∆yi+1/2,j representam os comprimentos laterais de uma célula à montante nas direções x e y, respectivamente; e ∆xi,j+1/2, ∆yi+1/2,j representam os comprimentos laterais de uma célula à jusante nas direções x e y, respectivamente.
3.1.3. MÉTODOS BASEADOS EM GPU PARA SOLUCIO-
[00145] Em uma concretização, o sistema AIC é programado para executar instruções para solucionar equações de ondas cinemáticas expressas em um domínio 2D, tal como a equação (6), utilizando ca- pacidades de hardware de uma unidade gráfica de processamento ("GPU") de múltiplos núcleos. Métodos de volume finito explícito tipi-
camente contam com cálculos de estêncil, os cálculos empregados pelos métodos de volume finito explícito sendo inerentemente parale- los. Em uma concretização, os cálculos são executados por uma uni- dade gráfica de processamento ("GPU") de muitos núcleos.
[00146] Um cálculo de estêncil consiste em uma atribuição iterada a elementos de um arranjo por uma expressão que envolve arranjos in- dexados por alguma função dos índices usados para serem atribuídos ao alvo.
[00147] Em uma concretização, uma simulação eficiente de águas rasas adaptada a hardware é executada por uma GPU. A simulação se baseia em um esquema contra o vento central de alta resolução implementado em instruções programadas. A abordagem apresentada aqui pode ser estendida a outras arquiteturas que são similares à ar- quitetura baseada em GPU e/ou outras arquiteturas baseadas em leis de conservação hiperbólica.
[00148] A Figura 8B representa uma abordagem exemplificativa pa- ra solucionar equações em águas rasas que usam uma unidade gráfi- ca de processamento de múltiplos núcleos. No exemplo representado, a pipeline GPU inclui o processamento que é executado por uma GPU de múltiplos núcleos e que resulta na computação de dados de posi- ção e de profundidade da água, que, por sua vez, são providos para a CPU.
[00149] Em uma concretização, uma GPU de uma pipeline GPU 880 recebe, em um buffer 882, dados de posição e de profundidade da água. A GPU também recebe, em um buffer 884, dados da topografia de campo. Os dados da posição e da profundidade da água, armaze- nados no buffer 882, e os dados de topografia, armazenados no buffer 884, são uniformizados pela GPU, conforme mostrado em uma seta do processo 886. Um uniforme é uma variável global de Shader declarada com o qualificador de armazenamento "uniforme". Eles atuam como parâmetros que o usuário de um programa de sombreador pode pas- sar para o programa. Seus valores são armazenados em um objeto do programa. Uniformes são assim chamados porque eles não mudam de uma invocação de sombreador para a próxima dentro de uma chama- da de renderização específica. Isto os torna diferentes de entradas e saídas de estágio de sombreador, que são muitas vezes diferentes para cada invocação de um estágio de sombreador.
[00150] Em uma concretização, os dados de fluxo de superfície 888, os dados de erosão 890 e os dados de absorção 892 são unifor- mizados pela GPU, conforme mostrado em uma seta do processo 894.
[00151] Em uma concretização, a saída uniformizada gerada pelo processo 886 e a saída uniformed gerada pelo processo 894 são com- binadas e usadas para computar, conforme mostrado em uma seta do processo 896, novos dados da posição e da profundidade da água e novos dados da topografia. Os novos dados da posição e da profundi- dade da água são armazenados no buffer 898, enquanto que os novos dados da topografia são armazenados em um buffer 899.
[00152] Uma vez que os buffers da posição e da profundidade da água são computados dentro da GPU, os dados resultantes, armaze- nados nos buffers 898 e 899, são passados para a CPU e combinados com os dados computados, como anteriormente. Mais especificamen- te, os dados computados no intervalo de tempo anterior são combina- dos com a computação de intervalo de tempo atual retornada da GPU.
[00153] A Figura 8C representa um fluxograma exemplificativo para solucionar equações em águas rasas para um campo agrícola com o uso de uma abordagem gráfica de processamento de múltiplos nú- cleos.
[00154] Na etapa 854, equações em águas rasas para determinar um modelo de umidade de subcampo para um campo são soluciona- das usando um acelerador baseado em GPU. Para transferir as equa-
ções em águas rasas para o acelerador baseado em GPU, uma malha 3D que representa o campo é produzida e transferida para a GPU. Um processo exemplificativo é descrito nas etapas 858-868 da Figura 8C.
[00155] Na etapa 858, uma malha triangular baseada em CV é ex- traída de um campo alvo. A malha 3D pode ser produzida com base em dados de campo existentes e dados de visão de computador ("CV") que podem ser usados para executar cálculos da bacia hidro- gráfica. Os dados CV podem ser adquiridos ou de outro modo obtidos com a extração de dados de alta dimensão das imagens que represen- tam o campo a fim de produzir uma representação numérica do cam- po. Isto pode incluir a transformação das imagens em geometria em malha 3D.
[00156] Na etapa 860, um mapa normalizado de elevações é gera- do para o campo.
[00157] Na etapa 862, é criado um modelo 3D do campo. O modelo 3D pode incluir os normais de deslocamento de vértice mapeados nos vértices.
[00158] Na etapa 864, um mapa normalizado de densidade e de distribuição da água é gerado com base, pelo menos em parte, no modelo 3D do campo.
[00159] Na etapa 866, as velocidades e a difusão da água para a bacia hidrográfica são computadas com base na densidade da água e no mapa normalizado de distribuição e no modelo 3D.
[00160] Na etapa 868, são determinadas as mudanças na posição e volume sobre as distribuições de densidade. As mudanças são norma- lizadas, e então integradas com outras mudanças sobre as distribui- ções de densidade.
[00161] Se, na etapa 870, for determinado que as equações foram solucionadas para todo o mapa, então, a etapa 820, mostrada na Figu- ra 8A, será executada. Caso contrário, as etapas 860-868 serão repe-
tidas até que as equações rasas para todo o mapa sejam computadas.
3.1.4.GERAÇÃO DE UM MODELO DE FLUXO TERRES-
[00162] Com referência novamente à Figura 8A, na etapa 820, o sistema AIC gera um modelo de fluxo terrestre para o campo baseado nos resultados obtidos com a execução das equações em águas rasas e das equações de aproximação de ondas cinemáticas. Esta etapa corresponde a gerar modelo de fluxo terrestre 716, descrito na Figura
7.
[00163] A etapa de tempo para o modelo pode ser calculada usan- do a expressão: onde Nco é um valor especificado pelo usuário para o número Courant. Os valores Nco são 0,2 de modo que o valor de δt maior do que 0,3 se- gundos não seja excedido.
[00164] As etapas 826-830 proveem um aplicativo exemplificativo de usar o modelo de fluxo terrestre para o campo. O aplicativo exem- plificativo permite consultar o sistema para um nível de umidade ou um nível de nitrogênio para um ponto específico no campo e gerar uma resposta para a consulta com base nos dados armazenados no mode- lo de fluxo terrestre.
[00165] Na etapa 826, o sistema AIC determina se uma consulta é recebida. Exemplos de consultas incluem uma consulta para um nível de umidade para um ponto específico no campo, uma consulta para um nível de nitrogênio para um ponto específico, e assim por diante. A consulta pode ser provida para o sistema AIC via uma interface gráfica do usuário que é configurada para prover interatividade com o sistema AIC e os modelos de dados gerados pelo sistema AIC.
[00166] Se, na etapa 828, o sistema AIC determinar que a consulta foi recebida, então o sistema AIC procederá para executar a etapa 8300; caso contrário, o sistema AIC procederá para executar a etapa 826, na qual o sistema AIC espera receber uma consulta;
[00167] Na etapa 830, o sistema AIC gera uma resposta para a consulta e provê a resposta para a interface gráfica do usuário para exibir a resposta em um dispositivo de vídeo. A geração de uma res- posta para a consulta pode incluir consultar o modelo de fluxo terrestre para a informação de nível de umidade ou a informação de nível de nitrogênio para o ponto específico no campo. A resposta pode ser ex- pressa em uma forma de um ponto de dados, em uma forma de um mapa 2D para a área que inclui o ponto de dados específico, em uma forma de uma tabela, e semelhante.
3.2 DADOS DE PRECIPITAÇÃO E INFILTRAÇÃO
[00168] Em uma concretização, implementações do processo para gerar um modelo de fluxo de água terrestre para todo um campo as- sumem que a precipitação é espacialmente uniforme sobre o campo. Esta é uma suposição razoável para os campos que são um tanto pe- quenos no tamanho.
[00169] Em uma concretização, um centroide de campo é identifi- cado, e dados de chuva por hora providos para o centroide de campo são usados para modelar as taxas de infiltração e de escoamento para o campo.
[00170] Em uma concretização, a infiltração é modelada usando a equação de Green e AMpt. O modelo de Green e AMpt se baseia no fluxo de água e assume que a infiltração é proporcional ao gradiente total. A equação de Green e Ampt para capacidade de infiltração I c po- de ser escrita como:
onde Ic é a capacidade de infiltração (L/T), Ks a condutividade hidráuli- ca saturada (L/T), ψf é a cabeça de pressão capilar na frente de ume- decimento (L), F é a profundidade infiltrada total (L), φ é a porosidade total, h é a profundidade da água (L), e θi é o teor de umidade inicial do solo.
[00171] Além disso, assume-se que as propriedades do solo sejam espacialmente uniformes dentro de um domínio de pixel. O teor de umidade inicial do solo pode ser modelado usando, por exemplo, o modelo de Darcy-Buckingham.
3.3. PROCESSAMENTO DA TOPOGRAFIA
[00172] A Figura 9 representa um fluxograma exemplificativo para determinar um modelo de fluxo terrestre para um campo agrícola. O processo pode ser executado pelo sistema AIC 130 descrito na Figura
1. Para executar o processo representado na Figura 9, o sistema AIC 130 pode executar instruções de código 180, tais como instruções de modelagem de inclinações e curvatura 136, instruções de águas rasas 137, instruções de ondas cinemáticas 138, e instruções de modelagem de fluxo terrestre 139.
[00173] Na etapa 802. Um sistema AIC recebe dados de precipita- ção e de infiltração para um campo agrícola. A etapa 802 é descrita na Figura 8A.
[00174] Na etapa 902, o sistema AIC recebe os dados da geometria de campo para o campo. Os dados da geometria de campo são ge- ralmente um mapa topográfico de alta granularidade do campo, tal como mapa por-subcampo, ou uma grade fina de células de 5 m por 5 m.
[00175] Na etapa 904, o sistema AIC gera um modelo de elevação digital dos dados da geometria de campo. Isto pode incluir rastreio dos dados da geometria de campo e a economia da malha digital de pon- tos de dados no modelo de elevação digital.
[00176] Na etapa 906, o AIC gera um modelo de elevação digital filtrado do modo de elevação digital. A filtragem do modelo de eleva- ção digital para gerar um modelo de elevação digital filtrado pode in- cluir a remoção, do modo de elevação digital, dos pontos de dados que são discrepâncias ou ruído.
[00177] Os conjuntos de dados de elevação de rastreio de entrada criados de nuvens de ponto lidar frequentemente contêm ruído intro- duzido durante o processo de criação de rastreio. Para remover os pontos de dados de ruído e aprimorar características de nosso interes- se, tais como sulcos ou depressões locais, pode ser executada uma filtragem não linear dos valores de elevação.
[00178] Em uma concretização, a filtragem de dados de topografia começa com a leitura do modelo de elevação digital de terras nuas de entrada. A inclinação média do modelo de elevação digital de entrada bruta é computada para determinar se o terreno é íngreme (inclinação > 5°) ou não (inclinação < 5°). O valor limiar de inclinação do declive pode ser modificado, caso desejado. Se o terreno for steep, então um método de curvatura geométrico será usado para filtrar os dados. Ca- so contrário, um método de curvatura Laplaciano é usado para filtrar os dados.
[00179] Quando da análise dos dados de topografia de alta resolu- ção para extrair vários recursos de interesse, a filtragem poderá ser executada para regularizar os dados de elevação. Isto pode incluir a remoção dos pontos de dados indesejados para reduzir a variabilidade de superfície de pequena escala, enquanto a manutenção e o aprimo- ramento dos recursos de interesse. No caso de extração de rede de canal, isto pode permitir filtrar as irregularidades do solo, enquanto preserva as características tais como margens de canal acentuadas.
[00180] Em uma concretização, a filtragem é executada usando um filtro que é expresso usando a seguinte equação de difusão linear:
onde z (x, y, t) são os dados de elevação no tempo t, c é o coeficiente de difusão, e ∇ é o operador de gradiente. A equação de difusão linear é isotrópica na medida em que o coeficiente de difusão c é constante em espaço e tempo. Embora seja simples de aplicar, isto pode resultar na desfocagem das bordas do terreno e na perda da nitidez e local das características do terreno.
[00181] Um filtro de difusão expresso na equação (17) pode ser configurado para atenuar as irregularidades, tais como pontos de da- dos de ruído, enquanto retém as características de interesse, definindo o coeficiente de difusão c como uma função de espaço e de tempo. Esta operação resulta em uma equação de difusão não linear: Uma forma adimensional da equação de difusão não linear (18) pode ser usada com um coeficiente de difusão adimensional c e um parâ- metro de tempo graduado por difusão. Este pode ser expresso em unidades L2, no qual i representa o número de iterações de filtragem executados na imagem na equação (18). Duas formas possíveis do coeficiente de difusão são: onde |∇z| é o valor absoluto do gradiente de elevação no local x, y e o tempo t, e lambda é o limiar de parada de borda computado como o 90° quantil da distribuição de gradiente.
[00182] Equações (19) e (20) são também chamadas de funções de parada de borda e podem ser referidas como uma função PM1 e uma função PM2, respectivamente. PM1 e PM2 promovem difusão dentro de fronteiras das características do terreno e permitem preservar as bordas dos recursos.
[00183] Outra abordagem de filtragem usa um filtro de difusão não linear que envolve a convolução da paisagem com um pequeno kernel Gaussiano em cada etapa de tempo Esta abordagem pode usar um filtro no qual a etapa de tempo é ajustada com base no critério de es- tabilidade de Neumann: onde δx é o tamanho de pixel. Uma vez que o parâmetro de tempo se apresenta em unidades L2 com escala de difusão, a equação (21) é dimensionalmente consistente.
[00184] Na etapa 908, o sistema AIC extrai dados de inclinações e de curvaturas do modelo de elevação digital filtrado.
[00185] Cumes, encostas e vales podem ser identificados a partir de dados de topografia de alta resolução comparando a função de densidade de probabilidade ("pdf") da curvatura para a distribuição Gaussiana padrão em um gráfico de quantil-quantil (qq). O gráfico qq indica se uma amostra é extraída da distribuição Gaussiana, ou como o plot desvia da distribuição Gaussiana.
[00186] Para determinar os dados de curvaturas, qualquer das duas definições de curvatura pode ser usada. Uma primeira definição é a Laplaciana y definida como o gradiente do gradiente de elevação ∇z:
[00187] Uma segunda definição é a curvatura geométrica k definida como:
onde o gradiente de elevação é normalizado por sua magnitude. Os gradientes são estimados com um operador de diferença central, exce- to nas bordas onde é usada uma diferença de um único lado.
[00188] A curvatura geométrica é mais efetiva em identificar as ca- racterísticas convergentes em paisagens naturais do que a abordagem Laplaciana. Por outro lado, a abordagem Laplaciana performa melhor a abordagem de curvatura geométrica para terrenos que incluem áreas projetadas com uma mistura de canais naturais e recursos artifi- ciais, tais como valas e estradas.
[00189] Na etapa 910, o sistema AIC determina dados de acúmulo de fluxo com base nos dados de elevação digital filtrados. Os dados de acúmulo de fluxo podem incluir a informação de fluxo, tal como as lo- cais dos fluxos, suas profundidades, sua velocidade da água, e assim por diante.
[00190] Na etapa 912, o sistema AIC determina dados da bacia hi- drográfica e dados da geometria do subcampo. Os dados da bacia hi- drográfica podem incluir informação acerca de bacias hidrográficas. Isto pode incluir locais das bacias hidrográficas, e características das bacias hidrográficas.
[00191] Na etapa 804, o sistema AIC executa equações em águas rasas e equações de ondas cinemáticas sobre os dados da geometria do subcampo. A etapa 804 é descrita em detalhes na Figura 8A.
[00192] Na etapa 820, o sistema AIC gera um modelo de fluxo ter- restre para o campo. A etapa 820 é descrita em detalhes na Figura 8A.
[00193] Na etapa 824, o sistema AIC atualiza o modelo de fluxo ter- restre com base nos dados de precipitação e de infiltração. Esta etapa será executada se os dados de precipitação e de infiltração não tive- rem já sido usados para gerar o modelo de fluxo terrestre. No entanto,
se os dados de precipitação e infiltração já tiverem sido usados para gerar o modelo de fluxo terrestre, então a etapa 824 será omitida.
[00194] As etapas 826-830 proveem um aplicativo exemplificativo de usar o modelo de fluxo terrestre para o campo. O aplicativo exem- plificativo permite consultar o sistema para um nível de umidade ou um nível de nitrogênio para um ponto específico no campo e gerar uma resposta à consulta com base nos dados armazenados no modelo de fluxo terrestre. As etapas 826-830 são descritas na Figura 8A.
4. APLICATIVOS EXEMPLIFICATIVOS
[00195] A Figura 10 é um diagrama de blocos que ilustra um siste- ma de computador exemplificativo configurado para gerar e exibir a interface gráfica do usuário configurada para interagir com uma ferra- menta de modelagem de umidade de subcampo. O sistema de compu- tador representado inclui uma ferramenta de modelagem de umidade de subcampo 1000 e uma interface gráfica do usuário 1010. O sistema de computador representado também inclui um ou mais processos ba- seados em computador (não representados na Figura 10), uma ou mais unidades de memória (não representadas na Figura 10), e um ou mais dispositivos de armazenamento (não representados na Figura 10).
[00196] A ferramenta de modelagem da umidade de subcampo 1000 inclui todos, pelo menos alguns componentes 702-726 que são descritos em detalhes na Figura 7. A ferramenta pode ser gerada ao executar os aplicativos de software nos processadores do sistema de computador. A ferramenta pode ser armazenada como um programa executável, um aplicativo baseado na web, um aplicativo servido de um servidor, um aplicativo servido de um sistema de armazenamento de nuvem, e semelhante.
[00197] A interface gráfica do usuário 1010 é uma interface gerada para prover interatividade com ferramenta de modelagem de umidade de subcampo 1000. A interface gráfica do usuário 1010 pode ser usa- da para facilitar a entrada de uma consulta na ferramenta de modela- gem 1000, e obter, da ferramenta de modelagem de umidade de sub- campo 1000, uma resposta para a consulta. A interface gráfica do usuário 1010 pode ser um componente que é separado da ferramenta de modelagem de umidade de subcampo 1000, conforme representa- do na Figura 10. Alternativamente, a interface gráfica do usuário 1010 pode ser um componente de ferramenta de modelagem de umidade de subcampo 1000.
[00198] Em uma concretização, a interface gráfica do usuário 1010 é configurada para gerar e exibir objetos gráficos que podem ser usa- dos para prover consultas à ferramenta de modelagem de umidade de subcampo 1000. As consultas podem incluir solicitações para informa- ção específica para áreas específicas de um campo agrícola, pontos específicos do campo, zonas específicas dos campos, e semelhantes. Exemplos de consultas podem incluir uma consulta 1030 para infor- mação de nível de umidade para um ponto específico no campo, e uma consulta 1050 para dados de nível de nitrogênio para um ponto específico no campo.
[00199] A interface gráfica do usuário 1010 pode ser configurada para comunicar as consultas recebidas à ferramenta de modelagem de umidade de subcampo 1000, e, com o recebimento das respostas às consultas, para comunicar as respostas recebidas aos solicitantes. Por exemplo, em resposta ao recebimento de dados de nível de umidade para um ponto específico, a interface gráfica do usuário 1010 pode exibir a resposta de dados de nível de umidade 1040 em um dispositi- vo de vídeo. De acordo com outro exemplo, em resposta ao recebi- mento de dados de nível de nitrogênio em um ponto específico, a inter- face gráfica do usuário 1019 pode exibir a resposta de dados de nível de nitrogênio 1060 em um dispositivo de vídeo.
[00200] A interface gráfica do usuário 1010 pode ser configurada para receber, da ferramenta de modelagem de umidade de subcampo 1000, várias notificações e exibir a notificação nos dispositivos de ví- deo. Por exemplo, a interface gráfica do usuário 1010 pode ser confi- gurada para receber notificações que indicam a água parada presente em um subcampo específico, e, em resposta ao recebimento das noti- ficações, para exibir a notificação 1010 em um dispositivo de vídeo.
5. BENEFÍCIOS DE CERTAS CONCRETIZAÇÃOES
[00201] Em uma concretização, um modelo de fluxo terrestre é usado para aperfeiçoar as previsões de fluxos hidrológicos em campos agrícolas. Além disso, ele pode ser usado para prover notificações de eventos de água parada depois de fortes chuvas. Ele pode também ser usado para gerar avisos para evitar locais suscetíveis a represa- mento durante os testes de reprodução. Além disso, a camada de saí- da do modelo pode ser usada como uma covariável em ferramentas script usadas para gerar prescrição agrícola para os campos. Exem- plos de prescrições agrícolas incluem uma prescrição de densidade de sementes, uma prescrição de seleção híbrida, e uma prescrição de fertilizante de nitrogênio. Ele pode também ser usado para explicar va- riabilidades na produtividade das culturas entre anos úmidos e secos, e para explicar como a variabilidade refere-se à umidade de subcampo do solo.
[00202] Com o uso das técnicas aqui descritas, um computador po- de gerar e disponibilizar informação de nível de umidade para o solo em um campo agrícola com a precisão e a eficiência que de outro mo- do não seria alcançável. Por exemplo, sem as técnicas apresentadas, um modelo complexo que requer uma grande quantidade de entrada inicial seria necessário para capturar todos os aspectos de uma infor- mação de nível umidade para mapas topográficos de alta granularida- de do campo. Desse modo, as técnicas aqui descritas aperfeiçoam com técnicas de modelagem de nível de umidade anteriores com a regulação da quantidade de dados necessários para gerar informação de nível de umidade precisa, o aumento da eficiência com a qual são executados os modelos digitais dos níveis de umidade para o solo, e o aumento da precisão do local da informação de nível de umidade.
6. EXTENSÕES E ALTERNATIVAS
[00203] Na especificação anterior, as concretizações foram descri- tas com referência a inúmeros detalhes específicos que podem variar de implementação para implementação. A especificação e os dese- nhos devem, consequentemente, ser considerados em um sentido ilustrativo e não restritivo. O indicador único e exclusivo do escopo da descrição, e o que é pretendido pelos requerentes para ser o escopo da descrição, é o escopo literal e equivalente do conjunto de reivindi- cações decorrentes deste pedido, na forma específica em que tais rei- vindicações são emitidas, incluindo qualquer correção subsequente.
Claims (24)
1. Método de processamento de dados implementado por computador para gerar modelos de fluxo terrestre, caracterizado pelo fato de: receber dados de precipitação e dados de infiltração para um campo agrícola; obter dados da profundidade da água superficial, dados da velocidade da água superficial, e dados da descarga de água superfi- cial para o campo agrícola; determinar dados da geometria do subcampo para o campo agrícola; executar uma pluralidade de cálculos da água e cálculos de ondas usando dados da geometria do subcampo para gerar um mode- lo de fluxo terrestre que inclui níveis de umidade para o campo agríco- la; com base, pelo menos em parte, no modelo de fluxo terres- tre, gerar e fazer com que seja exibida uma imagem gráfica visual do campo agrícola que compreende uma pluralidade de pixels coloridos apresentando valores de cor que correspondem aos níveis de umidade determinados para o campo agrícola.
2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de a saída do modelo de fluxo terrestre ser provida para um computador de controle de um dispersor de fertilizante, despachado no campo agrícola, para ajustar instruções de aplicação de nitrogênio executadas pelo dispersor de fertilizante para aplicar fertilizantes no campo agrícola.
3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de a saída do modelo de fluxo terrestre ser provida para um computador de controle de irrigação de um sistema de irrigação insta- lado no campo agrícola para ajustar as configurações de rega e as quantidades de água pulverizada sobre o campo agrícola.
4. Método, de acordo com a reivindicação 1, caracterizado pelo fato de a saída do modelo de fluxo terrestre ser provida para computadores de controle de plantadeiras ou semeadeiras, despacha- dos no campo agrícola, para ajustar quantidades de sementes a serem plantadas no campo agrícola.
5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de a saída do modelo de fluxo terrestre ser provida para computadores de controle de plantadeiras, semeadeiras, ceifeiras, co- lheitadeiras ou cultivadores, despachados no campo agrícola, para controlar os caminhos dentro do campo agrícola que as plantadeiras, as semeadeiras, as ceifeiras ou os cultivadores seguem na medida em que eles plantam sementes ou colhem safras; em que a saída do modelo de fluxo terrestre é provida para um sistema de computador de inteligência para gerar prescrições agrí- colas, relatórios de status, resumos, ou outros documentos específicos de campo.
6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: receber dados de geometria de campo digital que especifi- cam uma geometria de um campo agrícola; com base, pelo menos em parte, nos dados de geometria de campo digital, determinar os dados de modelo de elevação digital para o campo agrícola; com base, pelo menos em parte nos dados de modelo de elevação digital, determinar os dados de modelo de elevação digital filtrado; extrair dos dados de modelo de elevação digital filtrado, os dados de inclinação e os dados de curvatura que representam caracte- rísticas físicas topográficas do campo agrícola;
com base, pelo menos em parte, nos dados de modelo de elevação digital filtrado, determinar os dados da bacia hidrográfica que representam uma ou mais bacias hidrográficas e determinar os dados da geometria do subcampo do campo agrícola.
7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de a pluralidade de cálculos da água e cálculos de ondas in- cluírem um ou mais cálculos de ondas cinemáticas e um ou mais cál- culos de águas rasas; em que um ou mais cálculos de ondas cinemáticas são executados usando um ou mais de: um método de volume finito ou um método baseado em unidade gráfica de processamento ("GPU") de múltiplos núcleos e baseado no acelerador.
8. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: com base, pelo menos em parte, no modelo de fluxo terres- tre, determinar que qualquer subárea de água parada está presente no campo agrícola; em resposta à determinação, com base no modelo de fluxo terrestre, que uma ou mais subáreas de água parada estão presentes no campo agrícola; gerar uma ou mais notificações de água parada que indi- cam uma ou mais subáreas de água parada presentes no campo agrí- cola; gerar e fazer com que seja exibida uma imagem gráfica vi- sual de água parada de uma ou mais subáreas de água parada pre- sentes no campo agrícola incluindo pixels coloridos de subárea de água parada que apresentam valores de cor correspondendo a uma ou mais subáreas de água parada.
9. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda:
receber uma primeira solicitação para prover um primeiro valor de nível de umidade do solo para uma primeira subárea do cam- po agrícola; com base, pelo menos em parte, no modelo de fluxo terres- tre, determinar o primeiro valor de nível de umidade do solo para a primeira subárea do campo agrícola; gerar e fazer com que seja exibida uma imagem gráfica vi- sual da primeira subárea do campo agrícola incluindo pixels coloridos de primeira subárea que correspondem ao primeiro valor de nível de umidade do solo para a primeira subárea.
10. Método, de acordo com a reivindicação 1, caracteriza- do pelo fato de compreender ainda: receber uma segunda solicitação para prover um primeiro valor de nível de nitrogênio para uma segunda subárea do campo agrícola; com base, pelo menos em parte, no modelo de fluxo terres- tre, determinar o primeiro valor de nível de nitrogênio para a segunda subárea do campo agrícola; gerar e fazer com que seja exibida uma imagem gráfica vi- sual da segunda subárea da segunda subárea do campo agrícola in- cluindo pixels coloridos da segunda subárea que correspondem ao primeiro valor de nível de nitrogênio para a segunda subárea.
11. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: em uma pluralidade de tempos diferentes, determinar níveis de umidade do solo para a pluralidade de tempos diferentes, e repetir o recebimento, a obtenção, a execução e a geração e fazer com que seja exibida a imagem gráfica visual do campo agrícola incluindo os pixels coloridos que correspondem aos níveis de umidade do solo para uma pluralidade de diferentes tempos.
12. Método, de acordo com a reivindicação 1, caracterizado pelo fato de os dados de precipitação e os dados de infiltração serem dados lidos, em que os dados da geometria do subcampo para o cam- po agrícola são digitalmente armazenados como um mapa de geome- tria de alta resolução amostrado em qualquer tipo de resolução.
13. Método, de acordo com a reivindicação 1, caracterizado pelo fato de o modelo de fluxo terrestre prover uma distribuição no mesmo dia de fluxos de água através de uma superfície do campo agrícola e uma distribuição em múltiplas datas de águas subterrâneas rasas através do campo agrícola.
14. Meio de armazenamento legíveis por computador não transitórios, caracterizados pelo fato de armazenarem uma ou mais sequências de instruções que, quando executadas por um ou mais processadores, fazem com que um ou mais processadores executem: receber dados de precipitação e dados de infiltração para um campo agrícola; obter dados da profundidade da água superficial, dados da velocidade da água superficial, e dados da descarga da água superfi- cial para o campo agrícola; determinar dados da geometria do subcampo para o campo agrícola; executar uma pluralidade de cálculos da água e cálculos de ondas usando os dados da geometria do subcampo para gerar um modelo de fluxo terrestre que inclui níveis de umidade para o campo agrícola; com base, pelo menos em parte, no modelo de fluxo terres- tre, gerar e fazer com que seja exibida uma imagem gráfica visual do campo agrícola que compreende uma pluralidade de pixels coloridos apresentando valores de cor que correspondem aos níveis de umidade determinados para o campo agrícola.
15. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato de a saída do modelo de fluxo terrestre ser provida para um computa- dor de controle de um dispersor de fertilizante, despachado no campo agrícola, para ajustar instruções de aplicação de nitrogênio executadas pelo dispersor fertilizante para aplicar fertilizantes no campo agrícola.
16. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato de a saída do modelo de fluxo terrestre ser provida para um computa- dor de controle de irrigação de um sistema de irrigação instalado no campo agrícola para ajustar configurações de rega e quantidades de água pulverizada sobre o campo agrícola.
17. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato de ainda compreender sequências de instruções que, quando execu- tadas, fazem com que um ou mais processadores executem: receber dados de geometria de campo digital que especifi- cam uma geometria de um campo agrícola; com base, pelo menos em parte, nos dados de geometria de campo digital, determinar dados de modelo de elevação digital para o campo agrícola; com base, pelo menos em parte, nos dados de modelo de elevação digital, determinar os dados de modelo de elevação digital filtrado; extrair, dos dados de modelo de elevação digital filtrado, os dados de inclinação e os dados de curvatura que representam caracte- rísticas topográficas físicas do campo agrícola; com base, pelo menos em parte, nos dados de modelo de elevação digital filtrado, determinar dados da bacia hidrográfica que representam uma ou mais bacias hidrográficas e determinar os dados da geometria do subcampo do campo agrícola.
18. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato de a pluralidade de cálculos da água e cálculos de ondas incluírem um ou mais cálculos de ondas cinemáticas e um ou mais cálculos de águas rasas; em que um ou mais cálculos de ondas cinemáticas são executadas usando um ou mais de: um método de volume finito ou um método baseado na unidade gráfica de processamento ("GUP") de múltiplos núcleos e baseado em acelerador.
19. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato de ainda compreender sequências de instruções que, quando execu- tadas, fazem com que um ou mais processadores executem: com base, pelo menos em parte, no modelo de fluxo terres- tre, determinar que qualquer subárea de água parada está presente no campo agrícola; em resposta à determinação, com base no modelo de fluxo terrestre, que uma ou mais subáreas de água parada estão presentes no campo agrícola; gerar uma ou mais notificações de água parada que indicam uma ou mais subáreas de água parada presentes no campo agrícola; gerar e fazer com que seja exibida uma imagem gráfi- ca visual de água parada de uma ou mais subáreas de água parada presentes no campo agrícola que inclui pixels coloridos da subárea de água parada que apresentam valores de cor correspondendo a uma ou mais subáreas de água parada.
20. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato de ainda compreender sequências de instruções que, quando execu- tadas, fazem com que um ou mais processadores executem: receber uma primeira solicitação para prover um primeiro valor de nível de umidade do solo para uma primeira subárea do cam- po agrícola; com base, pelo menos em parte, no modelo de fluxo terres- tre, determinar o primeiro valor de nível de umidade do solo para a primeira subárea do campo agrícola; gerar e fazer com que seja exibida uma imagem gráfica vi- sual da primeira subárea da primeira subárea do campo agrícola que inclui os pixels coloridos da primeira subárea que correspondem ao primeiro valor de nível de umidade do solo para a primeira subárea.
21. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato de ainda compreender sequências de instruções que, quando execu- tadas fazem com que um ou mais processadores executem; receber uma segunda solicitação para prover um primeiro valor de nível de nitrogênio para uma segunda subárea do campo agrícola; com base, pelo menos em parte, no modelo de fluxo terres- tre, determinar o primeiro valor de nível de nitrogênio para a segunda subárea do campo agrícola; gerar e fazer com que seja exibida uma imagem gráfica vi- sual de segunda subárea da segunda subárea do campo agrícola que inclui pixels coloridos da segunda subárea que correspondem ao pri- meiro valor de nível de nitrogênio para a segunda subárea.
22. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato de ainda compreender sequências de instruções que, quando execu- tadas, fazem com que um ou mais processadores executem;
em uma pluralidade de tempos diferentes, determinar níveis de umidade do solo para a pluralidade de tempos diferentes, e repetir o recebimento, a obtenção, a execução e a geração e fazer com que seja exibida a imagem gráfica visual do campo agrícola incluindo pixels coloridos que correspondem aos níveis de umidade do solo para uma pluralidade de tempos diferentes.
23. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato os dados de precipitação e os dados de infiltração serem dados lidos; em que os dados da geometria do subcampo para o campo agrícola são digitalmente armazenados como um mapa de geometria de alta resolução amostrado em qualquer tipo de resolução.
24. Meio de armazenamento legível por computador não transitório, de acordo com a reivindicação 14, caracterizado pelo fato de o modelo de fluxo terrestre prover uma distribuição no mesmo dia de fluxos de água através de uma superfície do campo agrícola e uma distribuição em múltiplas datas de águas subterrâneas rasas através do campo agrícola.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862725884P | 2018-08-31 | 2018-08-31 | |
US62/725,884 | 2018-08-31 | ||
PCT/US2019/048784 WO2020047240A1 (en) | 2018-08-31 | 2019-08-29 | Subfield moisture model improvement using overland flow modeling with shallow water computations |
Publications (1)
Publication Number | Publication Date |
---|---|
BR112021002947A2 true BR112021002947A2 (pt) | 2021-05-11 |
Family
ID=69641270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR112021002947-8A BR112021002947A2 (pt) | 2018-08-31 | 2019-08-29 | aperfeiçoamento de modelo de umidade de subcampo usando modelagem de fluxo terrestre com cálculos de águas rasas |
Country Status (9)
Country | Link |
---|---|
US (2) | US11182521B2 (pt) |
EP (1) | EP3844633A4 (pt) |
CN (1) | CN112805713B (pt) |
AR (1) | AR116049A1 (pt) |
AU (1) | AU2019330032A1 (pt) |
BR (1) | BR112021002947A2 (pt) |
CA (1) | CA3108902A1 (pt) |
MX (1) | MX2021002202A (pt) |
WO (1) | WO2020047240A1 (pt) |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190050741A1 (en) * | 2017-08-10 | 2019-02-14 | Iteris, Inc. | Modeling and prediction of below-ground performance of agricultural biological products in precision agriculture |
WO2020047240A1 (en) | 2018-08-31 | 2020-03-05 | The Climate Corporation | Subfield moisture model improvement using overland flow modeling with shallow water computations |
US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
US12035648B2 (en) | 2020-02-06 | 2024-07-16 | Deere & Company | Predictive weed map generation and control system |
US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
CN111401666B (zh) * | 2020-04-28 | 2021-07-27 | 中国水利水电科学研究院 | 一种利用预报误差开展上游水库群影响下径流预报的方法 |
US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
JP2024501815A (ja) * | 2020-12-23 | 2024-01-16 | ビーエーエスエフ アグロ トレードマークス ゲーエムベーハー | 遠隔感知に基づく土壌パラメータを使用して種子製品及び/又は作物栄養製品を適用するための決定システム |
CN113177248B (zh) * | 2021-04-21 | 2022-07-19 | 武汉大学 | 隧道围岩破裂碎胀大变形失稳灾变过程数值模拟方法 |
CN113792450A (zh) * | 2021-08-16 | 2021-12-14 | 中国空间技术研究院 | 基于机器学习负载模型提高陆地水储量反演准确性的方法 |
US20230230372A1 (en) * | 2022-01-14 | 2023-07-20 | Verdi Expeditions Inc. | Systems and methods of controlling resource distribution to a field |
CN114444334B (zh) * | 2022-04-07 | 2022-06-14 | 长江水利委员会长江科学院 | 一种径流水位拟合方法、装置、计算机设备及存储介质 |
CN114861401B (zh) * | 2022-04-08 | 2024-04-05 | 武汉大学 | 一种层状岩体fdem数值模拟输入参数标定方法 |
US20230419220A1 (en) * | 2022-06-28 | 2023-12-28 | Raven Industries, Inc. | Change log processing for chained workflows |
CN115561415B (zh) * | 2022-09-15 | 2023-12-22 | 西安御风云想网络科技有限公司 | 一种基于大数据的水环境污染监控分析***及方法 |
CN117036222B (zh) * | 2023-08-18 | 2024-04-19 | 广东省水利水电科学研究院 | 融合多尺度极化sar图像的水体检测方法、装置及介质 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6529615B2 (en) | 1997-10-10 | 2003-03-04 | Case Corporation | Method of determining and treating the health of a crop |
US6401041B1 (en) * | 2000-05-11 | 2002-06-04 | Clayton Petersen | Automated graphical representation of agricutural information |
US20050273300A1 (en) * | 2003-09-29 | 2005-12-08 | Patwardhan Avinash S | Method and system for water flow analysis |
US7908062B2 (en) | 2007-02-28 | 2011-03-15 | Caterpillar Inc. | System and method for preparing a worksite based on soil moisture map data |
ES2792357T3 (es) * | 2009-04-20 | 2020-11-11 | Exxonmobil Upstream Res Co | Procedimiento para predecir el flujo de fluido |
US9629304B2 (en) * | 2013-04-08 | 2017-04-25 | Ag Leader Technology | On-the go soil sensors and control methods for agricultural machines |
US20150019262A1 (en) * | 2013-07-11 | 2015-01-15 | Corelogic Solutions, Llc | Method and system for generating a flash flood risk score |
US9519861B1 (en) * | 2014-09-12 | 2016-12-13 | The Climate Corporation | Generating digital models of nutrients available to a crop over the course of the crop's development based on weather and soil data |
CN104535295B (zh) * | 2015-01-26 | 2017-02-22 | 山东科技大学 | 一种用于模拟坡面流水力要素的多功能实验装置及其实验方法 |
US10028426B2 (en) * | 2015-04-17 | 2018-07-24 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
US9813512B2 (en) * | 2015-04-20 | 2017-11-07 | Agverdict, Inc. | Systems and methods for efficiently generating a geospatial data map for use in agricultural operations |
US20160309646A1 (en) * | 2015-04-24 | 2016-10-27 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
CN104881571A (zh) * | 2015-04-29 | 2015-09-02 | 西安科技大学 | 一种煤矿区地质环境承载能力评价方法 |
US10076089B2 (en) * | 2016-03-11 | 2018-09-18 | International Business Machines Corporation | Method of controlling soil moisture, water accumulation and fertilizer distribution in land |
US20180017710A1 (en) * | 2016-07-18 | 2018-01-18 | 2NDNATURE Software Inc. | Systems and Methods for Event-based Modeling of Runoff and Pollutant Benefits of Sustainable Stormwater Management |
CN107290129B (zh) * | 2017-05-04 | 2019-09-27 | 中国水利水电科学研究院 | 一种坡面水文试验流量场观测***及方法 |
CN107180449B (zh) * | 2017-05-04 | 2019-08-23 | 中国水利水电科学研究院 | 一种坡面水流深度计算***及方法 |
WO2020047240A1 (en) | 2018-08-31 | 2020-03-05 | The Climate Corporation | Subfield moisture model improvement using overland flow modeling with shallow water computations |
-
2019
- 2019-08-29 WO PCT/US2019/048784 patent/WO2020047240A1/en unknown
- 2019-08-29 BR BR112021002947-8A patent/BR112021002947A2/pt unknown
- 2019-08-29 MX MX2021002202A patent/MX2021002202A/es unknown
- 2019-08-29 EP EP19853613.8A patent/EP3844633A4/en active Pending
- 2019-08-29 CA CA3108902A patent/CA3108902A1/en active Pending
- 2019-08-29 US US16/555,267 patent/US11182521B2/en active Active
- 2019-08-29 CN CN201980064487.0A patent/CN112805713B/zh active Active
- 2019-08-29 AU AU2019330032A patent/AU2019330032A1/en active Pending
- 2019-08-30 AR ARP190102491A patent/AR116049A1/es active IP Right Grant
-
2021
- 2021-11-17 US US17/528,483 patent/US11755793B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
MX2021002202A (es) | 2021-05-14 |
WO2020047240A9 (en) | 2020-04-02 |
US20200074023A1 (en) | 2020-03-05 |
AR116049A1 (es) | 2021-03-25 |
CN112805713A (zh) | 2021-05-14 |
WO2020047240A1 (en) | 2020-03-05 |
EP3844633A4 (en) | 2022-05-18 |
CN112805713B (zh) | 2024-06-11 |
AU2019330032A1 (en) | 2021-04-29 |
US11182521B2 (en) | 2021-11-23 |
EP3844633A1 (en) | 2021-07-07 |
US20220237340A1 (en) | 2022-07-28 |
US11755793B2 (en) | 2023-09-12 |
CA3108902A1 (en) | 2020-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11755793B2 (en) | Sub field moisture model improvement using overland flow modeling with shallow water computations | |
US11557116B2 (en) | Generating pixel maps from non-image data and difference metrics for pixel maps | |
US10853377B2 (en) | Sequential data assimilation to improve agricultural modeling | |
CA3007202C (en) | Forecasting field level crop yield during a growing season | |
US20180260504A1 (en) | Location selection for model assessment sampling | |
BR112020022324A2 (pt) | visualização digital de prescrições de fertilidade agrícola sazonais atualizadas periodicamente | |
BR112019009310B1 (pt) | sistemas de geração de imagem de solo | |
BR112018000627B1 (pt) | Método e sistema de processamento de dados para geração de modelos digitais de nutrientes disponíveis para uma cultura | |
BR112018007672B1 (pt) | Método implementado por computador para determinar e apresentar uma recomendação de taxa de semeadura melhorada e aparelho correlato | |
BR112018011989B1 (pt) | Método para geração de modelos digitais de rendimento relativo de uma cultura e um ou mais meios legíveis por computador não transitórios | |
BR112017026437B1 (pt) | Sistema de computador e método implantado por computador para monitorar operações de um ou mais campos | |
BR112021001667A2 (pt) | previsão automática de rendimentos e recomendação de taxas de semeadura com base em dados meteorológicos | |
BR112018070806B1 (pt) | Método e sistema de processamento de dados para estimar valores de ajuste de precipitação | |
BR112021006110A2 (pt) | sistemas e métodos para identificar e utilizar locais de teste em campos agrícolas | |
BR112018071870B1 (pt) | Método e sistema de processamento de dados | |
BR112019010837A2 (pt) | determinação de dados de variação de rendimento intracampo com base em dados de características de solo e imagens de satélite | |
BR112019010837B1 (pt) | Método e sistema de processamento de dados e um ou mais meios de armazenamento legíveis por computador não transitórios |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B25D | Requested change of name of applicant approved |
Owner name: CLIMATE LLC (US) |
|
B25G | Requested change of headquarter approved |
Owner name: CLIMATE LLC (US) |