CN113226010A - 利用空间统计模型实现农艺试验 - Google Patents
利用空间统计模型实现农艺试验 Download PDFInfo
- Publication number
- CN113226010A CN113226010A CN201980084741.3A CN201980084741A CN113226010A CN 113226010 A CN113226010 A CN 113226010A CN 201980084741 A CN201980084741 A CN 201980084741A CN 113226010 A CN113226010 A CN 113226010A
- Authority
- CN
- China
- Prior art keywords
- field
- data
- agricultural
- yield
- treatment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013179 statistical model Methods 0.000 title claims abstract description 51
- 238000012360 testing method Methods 0.000 title abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 184
- 230000008569 process Effects 0.000 claims abstract description 102
- 238000011282 treatment Methods 0.000 claims abstract description 78
- 238000013515 script Methods 0.000 claims abstract description 52
- 230000004044 response Effects 0.000 claims abstract description 23
- 230000009418 agronomic effect Effects 0.000 claims description 118
- 239000002689 soil Substances 0.000 claims description 35
- 238000004519 manufacturing process Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 29
- 235000015097 nutrients Nutrition 0.000 claims description 18
- 239000000575 pesticide Substances 0.000 claims description 17
- 238000009396 hybridization Methods 0.000 claims description 9
- 238000010899 nucleation Methods 0.000 claims description 9
- 238000005341 cation exchange Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 110
- 229910052757 nitrogen Inorganic materials 0.000 description 55
- 238000007726 management method Methods 0.000 description 28
- 238000003860 storage Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 23
- 230000000694 effects Effects 0.000 description 19
- 230000008901 benefit Effects 0.000 description 18
- 239000003337 fertilizer Substances 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 12
- 239000000417 fungicide Substances 0.000 description 12
- 230000000855 fungicidal effect Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000004883 computer application Methods 0.000 description 10
- 238000013479 data entry Methods 0.000 description 10
- 238000009313 farming Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000003306 harvesting Methods 0.000 description 9
- 238000003973 irrigation Methods 0.000 description 9
- 230000002262 irrigation Effects 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- 241000196324 Embryophyta Species 0.000 description 8
- 230000009471 action Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000003556 assay Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000037406 food intake Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 239000003826 tablet Substances 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000007476 Maximum Likelihood Methods 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
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001627 detrimental effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000004009 herbicide Substances 0.000 description 2
- 238000013507 mapping Methods 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
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001124569 Lycaenidae Species 0.000 description 1
- 240000004760 Pimpinella anisum Species 0.000 description 1
- 241000607479 Yersinia pestis Species 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
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000008045 co-localization Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 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
- 238000009402 cross-breeding 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
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 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
- 238000009499 grossing Methods 0.000 description 1
- 230000002363 herbicidal effect Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000021232 nutrient availability Nutrition 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000005527 soil sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003971 tillage Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- 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
- A01B79/02—Methods for working soil combined with other agricultural processing, e.g. fertilising, planting
-
- 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
- A01B76/00—Parts, details or accessories of agricultural machines or implements, not provided for in groups A01B51/00 - A01B75/00
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本文公开了用于利用空间统计模型来将在农业田地上执行试验的功效最大化的***和方法。在一个实施例中,***接收针对农艺田地的第一部分的第一产量数据,该农艺田地的第一部分已经接收了第一处理,以及接收针对农艺田地的第二部分的第二产量数据,该农艺田地的第二部分已经接收了与第一处理不同的第二处理。该***使用空间统计模型和第一产量数据来计算针对农艺田地的第二部分的产量值,该产量值指示在农艺田地的第二部分接收了第一处理而不是第二处理的情况下针对农艺田地的第二部分的农艺产量。基于所计算的产量值和第二产量数据,***选择第二处理。在一个实施例中,响应于选择第二处理,***生成处方地图,该处方地图包括第二处理。该***还可以生成一个或多个脚本,该一个或多个脚本在由应用控制器执行时,使应用控制器控制农业器具的操作参数以应用第二处理。
Description
版权说明
本专利文件的公开的一部分包含受版权保护的材料。版权所有者不反对任何人以专利商标局专利文件或记录中出现的形式复制专利文档或专利公开,但保留所有版权或权利。2015-2019克莱米特公司(The Climate Corporation)。
技术领域
本公开的一个技术领域是农业田地的数字计算机建模。具体地,本公开涉及标识用于在农业田地中实现特定实践的位置并且使农业器具在农业田地中执行特定实践。
背景技术
本节中描述的方法是可以贯彻的方法,但不一定是先前已经被设想或者被贯彻的方法。因此,除非另外指出,否则不应仅由于将本节中所述的任何方法包括在本节中而认为其有资格作为现有技术。
农民面临着做出关于农业田地的管理的各种各样的决定。这些决定涵盖确定种植何种作物、针对该作物种植哪种种子、何时收获作物、是否执行耕作、灌溉、包括杀真菌剂和除草剂的农药的施用以及肥料的施用,以及施用何种类型的农药或肥料。
经常,可以通过使用不同的杂交种子或不同的种子品种、将不同的产品应用于田地、或者在田地上执行不同的管理活动来对田地的管理实践做出改进。对于仅利用有关他们自己田地的信息来工作的农民来说,这些改进可能是不容易识别的。此外,即使知道更好的实践,农民也可能无法确定新实践是否比先前的实践有益。
为了确定新实践是否比先前的实践产生更好的结果,农民可以将农业田地的部分用于试验,其中农业田地的一个或多个部分接收与农业田地的其他部分不同的管理实践。通过在部分农业田地上实施试验,农民能够继续以先前的有效方式来利用农业田地,同时测试不同的实践以确定他们是否会得到改善的结果。
在农艺田地上实现试验的一个问题是,并不总是清楚试验的感知益处或害处是实际的益处或害处、田地水平反常还是统计异常。当预计不同的处理仅对农艺田地中的产量有小的影响时,这个问题就变得复杂。这个问题的一个原因是农艺试验的结果经常被与邻近区域的或者先前年份的产量比较,这两者都可能由于处理差异以外的原因而与试验地点的产量不同。
实现这些试验的另一问题是农民并不总是清楚为农业田地的最高效率的使用最好在何处布置试验位置。一些区域可能具有更大的先天差异,使得产量的变化在统计上没有在其他位置中显著。因此,农民的试验实践可能会在条带试验中占用一大部分田地以产生一组结果,该结果本可以在利用更小部分的农业田地的情况下被产生具有相同水平的统计显著性。
因此,需要一种利用田地数据来标识用于实现试验的测试位置的***。另外,需要一种如下***:该***利用田地数据来确定试验的影响是否足够显著来证明对田地的其他部分的管理程序的改变是合理的。
发明内容
所附权利要求可以充当本公开的发明内容。
附图说明
在附图中:
图1例示了被配置为执行本文所述的功能的示例计算机***,该示例计算机***与该***可以与之互操作的其他装置一起在田地环境中被示出。
图2例示了当示例移动应用被加载以供执行时在主存储器中的指令集的示例逻辑组织的两个视图。
图3例示了被编程的过程,农业智能计算机***通过该过程使用由一个或多个数据源提供的农艺数据来生成一个或多个被预配置的农艺模型。
图4是例示可以在其上实现本发明的实施例的计算机***的框图。
图5描绘了数据条目的时间线视图的示例实施例。
图6描绘了数据条目的电子表格视图的示例实施例。
图7描绘了用于使用空间统计模型来推断用于农艺试验的控制数据的方法。
图8描绘了用于使用空间统计模型来选择用于执行试验的位置的方法。
具体实施方式
在下面的描述中,出于解释的目的,阐述了许多具体细节以便提供对本公开的透彻理解。然而,将明显的是,可以在没有这些具体细节的情况下实践实施例。在其他实例中,以框图的形式示出了熟知的结构和设备,以避免不必要地模糊本公开。根据以下大纲,在各节中公开了实施例:
1.一般概述
2.示例农业智能计算机***
2.1.结构概述
2.2.应用程序概述
2.3.计算机***的数据摄取
2.4.过程概述—农艺模型训练
2.5.实现示例—硬件概述
3.使用空间建模来生成推断控制
3.1.接收到的数据
3.2.统计模型
3.3.确定试验影响
3.4.统计模型的实践应用
4.使用空间建模来标识试验位置
4.1.统计模型
4.2.选择农艺田地的部分
4.3.位置标识的实践应用
5.某些实施例的益处
6.扩展和备选
*
1.一般概述
本文描述了用于利用空间统计模型作为在农艺田地上的农艺试验的实际实现的部分的***和方法。根据一个实施例,农业智能计算机***基于针对接收第一处理的农业田地的部分的产量数据来生成空间统计模型,并且使用该空间统计模型来计算针对接收第二处理的位置的产量值。然后所计算的产量值可以被与针对接收第二处理的位置的产量数据比较,以确定第二处理具有比第一处理有益还是有害的影响。如果第二处理被认为比第一处理更有益,则***然后可以生成实现第二处理的处方地图。空间统计模型可以另外被用来标识在农艺田地上空间统计模型最有效的位置,并且生成包括在所标识的位置中的试验的处方地图。
在一个实施例中,一种方法包括:接收针对农艺田地的第一部分的第一产量数据,该农艺田地的第一部分已经接收了第一处理;接收针对农艺田地的第二部分的第二产量数据,该农业田地的第二部分已经接收了与第一处理不同的第二处理;使用空间统计模型和第一产量数据,计算针对农艺田地的第二部分的产量值,该产量值指示在农艺田地的第二部分已经接收了第一处理而不是第二处理的情况下针对农艺田地的第二部分的农艺产量;基于所计算的产量值和第二产量数据,选择第二处理;响应于选择第二处理,生成处方地图,该处方地图包括第二处理;生成一个或多个脚本,该脚本在由应用控制器执行时,使应用控制器控制农业器具的操作参数以应用第二处理。
在一个实施例中,一种方法包括:接收针对农艺田地的产量数据,该农艺田地已经接收了第一处理;针对农艺田地的多个特定部分中的每个特定部分,执行:使用空间统计模型和针对农艺田地的单独部分的产量数据,计算针对农艺田地的特定部分的产量值;并且使用产量值和产量数据与农艺田地的特定部分对应的部分,计算针对农艺田地的特定部分的平均统计偏差值;基于针对农艺田地的多个特定部分中的每个特定部分的平均统计偏差值,选择农艺田地的多个特定部分中的一个或多个特定部分作为农艺田地的试验部分;响应于选择农艺田地的试验部分,生成处方地图,该处方地图包括试验部分中的与第一处理不同的第二处理;生成一个或多个脚本,该一个或多个脚本在由应用控制器执行时,使应用控制器控制农业器具的操作参数以向农艺田地的试验部分应用第二处理。
2.示例农业智能计算机***
2.1结构概述
图1被配置为执行本文所述的功能的示例计算机***,该示例计算机***与该***可以与之互操作的其他装置一起在田地环境中被示出。在一个实施例中,用户102拥有、操作或者支配在田地位置中或与田地位置相关联的田地管理者计算设备104,田地位置诸如是旨在用于农业活动的田地或用于一个或多个农业田地的管理位置。田地管理者计算机设备104被编程或者被配置为经由一个或多个网络109向农业智能计算机***130提供田地数据106。
田地数据106的示例包括(a)标识数据(例如,种植面积、田地名称、田地标识符、地理标识符、边界标识符、作物标识符,以及可以被用来标识农场土地的任何其他合适的数据,诸如公共土地单位(CLU)、地段和地块编号、宗地编号、地理坐标和边界、农场序列号(FSN)、农场编号、地带编号、田地编号、地区、乡镇、和/或范围),(b)收获数据(例如,作物类型、作物品种、作物轮换、是否以有机方式种植作物、收获日期、实际生产历史(APH)、预期产量、产量、作物价格、作物收入、谷物水分、耕作实践,以及先前的生长季节信息),(c)土壤数据(例如,类型、组成、pH、有机物(OM)、阳离子交换容量(CEC)),(d)种植数据(例如,种植日期、(多个)种子类型、(多种)所种植的种子的相对成熟度(RM)、种子种群,(e)肥料数据(例如:养分类型(氮、磷、钾)、施用类型、施用日期、量、来源、方法),(f)化学施用数据(例如,农药、除草剂、杀真菌剂,旨在用作植物调节剂的其他物质或物质混合物、脱叶剂、或干燥剂、施用日期、量、来源、方法),(g)灌溉数据(例如,施用日期、量、来源、方法),(h)天气数据(例如,降水、降雨率、预测降雨、水径流率区域、温度、风、预报、压力、能见度、云、热指数、露点、湿度、雪深度、空气质量、日出、日落),(i)图像数据(例如,来自农业装置传感器、相机、计算机、智能电话、平板、无人驾驶飞行器、飞机或卫星的图像和光谱信息;(j)侦察观测(照片、视频、自由形式的注释、语音记录、语音转录、天气条件(温度、降水(当前和长期)、土壤水分、作物生长阶段、风速、相对湿度、露点、黑层)),以及(k)土壤、种子、作物物候、病虫害报告以及预测源和数据库。
数据服务器计算机108通信地耦合到农业智能计算机***130,并且被编程或者被配置为经由(多个)网络109向农业智能计算机***130发送外部数据110。外部数据服务器计算机108可以由与农业智能计算机***130的法人或实体相同的法人或实体拥有或操作,或者由诸如政府机关、非政府组织(NGO)和/或私人数据服务提供方的不同的人或实体拥有或操作。外部数据的示例包括天气数据、图像数据、土壤数据、或与作物产量有关的统计数据等。外部数据110可以由与田地数据106相同类型的信息组成。在一些实施例中,外部数据110由拥有和/或操作农业智能计算机***130的同一实体拥有的外部数据服务器108提供。例如,农业智能计算机***130可以包括专门专注于可能以其他方式从第三方源所获得的数据类型(诸如天气数据)的数据服务器。在一些实施例中,外部数据服务器108实际上可以被并入***130内。
农业装置111可以具有被固定在其上的一个或多个远程传感器112,这些传感器经由农业装置111直接或间接地通信地耦合到农业智能计算机***130,并且被编程或者被配置为向农业智能计算机***130发送传感器数据。农业装置111的示例包括拖拉机、联合收割机、收割机、播种机、卡车、施肥设备、包括无人驾驶飞行器的飞行器、以及通常为移动机械并且可以被用于与农业相关联的任务的任何其他项的物理机械或硬件。在一些实施例中,装置111的单个单元可以包括在装置上的网络中本地耦合的多个传感器112;控制器局域网(CAN)是可以被安装在联合收割机、收割机、喷雾机和中耕机中的这样的网络的示例。应用控制器114经由(多个)网络109通信地耦合到农业智能计算机***130,并且被编程或者被配置为从农业智能计算机***130接收被用来控制农业车辆或器具的操作参数的一个或多个脚本。例如,控制器局域网(CAN)总线接口可以被用来支持从农业智能计算机***130到农业装置111的通信,诸如从加利福利亚的旧金山的克莱米特公司可获得的CLIMATEFIELDVIEW DRIVE如何被使用的那样。传感器数据可以由与田地数据106类型相同的类型的信息组成。在一些实施例中,远程传感器112可以不被固定到农业装置111,而是可以远程位于田地中并且可以与网络109通信。
装置111可以包括用被编程为具有驾驶室应用的驾驶室计算机115,驾驶室应用可以包括用于设备104的移动应用的版本或变体,其在本文的其他节中被进一步描述。在一个实施例中,驾驶室计算机115包括紧凑型计算机,通常是平板大小的计算机或智能电话,具有被安装在装置111的操作员驾驶室内的图形屏幕显示器(诸如彩色显示器)。驾驶室计算机115可以实现本文中针对移动计算机设备104所进一步描述的操作和功能中的一些或全部操作或功能。
(多个)网络109宽泛地表示包括局域网、广域网、互连网络或互联网的一个或多个数据通信网络的任何组合,该一个或多个数据通信网络使用包括地面链路或卫星链路的有线或无线链路中的任何链路。(多个)网络可以由提供图1的各种元件之间的数据交换的任何介质或机制来实现。图1的各种元件还可以具有直接(有线或无线)通信链路。传感器112、控制器114、外部数据服务器计算机108和***的其他元件每个都包括与(多个)网络109兼容的接口,并且被编程或者被配置为使用标准化协议(诸如TCP/IP、蓝牙、CAN协议,以及诸如HTTP、TLS的更高层协议等)来跨网络通信。
农业智能计算机***130被编程或者被配置为从田地管理者计算设备104接收田地数据106,从外部数据服务器计算机108接收外部数据110,以及从远程传感器112接收传感器数据。农业智能计算机***130还可以被配置为托管、使用或者执行一个或多个计算机程序、其他软件元件、数字地被编程的逻辑(诸如FPGA或ASIC)或其任意组合,以使用在本公开其他节中进一步描述的方式执行对数据值的转换和存储、一个或多个田地上的一种或多种作物的数字模型构建、建议和通知的生成、以及脚本的生成和脚本向应用控制器114的发送。
在一个实施例中,农业智能计算机***130被编程为具有或者包括通信层132、表示层134、数据管理层140、硬件/虚拟化层150以及模型和田地数据储存库160。在该上下文中,“层”是指电子数字接口电路、微控制器、诸如驱动程序之类的固件、和/或计算机程序或其他软件元素的任何组合。
通信层132可以被编程或者被配置为执行输入/输出接口功能,包括分别向田地管理者计算设备104、外部数据服务器计算机108和远程传感器112发送针对田地数据、外部数据和传感器数据的请求。通信层132可以被编程或者被配置为向模型和田地数据储存库160发送接收到的数据以存储为田地数据106。
表示层134可以被编程或者被配置为生成要在田地管理者计算设备104、驾驶室计算机115或者通过网络109耦合到***130的其他计算机上被显示的图形用户界面(GUI)。GUI可以包括控件,该控件用于输入要被发送到农业智能计算机***130的数据,生成针对模型和/或建议的请求,和/或显示建议、通知、模型、处方地图、以及其他田地数据。
数据管理层140可以被编程或者被配置为管理涉及储存库160和***的其他功能元件的读操作和写操作,包括在***的功能元件和储存库之间被传送的查询和结果集。数据管理层140的示例包括JDBC、SQL服务器接口代码和/或HADOOP接口代码等。储存库160可以包括数据库。如本文所使用的,术语“数据库”可以是指数据体、关系数据库管理***(RDBMS)或者是指这两者。如本文所使用的,数据库可以包括数据的任何集合,包括分层数据库,关系数据库、平面文件数据库、对象关系数据库、面向对象的数据库、分布式数据库、以及被存储在计算机***中的记录或数据的任何其他结构化集合。RDBMS的示例包括但不限于MYSQL、SERVER、和POSTGRESQL数据库。然而,可以使用支持本文所描述的***和方法的任何数据库。
当田地数据106没有经由与农业智能计算机***交互的一个或多个农业机器或农业机器设备直接被提供给农业智能计算机***时,可以经由(由农业智能计算机***服务的)用户设备上的一个或多个用户界面提示用户输入这样的信息。在示例实施例中,用户可以通过访问(由农业智能计算机***服务的)用户设备上的地图并且选择已经在该地图上以图形方式示出的特定CLU来指定标识数据。在备选实施例中,用户102可以通过访问(由农业智能计算机***130服务的)用户设备上的地图并且在该地图之上绘制田地边界来指定标识数据。这样的CLU选择或地图绘制表示地理标识符。在备选实施例中,用户可以通过经由用户设备访问来自美国农业部农场服务局或其他源的(以形状文件或类似格式所提供的)田地标识数据来指定标识数据,并且向农业智能计算机***提供这样的田地标识数据。
在示例实施例中,农业智能计算机***130被编程为生成并且引起显示包括用于数据输入的数据管理器的图形用户界面。在一个或多个田地已经使用上文描述的方法被标识之后,数据管理器可以提供一个或多个图形用户界面小部件,该小部件在被选择时可以标识对田地、土壤、作物、耕作、或养分实践的改变。数据管理器可以包括时间线视图、电子表格视图和/或一个或多个可编辑程序。
图5描绘了数据条目的时间线视图的示例实施例。使用图5中所描绘的显示,用户计算机可以输入对特定田地的选择和用于事件添加的特定日期。在时间线顶部所描述的事件可以包括氮、种植、实践和土壤。为了添加氮施用事件,用户计算机可以提供输入来选择氮标签。然后,用户计算机可以在时间线上选择针对特定田地的位置,以便指示在所选择田地上的氮施用。响应于接收到在时间线上针对特定田地的位置的选择,数据管理器可以显示数据条目叠加,从而允许用户计算机输入关于氮施用、种植过程、土壤施用、耕作程序、灌溉实践、或者与特定田地有关的其他信息的数据。例如,如果用户计算机选择时间线的部分并指示氮施用,则数据条目叠加可以包括用于输入所施用的氮的量、施用日期、所使用的肥料类型、以及与氮施用有关的任何其他信息的栏。
在一个实施例中,数据管理器提供用于创建一个或多个程序的界面。在此上下文中,“程序”是指关于氮施用、种植过程、土壤施用、耕作过程、灌溉实践、或者可能与一个或多个田地有关的其他信息的数据的集合,这些数据可以被存储在数字数据储存装置中以供在其他操作中作为集合重使。在程序已经被创建之后,其可以在概念上被应用到一个或多个田地,并且该程序的引用可以与标识这些田地的数据相关联地被存储在数字储存装置中。因此,替代于手动录入与针对多个不同田地的相同氮施用有关的完全相同的数据,用户计算机可以创建指示氮的特定施用的程序,并且然后向多个不同田地施用该程序。例如,在图5的时间线视图中,顶部的两条时间线选择了“春季施用”程序,该程序包括在四月初每英亩施用150磅氮(150lbs N/ac)。数据管理器可以提供界面用于编辑程序。在一个实施例中,当特定程序被编辑时,已经选择该特定程序的每个田地被编辑。例如,在图5中,如果“春季施用”程序被编辑以将氮施用减少到每英亩130磅氮,则基于所编辑的程序,顶部的两个田地可以被更新为具有减少的氮施用。
在一个实施例中,响应于接收到对已经选择了程序的田地的编辑,数据管理器移除该田地与所选择的程序的对应。例如,如果氮施用被添加到图5顶部的田地,则该界面可以更新以指示“春季施用”程序不再被应用于该顶部的田地。尽管四月初的氮施用可能保留,但是对“春季施用”程序的更新不会更改四月的氮施用。
图6描绘了数据条目的电子表格视图的示例实施例。使用图6中所描绘的显示,用户可以创建和编辑针对一个或多个田地的信息。如图6中所描绘,数据管理器可以包括电子表格,该电子表格用于输入关于氮、种植、实践和土壤的信息。为了编辑特定的条目,用户计算机可以在电子表格中选择特定条目并且更新值。例如,图6描绘了正在进行的针对第二田地的目标产量值的更新。另外,用户计算机可以选择一个或多个田地以便应用一个或多个程序。响应于接收到针对特定田地的程序选择,数据管理器可以基于所选择的程序自动完成针对特定田地的条目。与时间线视图一样,响应于接收到对特定程序的更新,数据管理器可以更新针对与该程序相关联的每个田地的条目。另外,响应于接收到针对田地的条目中的一个条目的编辑,数据管理器可以移除所选择的程序与该田地的对应。
在一个实施例中,模型和田地数据被存储在模型和田地数据储存库160中。模型数据包括针对一个或多个田地所创建的数据模型。例如,作物模型可以包括一个或多个田地上的作物发育的数字构建的模型。在此上下文中,“模型”是指彼此相关联的可执行指令和数据值的电子数字存储的集合,它们能够接收程序的或其他数字的调用(call)、调用(invocation)或解析请求并且基于指定输入值来响应该程序的或其他数字的调用、调用或解析请求,以产生一个或多个被存储或被计算的输出值,这些输出值可以充当计算机实现的建议、输出数据显示、或机器控制等的基础。本领域技术人员发现使用数学方程式来表达模型是方便的,但是这种表达形式并不将本文公开的模型局限为抽象概念;而是,本文中的每个模型都以被存储的可执行指令和数据的形式在计算机中具有实践应用,该被存储的可执行指令和数据使用计算机来实现模型。模型可以包括一个或多个田地上的过去事件的模型,一个或多个田地的当前状态的模型和/或一个或多个田地的预测事件的模型。模型和田地数据可以被存储在存储器中的数据结构中,被存储在数据库表中的行中,被存储在平面文件或电子表格中,或者被存储在其他形式的被存储的数字数据中。
在一个实施例中,空间统计建模指令136、处理选择指令137和位置选择指令138中的每项包括农业智能计算机***130中主存储器(诸如RAM)的一个或多个页面的集合,可执行指令已经被加载到该页面的集合中,并且该页面的集合在被执行时使农业智能计算机***执行参考那些模块在本文描述的功能或操作。例如,空间统计建模指令136可以包括RAM中的页面的集合,该页面的集合包含在被执行时引起本文所描述的空间统计建模功能的指令。指令可以在CPU的指令集中的机器可执行代码中并且可以基于源代码而被编译,源代码单独或者与JAVASCRIPT中的脚本、其他脚本语言和其他编程源文本结合地以JAVA、C、C++、OBJECTIVE-C或任何其他人类可读编程语言或环境编写。术语“页面”旨在宽泛地指代主存储器内的任何区域,并且在***中使用的特定术语可以取决于存储器架构或处理器架构而变化。在另一实施例中,空间统计建模指令136中的每个指令还可以表示源代码的一个或多个文件或项目,其被数字地存储在诸如非易失性RAM或磁盘存储装置的大容量存储设备中,存储在农业智能计算机***130或分离的储存库***中,当其被编译或被解释时使生成可执行指令,该可执行指令在被执行时使农业智能计算机***执行参考那些模块在本文中描述的功能或操作。换句话说,附图可以表示程序员或软件开发人员组织和安排源代码用于稍后将其编译成可执行文件、或者解释成字节码或等效体以供农业智能计算机***130执行的方式。
空间统计建模指令136包括一组计算机可读指令,该一组计算机可读指令在由一个或多个处理器执行时,使农业智能计算机***生成产量的空间统计模型,以供在生成农艺试验的控制数据中使用和/或在标识用于实现试验的位置中使用。处理选择指令137包括一组计算机可读指令,该一组计算机可读指令在由一个或多个处理器执行时,使农业智能计算机***基于产量的空间统计模型以及针对接收与农艺田地的其余部分不同的处理的田地上的一个或多个测试位置的产量来选择特定处理。位置选择指令138包括一组计算机可读指令,该一组计算机可读指令在由一个或多个处理器执行时,使农业智能计算机***基于产量的空间统计模型和针对农艺田地的产量数据来选择用于实现试验的位置。
硬件/虚拟化层150包括一个或多个中央处理单元(CPU)、存储器控制器,以及计算机***的其他设备、组件或元件,诸如易失性或非易失性存储器、诸如磁盘的非易失性储存装置,以及例如结合图4所例示和描述的I/O设备或接口。层150还可以包括被配置为支持虚拟化、容器化或者其他技术的被编程指令。
出于例示清楚的示例的目的,图1示出了某些功能元件的有限数目的实例。然而,在其他实施例中,可以有任何数目的这样的元件。例如,实施例可以使用与不同用户相关联的数千或数百万个不同的移动计算设备104。此外,***130和/或外部数据服务器计算机108可以使用两个或更多个的处理器、核心、集群、或者物理机或虚拟机的实例而被实现,被配置在离散位置或者与其他元件被共置在数据中心、共享计算设施或者云计算设施中。
2.2.应用程序概述
在一个实施例中,使用被加载到一个或多个通用计算机中、并且使用一个或多个通用计算机而被执行的一个或多个计算机程序或其他软件元件在本文中描述的功能的实现将得通用计算机被配置为特别被适配以执行本文所述功能的特定机器或计算机。此外,本文进一步描述的流程图中的每个流程图可以单独地或者与本文所述的过程和功能的描述结合地充当算法、计划或方向,这些算法、计划或方向可以被用来对计算机或逻辑进行编程以实现所描述的功能。换句话说,本文中的所有散文文本以及所有附图一起旨在,与具有适合这类发明和公开的技能水平的人员的技能和知识相结合来提供算法、计划或方向的公开,该公开足以允许技术人员对计算机进行编程以执行本文中所描述的功能。
在一个实施例中,用户102使用配置有操作***和一个或多个应用程序或app的田地管理者计算设备104与农业智能计算机***130交互;田地管理者计算设备104还可以在程序控制或逻辑控制下独立并且自动地与农业智能计算机***互操作,并且并不总是要求直接的用户交互。田地管理者计算设备104宽泛地表示智能电话、PDA、平板计算设备、膝上型计算机、台式计算机、工作站、或者能够传输和接收信息并且执行本文所描述的功能的任何其他计算设备中的一个或多个。田地管理者计算设备104可以使用被存储在田地管理者计算设备104上的移动应用经由网络通信,并且在一些实施例中,该设备可以使用电缆113或连接器耦合到传感器112和/或控制器114。用户102可以结合***130一次拥有、操作或者支配和使用多于一个的田地管理者计算设备104。
移动应用可以经由网络向一个或多个移动计算设备提供客户端侧功能性。在一个示例实施例中,田地管理者计算设备104可以经由web浏览器或者本地客户端应用或app来访问移动应用。田地管理者计算设备104可以使用基于网络的协议或格式(诸如HTTP、XML和/或JSON)或者app特定的协议来向一个或多个前端服务器传输数据并且从一个或多个前端服务器接收数据。在一个示例实施例中,数据可以采取到移动计算设备中的请求和用户信息输入(诸如田地数据)的形式。在一些实施例中,移动应用与田地管理者计算设备104上的位置跟踪硬件和软件进行交互,该位置跟踪硬件合软件使用诸如无线电信号的多边定位、全球定位***(GPS)、WiFi定位***或者其他移动定位方法的标准跟踪技术来确定田地管理者计算设备104的位置。在一些情况下,通过查询设备的操作***、或者请求设备上的app从操作***获得数据,可以获得与设备104、用户102和/或(多个)用户账户相关联的位置数据或者其他数据。
在一个实施例中,田地管理者计算设备104向农业智能计算机***130发送田地数据106,田地数据106包括或包含但不限于表示下列一项或多项的数据值:一个或多个田地的地理位置、一个或多个田地的耕作信息、一个或多个田地中所种植的作物,以及从一个或多个田地所提取的土壤数据。田地管理者计算设备104可以响应于来自用户102的用户输入来发送田地数据106,用户输入102指定针对一个或多个田地的数据值。另外,当数据值中的一个或多个数据值变得对田地管理者计算设备104可用时,田地管理者计算设备104可以自动发送田地数据106。例如,田地管理者计算设备104可以通信地耦合到远程传感器112和/或应用控制器114,包括灌溉传感器和/或灌溉控制器。响应于接收到指示应用控制器114放水到一个或多个田地上的数据,田地管理者计算设备104可以向农业智能计算机***130发送田地数据106,田地数据106指示已经在一个或多个田地上放水。可以使用电子数字数据来输入和传送在本公开中所标识的田地数据106,该电子数字数据使用HTTP之上的参数化URL或另一种合适的通信或消息收发协议而在计算设备之间被传送。
移动应用的商业示例是CLIMATE FIELDVIEW,从加利福尼亚州旧金山的克莱米特公司可商购。CLIMATE FIELDVIEW应用或者其他应用可以被修改、被扩展或者被适配,以包括尚未在本公开的申请日之前被公开的特征、功能和编程。在一个实施例中,移动应用包括集成的软件平台,该集成的软件平台允许种植者对其操作做出基于事实的决策,因为该平台组合了有关种植者田地的历史数据与种植者希望比较的任何其他数据。组合和比较可以实时并且基于科学模型被执行,该科学模型提供潜在场景以允许种植者做出更好、更明智的决策。
图2例示出了当示例移动应用被加载以供执行时主存储器中指令集的示例逻辑组织的两个视图。在图2中,每个命名的元素表示RAM或其他主存储器的一个或多个页面的区域或者磁盘储存装置或其他非易失性储存装置的一个或多个块的区域,以及这些区域内的被编程指令。在一个实施例中,在视图(a)中,移动计算机应用200包括账户田地数据摄取共享指令202、概述和警报指令204、数字地图簿指令206、种子和种植指令208、氮指令210、天气指令212、田地健康指令214和性能指令216。
在一个实施例中,移动计算机应用200包括账户、田地、数据摄取、共享指令202,它们被编程为经由手动上传或API从第三方***接收、转换和摄取田地数据。数据类型可以包括田地边界、产量地图、种植地图、土壤测试结果、施用地图和/或管理区带等。数据格式可以包括形状文件、第三方的本机数据格式、和/或农场管理信息***(FMIS)导出等等。接收数据可以经由手动上传、具有附件的电子邮件、向移动应用推送数据的外部API、或者调用外部***的API来将数据拉取到移动应用中的指令而发生。在一个实施例中,移动计算机应用200包括数据收件箱。响应于接收到对数据收件箱的选择,移动计算机应用200可以显示图形用户界面用于手动上传数据文件并且将上传的文件导入数据管理器。
在一个实施例中,数字地图簿指令206包括被存储在设备存储器中的田地地图数据层并且被编程为具有数据可视化工具和地理空间田地注释。这为种植者提供了触手可得的方便信息用于对田地性能进行参考、日志记录和视觉洞察。在一个实施例中,概述和警报指令204被编程为提供对种植者重要的内容的操作范围视图,并且提供采取行动或集中于特定问题的及时建议。这允许种植者将时间集中在需要注意的地方,以节省时间并在整个季节保持产量。在一个实施例中,种子和种植指令208被编程为提供用于基于科学模型和经验数据来进行种子选择、杂交布置和脚本创建(包括可变速率(VR)脚本创建)的工具。这使种植者能够通过优化的种子购买、布置和种群来最大化产量或投资回报。
在一个实施例中,脚本生成指令205被编程为提供用于生成包括可变速率(VR)肥力脚本的脚本的界面。该界面使种植者能够创建用于田间器具(诸如养分施用、种植和灌溉)的脚本。例如,种植脚本界面可以包括用于标识用于种植的种子类型的工具。响应于接收到对种子类型的选择,移动计算机应用200可以显示被划分成管理区带的一个或多个田地,诸如作为数字地图簿指令206的部分而被创建的田地地图数据层。在一个实施例中,管理区带包括土壤区带以及标识每个土壤区带的面板以及针对每个区带的土壤名称、质地、排水或者其他田地数据。移动计算机应用200还可以在一个或多个田地的地图之上显示用于编辑或创建这样的工具,诸如用于绘制管理区带(诸如土壤区带)的图形工具。种植过程可以被应用到所有管理区带,或者不同的种植过程可以被应用到管理区带的不同子集。当脚本被创建时,移动计算机应用200可以使该脚本可用于以由应用控制器可读的格式(诸如存档或压缩格式)。附加地和/或备选地,脚本可以从移动计算机应用200直接被发送到驾驶室计算机115和/或被上传到一个或多个数据服务器并且被存储以供未来使用。
在一个实施例中,氮指令210被编程为提供通过可视化氮对作物的可用性来通知氮决策的工具。这使种植者能够通过季节期间优化的氮施用来最大化产量或投资回报。示例的被编程功能包括显示图像(诸如SSURGO图像),以使得能够以高空间分辨率(取决于传感器的接近度和分辨率,精细到毫米或更小),来绘制肥料施用区带和/或从子田地土壤数据(诸如从传感器获得的数据)生成的图像;上传现有的种植者定义的区带;提供植物养分可用性的图表和/或使得能够调节跨多个区带的(多个)氮施用的地图;输出脚本以驱动机械;用于海量数据录入和调整的工具;和/或用于数据可视化的地图等。在此上下文中,“海量数据录入”可以意味着录入数据一次,然后将相同的数据应用到***中已定义的多个田地和/或区带;示例数据可以包括对于相同种植者的许多田地和/或区带都相同的氮施用数据,但是这样的海量数据录入适用于将任何类型的田地数据录入到移动计算机应用200中。例如,氮指令210可以被编程为接受氮施用程序和氮实践程序的定义,并且接受指定跨多个田地应用那些程序的用户输入。在此上下文中,“氮施用程序”是指关联以下项的被存储的数据的命名集合:名称、颜色代码或其他标识符、一个或多个施用日期、用于日期和量中的每个日期和量的材料或产品的类型、施用或掺入方法(诸如注入或播撒)、和/或针对日期中的每个日期的施用量或施用速率、作为施用对象的作物或杂交等。在此上下文中,“氮实践程序”是指关联以下项的被存储的数据的命名集合:实践名称;先前的作物;耕作***;主要耕作日期;被使用过的一个或多个先前的耕作***;被使用过的施用类型(诸如有机肥)的一个或多个指示符。氮指令210还可以被编程为生成并且引起显示氮图,氮图指示植物对指定氮的使用的规划以及是否预测了盈余或短缺;例如,在一些实施例中,不同的颜色指示符可以标志盈余的量级或短缺的量级。在一个实施例中,氮图包括计算机显示设备中的图形显示,包括:多个行,每个行与田地相关联并且标识该田地;数据,其指定什么作物在田地中被种植、田地大小、田地位置和田地周界的图形表示;在每个行中,具有图形指示符的按月时间线,其指定在与月份名称相关的点处的每个氮施用和量;以及数字和/或彩色的盈余或短缺指示符,其中颜色指示量级。
在一个实施例中,氮图可以包括一个或多个用户输入特征(诸如刻度盘或滑动条),以动态地改变氮种植和实践程序,使得用户可以优化其氮图。然后,用户可以使用其优化的氮图以及有关的氮种植和实践程序来实现一个或多个脚本,包括可变速率(VR)肥力脚本。氮指令210也可以被编程为生成并且引起显示氮地图,该氮地图指示植物对指定氮的使用规划以及是否预测了盈余或短缺;在一些实施例中,不同颜色的指示符可以标志盈余的量级或短缺的量级。使用数字和/或彩色的盈余或短缺指示符,氮图可以显示植物对指定氮的使用的预测,以及针对过去和未来的不同时间(诸如每天、每周、每月或每年)是否预测了盈余或短缺,其中颜色指示量级。在一个实施例中,氮地图可以包括一个或多个用户输入特征(诸如刻度盘或滑动条),以动态地改变氮种植和实践程序,使得用户可以优化其氮地图,诸如以获得优选量的盈余到短缺。然后,用户可以使用其优化的氮地图以及有关的氮种植和实践程序来实现一个或多个脚本,包括可变速率(VR)肥力脚本。在其他实施例中,与氮指令210类似的指令可以被用于其他养分(诸如磷和钾)的施用、农药的施用以及灌溉程序。
在一个实施例中,天气指令212被编程为提供田地特定的最近天气数据和预报得天气信息。这使种植者能够节省时间,并且具有关于日常操作性决策得有效率的集成显示。
在一个实施例中,田地健康指令214被编程为提供及时的遥感图像,以突出显示应季的作物变化和潜在问题。示例被编程功能包括:云检查,以标识可能的云或云阴影;基于田地图像确定氮指数;侦察层的图形可视化以及查看和/或共享侦察笔记,侦察层包括例如与田地健康有关的层;和/或从多个源下载卫星图像,并且为种植者确定图像的优先级等。
在一个实施例中,性能指令216被编程为提供使用农场数据进行评估、洞察和决策的报告、分析和洞察工具。这使种植者能够通过关于为何对投资的回报处于先前水平的基于事实的结论以及对产量限制因素的洞察来寻求来年的改进结果。性能指令216可以被编程为经由(多个)网络109向后端分析程序通信,该后端分析程序在农业智能计算机***130和/或外部数据服务器计算机108处被执行并且被配置为分析诸如产量、产量差异、杂交、种群、SSURGO区带、土壤测试属性或海拔等的度量。被编程的报告和分析可以包括产量变异性分析、处理影响估计、基于从许多种植者所收集的匿名数据进行针对其他种植者的产量和其他度量的标杆分析、或者针对种子和种植的数据等。
具有以这种方式配置的指令的应用可以针对不同的计算设备平台而被实现,同时保持相同的通用用户界面外观。例如,移动应用可以被编程,以供在平板、智能电话、或者使用客户端计算机处的浏览器所访问的服务器计算机上执行。此外,被配置为用于平板计算机或智能电话的移动应用可以提供适合用于驾驶室计算机115的显示和处理能力的完整的app体验或驾驶室app体验。例如,现在参考图2的视图(b),在一个实施例中,驾驶室计算机应用220可以包括地图驾驶室指令222、远程查看指令224、数据收集和传送指令226、机器警报指令228、脚本传送指令230和侦察驾驶室指令232。用于视图(b)的指令的代码库可以与用于视图(a)的相同,并且实现代码的可执行文件可以被编程为检测这些可执行文件正在之上执行的平台的类型,并且以通过图形用户界面仅暴露那些适合驾驶室平台或全平台的功能。这种方法使***能够识别出适合于驾驶室内环境和驾驶室的不同技术环境的截然不同的用户体验。地图驾驶室指令222可以被编程为提供在指导机器操作中有用的田地、农场或区域的地图视图。远程查看指令224可以被编程为开启、管理机器活动的视图,并且实时地或近实时地经由无线网络、有线连接器或适配器等连接到***130的其他计算设备提供这些机器活动的视图。数据收集和传送指令226可以被编程为开启、管理在传感器和控制器处所收集的数据,并且提供经由无线网络、有线连接器或适配器等向***130传送这些数据。机器警报指令228可以被编程为检测与驾驶室相关联的机器或工具的操作问题并且生成操作者警报。脚本传送指令230可以被配置为以指令脚本的方式传送,这些指令脚本被配置为指导机器操作或数据收集。侦查驾驶室指令232可以被编程为:基于田地管理者计算设备104、农业装置111或传感器112在田地中的位置来显示从***130所接收的基于位置的警报和信息,以及基于农业装置111或传感器112在田地中的位置来摄取、管理基于位置的侦察观测结果并且提供向***130传送这些基于位置的侦察观测结果。
2.3.计算机***的数据摄取
在一个实施例中,外部数据服务器计算机108存储外部数据110,包括表示针对一个或多个田地的土壤组成的土壤数据和表示一个或多个田地上的温度和降水的天气数据。天气数据可以包括过去和当前的天气数据以及对未来天气数据的预报。在一个实施例中,外部数据服务器计算机108包括由不同实体托管的多个服务器。例如,第一服务器可以包含土壤组成数据,而第二服务器可以包括天气数据。另外,土壤组成数据可以被存储在多个服务器中。例如,一个服务器可以存储表示土壤中的沙子、淤泥和粘土的百分比的数据,而第二个服务器可以存储表示土壤中的有机物(OM)的百分比的数据。
在一个实施例中,远程传感器112包括被编程或者被配置为产生一个或多个观测结果的一个或多个传感器。远程传感器112可以是诸如卫星的空中传感器、车辆传感器、种植装备传感器、耕作传感器、肥料或杀虫剂施用传感器、收割机传感器,以及能够从一个或多个田地接收数据的任何其他器具。在一个实施例中,应用控制器114被编程或者被配置为从农业智能计算机***130接收指令。应用控制器114还可以被编程或者被配置为控制农业车辆或器具的操作参数。例如,应用控制器可以被编程或者被配置为控制车辆(诸如拖拉机)、种植装备、耕作装备、肥料或杀虫剂装备、收割机装备或者其他农场器具(诸如水阀)的操作参数。其他实施例可以使用传感器和控制器的任何组合,以下仅仅是其被选择的示例。
***130可以在用户102的控制下海量地从已经将数据贡献给共享数据库***的大量种植者那里或者摄取数据。当一个或多个用户控制的计算机操作被请求或者被触发以获得供***130使用的数据时,这种获得数据的形式可以被称为“手动数据摄取”。例如,从加利福尼亚州旧金山的克莱米特公司可商购的CLIMATE FIELDVIEW应用可以***作将数据导出到***130,以供存储在储存库160中。
例如,种子监视器***既可以控制播种机装置组件也可以获得种植数据,包括经由信号线束来自种子传感器的信号,该信号线束包括CAN主干网和用于注册和/或诊断的点对点连接。种子监视器***可以被编程或者被配置为经由驾驶室计算机115或者***130内的其他设备向用户显示种子间距、种群和其他信息。在美国专利号8,738,243和美国专利公开20150094916中公开了示例,并且本公开假定了解那些其他专利公开。
同样,产量监视器***可以包含用于收割机装置的产量传感器,该产量监视器***向驾驶室计算机115或***130内的其他设备发送产量测量数据。产量监视器***可以利用一个或多个远程传感器112来获得联合收割机或其他收割机中的谷物水分测量结果,并且经由驾驶室计算机115或***130内的其他设备向用户传输这些测量结果。
在一个实施例中,可以与在本文其他地方描述的类型的任何移动车辆或装置一起使用的传感器112的示例包括运动学传感器和定位传感器。运动学传感器可以包括任何速度传感器,诸如雷达或车轮速度传感器、加速度计、或陀螺仪。定位传感器可以包括GPS接收器或收发器、或者被编程为基于附近的WiFi热点来确定位置的基于WiFi的定位或地图制作app等等。
在一个实施例中,可以与拖拉机或其他移动车辆一起使用的传感器112的示例包括引擎速度传感器、燃料消耗传感器、与GPS或雷达信号交互的面积计数器或距离计数器、PTO(动力输出装置)速度传感器,被配置为检测液压参数(诸如压力或流量)和/或液压泵速度的拖拉机液压传感器、轮速传感器或轮滑传感器。在一个实施例中,可以与拖拉机一起使用的控制器114的示例包括:液压方向控制器、压力控制器、和/或流量控制器;液压泵速度控制器;速度控制器或调速器;挂钩定位控制器;或提供自动转向的车轮定位控制器。
在一个实施例中,可以与诸如播种机、条播机或空气播种机的种子种植设备一起使用的传感器112的示例包括:种子传感器,其可以是光学、电磁或冲击传感器;下压力传感器,诸如负载销、负载传感器、压力传感器;土壤属性传感器,诸如反射率传感器、水分传感器、电导率传感器、光学残留传感器或者温度传感器;组件操作标准传感器,诸如种植深度传感器、下压力缸压力传感器、种子盘速度传感器、种子驱动电机编码器、种子输送机***速度传感器或者真空度传感器;或者农药施用传感器,诸如光学或其他电磁传感器、或者冲击传感器。在一个实施例中,可以与这样的种子种植装备一起使用的控制器114的示例包括:工具栏折叠控制器,诸如用于与液压缸相关联的阀的控制器;下压力控制器,诸如与气压缸、安全气囊或者液压缸相关联的阀的控制器,该控制器被编程用于将下压力施用到个体的行单元或整个播种机框架上;种植深度控制器,诸如线性致动器;计量控制器,诸如电动排种器驱动马达、液压排种器驱动马达或者刈幅控制离合器;杂交选择控制器,诸如排种器驱动马达,或者被编程用于选择性地允许或阻止种子或空气种子混合物向排种器或中央散装料斗运送种子或者从排种器或中央散装料斗运送种子;计量控制器,诸如电动排种器驱动马达或者液压排种器驱动马达;种子输送机***控制器,诸如用于带式种子运送输送机马达的控制器;标记控制器,诸如用于气动或液压致动器的控制器;或者农药施用速率控制器,诸如计量驱动控制器、孔口尺寸或定位控制器。
在一个实施例中,可以与耕作设备一起使用的传感器112的示例包括:用于诸如柄或盘的工具的定位传感器;用于这种工具的工具定位传感器,该定位传感器被配置为检测深度、耙组角或者横向间距;下压力传感器;或者牵引力传感器。在一个实施例中,可以与耕作设备一起使用的控制器114的示例包括下压力控制器或工具定位控制器,诸如被配置为控制工具深度、耙组角或者横向间距的控制器。
在一个实施例中,可以与用于施用肥料、杀虫剂、杀真菌剂等的装置(诸如播种机上启动肥***、底土肥料施用器、或肥料喷雾机)相关联使用的传感器112的示例包括:流体***标准传感器,诸如流量传感器或压力传感器;指示哪个喷头阀或流体管线阀为打开的传感器;与罐相关联的传感器,诸如液位传感器;分段或***范围的供应线传感器,或行专用的供应线传感器;或运动学传感器,诸如被安置在喷雾机喷杆上的加速度计。在一个实施例中,可以与这种装置一起使用的控制器114的示例包括:泵速度控制器;被编程以控制压力、流量、方向、PWM等的阀控制器;或定位致动器,诸如针对喷杆高度、底土层深度或动臂定位。
在一个实施例中,可以与收割机一起使用的传感器112的示例包括:产量监视器,诸如冲击板应变仪或定位传感器、电容式流量传感器、负载传感器、重量传感器、或者与升降机或螺旋钻相关联的扭矩传感器、或光学或其他电磁谷物高度传感器;谷物水分传感器,诸如电容式传感器;谷物损失传感器,包括冲击、光学或电容式传感器;割台操作标准传感器,诸如割台高度传感器、割台类型传感器、台面板间隙传感器、进料器速度和拨禾轮速度传感器;分离器操作标准传感器,诸如凹板间隙、转子速度、闸瓦间隙或颖壳筛间隙传感器;针对定位、操作或速度的螺旋钻传感器;或者引擎转速传感器。在一个实施例中,可以与收割机一起使用的控制器114的示例包括:针对诸如割台高度、割台类型、台面板间隙、进料器速度或拨禾轮速度等元素的割台操作标准控制器;以及针对诸如凹板间隙、转子速度、闸瓦间隙或颖壳筛间隙的特征的分离器操作标准控制器;或者针对定位、操作或速度的螺旋钻控制器。
在一个实施例中,可以与谷物推车一起使用的传感器112的示例包括重量传感器、或者针对螺旋钻定位、操作或速度的传感器。在一个实施例中,可以与谷物推车一起使用的控制器114的示例包括针对螺旋钻定位、操作或速度的控制器。
在一个实施例中,传感器112和控制器114的示例可以被安装在无人驾驶飞行器(UAV)装置或“无人机”中。这样的传感器可以包括具有检测器的相机,该检测器对包括可见光、红外、紫外线、近红外(NIR)等在内的电磁频谱的任何范围都有效;加速度计;高度计;温度传感器;湿度传感器;皮托管传感器或者其他空速或风速传感器;电池寿命传感器;或者雷达发射器和反射雷达能量检测装置;其他电磁辐射发射器和反射电磁辐射检测装置。这样的控制器可以包括引导或马达控制装置、控制表面控制器、相机控制器,或者被编程为打开任何前述传感器、操作任何前述传感器、从任何前述传感器获得数据、管理和配置任何前述传感器的控制器。。在美国专利申请号14/831,165中公开了示例,并且本公开假定了解其他专利公开。
在一个实施例中,传感器112和控制器114可以被贴附到土壤采样和测量装置,该装置被配置或者被编程为对土壤采样并且执行土壤化学测试、土壤水分测试,以及其他与土壤有关的测试。例如,可以使用在美国专利号美国专利号8,767,194和美国专利号No.8,712,148中披露的装置,并且本公开假定了解那些专利公开。
在一个实施例中,传感器112和控制器114可以包括用于监视田地的天气条件的天气设备。例如,在于2015年4月29日提交的美国临时申请号62/154,207、2015年6月12日提交的美国临时申请号62/175,160、2015年7月28日提交的美国临时申请号62/198,060和2015年9月18日提交的美国临时申请号62/220,852中所公开的装置可以被使用,并且本公开假定了解那些专利公开。
2.4.过程概述-农艺模型训练
在一个实施例中,农业智能计算机***130被编程或者被配置为创建农艺模型。在此上下文中,农艺模型是农业智能计算机***130的存储器中包括田地数据106的数据结构,诸如针对一个或多个田地的标识数据和收获数据。农艺模型还可以包括计算出的农艺属性,农艺属性描述可能影响田间一种或多种作物生长的条件或一种或多种作物的特性,或其描述两者。另外,农艺模型可以包括基于农艺因素的建议,诸如作物建议、灌溉建议、种植建议、肥料建议、杀真菌剂建议、农药建议、收获建议,以及其他作物管理建议。农艺因素还可以被用来估计与一种或多种作物有关的结果,诸如农艺产量。作物的农艺产量是对所生产作物的数量的估计,或者在某些示例中是从所生产作物获得的收入或利润。
在一个实施例中,农业智能计算机***130可以使用预配置的农艺模型来计算与当前接收到的一个或多个田地的位置和作物信息有关的农艺属性。预配置的农艺模型基于先前所处理的田地数据,包括但不限于标识数据、收获数据、肥料数据和天气数据。预配置的农艺模型可能已经被交叉验证,以确保模型的准确度。交叉验证可以包括与地面实况的比较,该比较将预测结果与田地上的实际结果相比较,诸如将降雨估计与提供相同或附近位置的天气数据的雨量计或传感器相比较,或者将氮含量的估计与土壤样本测量相比较。
图3例示出了被编程的过程,农业智能计算机***通过该过程使用由一个或多个数据源提供的田地数据来生成一个或多个预配置的农艺模型。图3可以充当用于将农业智能计算机***130的功能元件编程为执行现在所描述的操作的算法或指令。
在框305处,农业智能计算机***130被配置或者被编程为实现对从一个或多个数据源所接收的田地数据的农艺数据预处理。出去去除噪声、失真影响以及农艺数据内的混杂因素的目的,可以对从一个或多个数据源所接收的田地数据进行预处理,这些混杂银租包括可能对接收到的田地数据值产生不利影响的测量离群值。农艺数据预处理的实施例可以包括但不限于:去除通常与离群值数据值相关联的数据值、已知不必要地使其他数据值倾斜的特定测量数据点,被用来去除或降低来自噪声的加性或乘性效应的数据平滑、聚合或采样技术,以及被用来提供正数据输入和负数据输入之间的清楚区别的其他滤波或数据推导技术。
在框310处,农业智能计算机***130被配置或者被编程为使用经预处理的田地数据来执行数据子集选择,以便标识对初始的农艺模型生成有用的数据集。农业智能计算机***130可以实现数据子集选择技术,包括但不限于遗传算法方法、所有子集模型方法、顺序搜索方法、逐步回归方法、粒子群优化方法,以及蚁群优化方法。例如,基于自然选择和遗传学的进化原理,遗传算法选择技术使用自适应启发式搜索算法来确定和评估经预处理的农艺数据内的数据集。
在框315处,农业智能计算机***130被配置或者被编程为实现田地数据集评估。在一个实施例中,通过创建农艺模型并且使用针对所创建的农艺模型的特定质量阈值来评估特定的田地数据集。可以使用一种或多种比较技术来比较和/或验证农艺模型,诸如但不限于留一交叉验证均方根误差(RMSECV)、平均绝对误差和平均百分比误差。例如,RMSECV可以通过比较由农艺模型创建的预测农艺属性值与被收集并且被分析的历史农艺属性值来对农艺模型进行交叉验证。在一个实施例中,农艺数据集评估逻辑被用作反馈回路,其中不满足所配置的质量阈值的农艺数据集在未来的数据子集选择步骤期间被使用(框310)。
在框320处,农业智能计算机***130被配置或者被编程为基于经交叉验证的农艺数据集来实现农艺模型创建。在一个实施例中,农艺模型创建可以实现多变量回归技术以创建预配置的农艺数据模型。
在框325处,农业智能计算机***130被配置或者被编程为存储预配置的农艺数据模型,以用于未来的田地数据评估。
2.5.实现示例-硬件概述
根据一个实施例,本文描述的技术由一个或多个专用计算设备实现。专用计算设备可以被硬连线以执行这些技术,或者可以包括数字电子设备,诸如一个或多个经过永久编程以执行这些技术的专用集成电路(ASIC)或现场可编程门阵列(FPGA),或者可以包括一个或多个通用硬件处理器,该一个或多个硬件处理器被编程为以固件、存储器、其他储存装置或者组合来根据程序指令执行这些技术。这样的专用计算设备还可以将定制的硬连线逻辑、ASIC或者FPGA与定制的编程相结合来达成这些该技术。专用计算设备可以是台式计算机***、便携式计算机***、手持式设备、联网设备,或者是并入硬连线和/或程序逻辑以实现这些技术的任何其他设备。
例如,图4是例示出可以在其上实现本发明的实施例的计算机***400的框图。计算机***400包括总线402或者用于传送信息的其他通信机制,以及与总线402耦合用于处理信息的硬件处理器404。硬件处理器404可以是例如通用微处理器。
计算机***400还包括耦合到总线402的主存储器406(诸如随机存取存储器(RAM)或其他动态存储设备),用于存储信息和要由处理器404执行的指令。主存储器406还可以被用于在执行要由处理器404执行的指令期间存储临时变量或其他中间信息。当这样的指令被存储在处理器404可访问的非瞬态存储介质中时,将计算机***400渲染成被定制为执行指令中所指定的操作的专用机器。
计算机***400还包括耦合到总线402的只读存储器(ROM)408或其他静态存储设备,用于存储静态信息和用于处理器404的指令。诸如磁盘、光盘、固态驱动器的存储设备410被提供并耦合到总线402以存储信息和指令。
计算机***400可以经由总线402耦合到诸如阴极射线管(CRT)之的显示器412,用于向计算机用户显示信息。包括字母数字键和其他键的输入设备414耦合到总线402,用于向处理器404传送信息和命令选择。另一类型的用户输入设备是光标控件416,诸如鼠标、轨迹球或光标方向键,用于向处理器404传送方向信息和命令选择以及用于控制显示器412上的光标移动。该输入设备通常在两个轴线(第一轴线(例如x)和第二轴线(例如y))上具有两个自由度,这允许设备指定平面中的定位。
计算机***400可以使用定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实现本文所述的技术,它们与计算机***结合使计算机***400成为专用机器或者将计算机***400编程为专用机器。根据一个实施例,本文的技术由计算机***400响应于处理器404执行主存储器406中所包含的一个或多个指令的一个或多个序列来执行。这样的指令可以从另一存储介质(诸如存储设备410)被读取到主存储器406中。执行主存储器406中所包含的指令的序列使处理器404执行本文所描述的处理步骤。在备选实施例中,可以使用硬连线电路装置来代替软件指令或者与软件指令结合使用硬连线电路。
本文所使用的术语“存储介质”是指存储使得机器以特定方式操作的数据和/或指令任何非瞬态介质。这样的存储介质可以包括非易失性介质和/或易失性介质。非易失性介质包括例如光盘、磁盘或固态驱动器,诸如存储设备410。易失性介质包括动态存储器,诸如主存储器406。存储介质的常见形式包括例如软盘、软磁盘、硬盘、固态驱动器、磁带或任何其他磁性数据存储介质、CD-ROM、任何其他光学数据存储介质、具有有孔图案的任何物理介质、RAM、PROM和EPROM、FLASH-EPROM、NVRAM、任何其他存储器芯片或盒式磁带。
存储介质不同于传输介质,但是可以与传输介质结合使用。传输介质参与存储介质之间的信息传送。例如,传输介质包括同轴电缆、铜线和光纤,包括构成总线402的导线。传输介质还可以采取声波或光波的形式,诸如在无线电波和红外数据通信期间所生成的那些声波或光波。
各种形式的介质可以参与将一个或多个指令的一个或多个序列携带到处理器404以供执行。例如,指令最初可以被承载在远程计算机的磁盘或固态驱动器上。远程计算机可以将指令加载到其动态存储器中,并且使用调制解调器通过电话线来发送指令。在计算机***400本地的调制解调器可以在电话线上接收数据,并且使用红外发射器将数据转换为红外信号。红外检测器可以接收红外信号中承载的数据,并且适当的电路装置可以将数据置于总线402上。总线402将数据承载到主存储器406,处理器404从主存储器406取回并且执行指令。由主存储器406接收的指令可以可选地在处理器404执行之前或之后被存储在存储设备410上。
计算机***400还包括耦合到总线402的通信接口418。通信接口418提供耦合到网络链路420的双向数据通信,网络链路420连接到局域网422。例如,通信接口418可以是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器,或者提供到对应类型的电话线的数据通信连接的调制解调器。作为另一示例,通信接口418可以是提供到兼容的LAN的数据通信连接的局域网(LAN)卡。无线链路也可以被实现。在任何这样的实现中,通信接口418发送和接收电信号、电磁信号或者光信号,这些信号承载表示各类信息的数字数据流。
网络链路420通常向其他数据设备提供通过一个或多个网络的数据通信。例如,网络链路420可以向主机计算机424或者向由互联网服务提供商(ISP)426操作的数据设备提供通过本地网络422的连接。ISP426转而通过现在通常称为“互联网”428的全球分组数据通信网络来提供数据通信服务。局域网422和互联网428两者都使用承载数字数据流的电信号、电磁信号或者光信号。通过各种网络的信号和在网络链路420上并且通过通信接口418的信号是传输介质的示例形式,这些信号承载去往和来自计算机***400的数字数据。
计算机***400可以通过(多个)网络、网络链路420和通信接口418来发送消息并且接收包括程序代码的数据。在互联网示例中,服务器430可以通过互联网428、ISP 426、本地网络422和通信接口418来传输所请求的针对应用程序的代码。
所接收的代码可以在其被接收时由处理器404执行,和/或被存储在存储设备410或者其他非易失性存储器中以供稍后执行。
3.使用空间建模来生成推断控制
图7描绘了用于使用空间统计模型来推断用于农艺试验的控制数据的方法。虽然图7使用产量数据作为示例,但是本文所描述的方法可以被利用来推断针对其他感兴趣属性的控制数据,诸如谷物质量、蛋白质含量和由实验评估和/或测量的其他因素。如本文中所使用的,试验是指在农业田地的部分中执行一个或多个不同的农业活动以便标识执行该一个或多个不同的农业活动的益处或害处。例如,可以在农业田地中选择子田地区来实现杀真菌剂试验。在子田地区内,作物可以接收杀真菌剂的施用,而田地的其余部分和/或田地上的不同子田地区不接收杀真菌剂的施用。备选地,田地的其余部分可以接收杀真菌剂的施用,而子田地区内的作物则不接收。田地的其中执行一个或多个不同的农业活动的子田地区在本文中被称为测试位置。在一些实施例中,不包括不同的农业活动的子田地区也可以被指派并且被称为测试位置。
可以执行试验以测试新产品、不同管理实践、不同作物或者其任何组合的功效。例如,如果田地通常不接收杀真菌剂,则可以设计试验,在该试验中,在作物发育期间,田地的被选择的部分内的作物接收杀真菌剂一次或多次。作为另一示例,如果田地通常常规地被耕作,则可以设计试验,在该试验中该田地的被选择的部分没有被耕作。因此,可以实现试验用于确定是否遵循管理实践建议,而不是局限于测试特定产品的功效。附加地或备选地,可以设计试验来比较两种不同类型的产品、种植速率、装备和/或其他管理实践。
试验可以受一个或多个规则约束。试验可以要求一个或多个测试位置具有特定大小和/或被布置在特定位置。例如,试验可以要求一个或多个测试位置被布置在与该田地的其余部分条件可比较的田地的区中。如本文中所使用的,测试位置是指接收与周围的区不同的一个或多个处理的农业田地的区。因此,测试位置可以指的是农业田地上任何形状的土地。附加地或备选地,试验可以要求一个或多个测试位置被布置在与该田地的其余部分条件不同的田地的区中和/或田地的跨越不同类型条件的田地的区中。试验可以要求在一个或多个测试位置进行一个或多个不同的管理实践。例如,作为种植不同类型杂交种子的测试的部分,试验可以要求特定的播种速率。
在一个实施例中,本文所描述的方法被用来引起试验的实现。例如,本文所描述的方法可以被用来标识农业田地中用于实现试验的位置。本文所描述的方法还可以被用来生成包括如下计算机可读指令的农业脚本:该计算机可读指令在被执行时,使农业器具根据试验在田地上执行动作。在一个实施例中,本文所描述的方法被用来确定试验的功效并且引起响应动作的执行。例如,如果该方法确定试验处理比非试验处理更有效,则该方法可以包括生成处方地图,该处方地图包括在农艺田地的更大部分上的试验处理。该方法还可以包括生成包括如下计算机可读指令的农业脚本:该计算机可读指令在被执行时,使农业器具根据试验的结果在田地上执行动作。
3.1.接收到的数据
在步骤702处,针对农艺田地的第一部分的第一产量数据被接收,农艺田地的第一部分已经接收了第一处理。例如,农业智能计算机***可以从田地管理器计算设备、农业器具、外部计算设备和/或成像设备接收产量数据。第一产量数据可以包括针对农业田地上的多个位置的平均农艺产量值。例如,收割机可以在针对10×10平方米位置的收获作物的同时测量农艺产量,从而生成农艺产量值的像素地图。附加地或备选地,产量数据可以包括从农艺田地的图像(诸如使用无人机和/或卫星所捕获的图像)所生成的指数值,诸如归一化差异植被指数值(NDVI)。
如本文中所使用的,第一处理是指在非试验位置中所执行的一个或多个管理实践。例如,第一处理可以包括以下任何项:特定的播种种群、杂交类型、种子类型、农药施用、养分施用、或者其他管理实践。服务器计算机可以接收指示农艺田地上已经接收第一处理的位置的数据。
在步骤704处,针对农艺田地的第二部分的第二产量数据被接收,农艺田地的第二部分已经接收了与第一处理不同的第二处理。例如,农业智能计算机***可以从田地管理器计算设备、农业器具、外部计算设备和/或成像设备接收产量数据。
第二处理可以是与第一处理不同的试验处理。例如,如果第一处理是杀真菌剂的施用,则第二处理可以是不同杀真菌剂的施用。在一个实施例中,除了第一处理和第二处理的差异之外,农艺田地的第二部分与农艺田地的第一部分相同地被处理。例如,可以在两个位置都以相同的种群种植相同的种子杂交,但是农艺田地的第二部分可以接收与农艺田地的第一部分不同的肥料施用。
在一个实施例中,农艺田地的第二部分包括一个或多个试验条带。如本文中所使用的,试验是指在农业田地的部分中执行一个或多个不同的农业活动以便识别执行该一个或多个不同的农业活动的益处或害处。如本文中所使用的,试验条带是指农艺田地上可以在农艺车辆的一次或多次完整通过中被处理的位置。在一个实施例中,农艺田地的第一部分至少部分地围绕农艺田地的第二部分。例如,农艺田地的第一部分可以是在第二部分的一侧上的条带、在第二部分的两侧上的条带、除了试验位置以外的田地剩余、和/或农艺田地的至少部分地毗邻第二部分的任何部分。
3.2.统计模型
在步骤706处,使用空间统计模型和第一产量数据,针对农艺田地的第二部分的产量值被计算。产量值指示在农艺田地的第二部分已经接收了第一处理而不是第二处理的情况下针对农艺田地的第二部分的农艺产量。例如,产量值可以包括针对农艺田地的第二部分中的多个位置中的每个位置的产量值和/或针对农艺田地的第二部分的平均产量。
在一个示例实施例中,农艺田地被划分成多个相等大小的网格点,诸如10×10平方米的位置。针对农艺田地的第一部分的产量值被用来使用空间统计模型计算针对农艺田地的第二部分的值:
y(si)=μ+w(si)+∈i
其中y(si)是针对位置si处第i个网格点的产量,μ是针对除了农艺田地的第二部分之外的农艺田地的总体均值产量,w(si)是空间相关的过程,并且∈i是小尺度误差过程,该小尺度误差过程可以基于使用空间统计模型的计算与这些位置处的实际产量之间的田地方差来被拟合。
在一个实施例中,空间相关的过程w(si)是零均值空间相关高斯过程,诸如具有方差τ2和空间相关性函数kp的高斯随机场方程。因此,针对农艺田地的第二部分中的网格点向量的分布可以被计算为:
该分布可以被计算为具有恒定均值函数的高斯过程模型。矩阵Kp包括方差-协方差矩阵,其中第ij个元素由kp(si,sj)给出。***可以使用农艺田地的第一部分中的位置处的产量值来将高斯过程参数化。基于农艺田地的第一部分中的位置中的产量值,方差和标准偏差参数τ和σ可以使用任何参数化方法来被参数化,诸如最大似然估计方法。
通过使用统计空间过程,本文所描述的方法能够基于不同的应用类型来推断针对多个试验位置中的每个试验位置(诸如测试条带)的产量值。因此,空间过程被用来推断如果试验位置接收了不同的处理则针对该位置会是什么产量值。上述模型的拟合的示例实现包括使用GITHUB上可用的GSTAT包。
虽然本文所描述的方法能够仅使用当前年份的产量数据来基于非试验处理产生针对试验位置的产量值,但是如果来自先前年份的产量数据可用,则空间模型可以被增强。通过在高斯过程模型中利用先前年份的产量数据,该方法能够捕获试验位置内的空间变异性。例如,来自第一年的产量地图可以包括其中整个田地接收相同处理的产量数据。因此,基于来自第一年的其中试验位置与田地的其余部分接收相同处理的产量数据中的产量的空间变异性,针对第二年的其中试验位置接收不同处理的试验位置中的空间变异性可以被建模。
在一个实施例中,农业智能计算机***将农艺田地的第二部分中的推断产量建模为一个或多个协变量的函数。该一个或多个协变量可以包括与农艺田地上不同位置的农艺产量有关的附加值。协变量的示例可以包括:有机物百分比、pH、阳离子交换容量、海拔、土壤类型、养分水平、利用所测量的产量值时的NDVI值、和/或可以在农艺田地中变化的任何其他可测量属性。针对协变量值的数据可以从诸如土壤调查地理数据库(SSURGO)的外部服务器被接收,通过来自田地管理器计算设备的输入被接收,和/或直接或间接从在农艺田地上操作的被配置为测量上述协变量中的一个或多个协变量的农业器具被接收。
作为示例,可以使用以下函数来计算针对农艺田地的第二部分的产量值:
y(si)=μ+xiβ+w(si)+∈i
其中xi是针对第i个网格点的协变量的向量,并且β是使用当前产量数据和/或先前年份的产量数据所估计或者拟合的相关联的参数向量。
在一个实施例中,农业智能计算机***利用用于拟合模型的来自农艺田地的第一部分和农艺田地的第二部分的数据,将农艺田地的第二部分中和农艺田地的第一部分中的产量数据联合建模。用于在农艺田地的第一和第二部分中同时将农艺产量建模的示例等式如下:
y(si)=μ+δui+xiβ+w(si)+∈i
其中δ是向农艺田地的第二部分应用第二处理而不是第一处理的影响,ui是处理指示符,该处理指示符对于在其中第一处理被应用的每个位置等于0并且对于在其中第二处理被应用的每个位置等于1。虽然在先前的等式中,y(si)被用来计算在第二部分接收了第一处理的情况下农艺田地的第二部分中的推断产量,但在上面的方程中,y(si)包括每个位置中的被测量产量,并且被拟合到高斯过程以估计将第二处理应用于农艺田地的第二部分的平均影响δ。
在一个实施例中,单独的空间变异性模型被用来计算将第二处理而不是第一处理应用于农艺田地的第二部分的估计影响。例如,农业智能计算机***可以将空间模型拟合为:
虽然上面关于两个处理描述了方法,但是本文所描述的方法可以与多个位置中的多个处理一起被利用。例如,如果农艺田地包括两个条带试验和一个主要处理,则主要处理位置中的产量可以被用来生成空间模型以用于计算在其他位置中使用主要处理的推断产量。作为另一示例,应用两个处理中的任一处理的两个影响可以被计算为:
y(si)=μ+δ1u1,i+δ2u2,i+xiβ+w(si)+∈i
其中δ1是对农艺田地应用第二处理的影响,δ2是对农艺田地应用第三处理的影响,u1,i在第二处理被应用时为1,在所有其他时间为0,并且u2,i第三处理被应用时为1,在所有其他时间为0。
虽然上面的示例描述了10×10平方米的相等大小的网格位置,但是在一些情形中,数据可以基于田地以不同的分辨率被接收。当数据以更精细的分辨率被接收时,其可以使上述高斯模型在计算上无法进行计算,由于复杂性以数据点数目的三次方倍增长。另外,用于农艺数据的一些空间相关性结构可能更复杂且并且更不稳定。因此,可以使用技术来更好地将复杂空间结构建模,同时降低计算复杂度。
在一个实施例中,固定秩克里金模型被用来降低较大尺寸的数据集的计算可缩放性。在固定秩克里金技术中,向量S被定义为基函数的序列。相关性矩阵Kp可以因此被定义为:
Kp=SMS′
该相关性矩阵然后可以被合并到以上的模型中。M矩阵可以是比Kp更小的秩矩阵。可以使用矩估计过程的分箱方法从农艺数据估计未知的、对称的、正定矩阵M。
在一个实施例中,离散过程卷积模型被用来降低使用大数据集的计算成本,同时还捕获更复杂的空间相关性结构。离散过程卷积模型可以包括多分辨率模型,由此针对特定数据集的多个逐渐粗糙化的网格集被定义。例如,如果针对特定田地的产量数据以较高的空间分辨率被接收,诸如5×5平方米位置,则可以生成具有5×5平方米位置的第一网格,可以生成具有10×10平方米位置的更粗糙的第二网格,以此类推。诸如通过以下等式,可以使用r个网格点中的每个网格点来计算模型:
在一个实施例中,相关性函数可以被选择以具有紧支,例如球面相关性函数。然后当模型以矩阵形式被表达时,相关性矩阵K将是稀疏的并且具有可以被专用软件(诸如PYTHON SCIPY包的sparse.linalg模块)利用以提高计算效率的结构。
3.3.确定试验影响
在步骤708处,至少部分地基于所计算的产量值和第二产量数据,第二处理被选择。例如,农业智能计算机***可以确定以上产量模型中的任何产量模型的标准偏差。***可以计算针对农艺田地的第二部分的推断产量的平均值。***可以使用推断产量的平均值和标准偏差来计算一个或多个阈值。例如,***可以将上阈值计算为平均推断产量加上1.6倍的产量标准偏差,从而生成上90%的阈值。***还可以将下阈值计算为平均推断产量减去1.6倍的产量标准偏差,从而生成下90%的阈值。
农业智能计算机***可以使用所计算的阈值来确定第二处理是否对农艺田地具有统计上显著的影响。例如,农业智能计算机***可以基于针对农艺田地的第二部分所接收到的产量数据来计算针对农艺田地的第二部分的平均产量。如果针对农艺田地的第二部分所计算的平均产量大于上阈值,则***可以确定第二处理具有有益影响并且选择第二处理。如果针对农艺田地的第二部分所计算的平均产量低于下阈值,则***可以确定第二处理具有有害影响并且选择第一处理。
在一个实施例中,农业智能计算机***利用先前年份的产量数据来确定针对农艺田地的第二部分的标准偏差。例如,农业智能计算机***可以接收先前年份的产量数据,其中农艺田地的第一部分和农艺田地的第二部分都接收了相同的处理。该***可以利用本文所描述的空间模型基于农艺田地的第一部分来计算针对农艺田地的第二部分的产量值。该***然后可以针对农艺田地的第二部分中的每个位置计算差异值,该差异值包括使用空间模型所计算的产量与实际产量之间的差异。该***然后可以将差异值拟合到分布,诸如正态分布,并且计算拟合分布的标准偏差。如果多个先前年份的数据可用,则***可以针对每个先前年份执行该方法并且使用跨多个年份的平均标准偏差。
3.4.统计模型的实践应用
本文所描述的***和方法利用空间统计模型来确定农艺试验的结果是否是统计上显著的,从而允许***基于试验的结果来生成处方地图、基于试验的结果来生成脚本、显示指示试验的益处或害处的数据、和/或显示标识多个位置中的试验结果以及指示试验结果的显著性的数据的地图。
作为实践应用的示例,在步骤710处,响应于选择第二处理,处方地图被生成,该处方地图包括第二处理。例如,如果农业智能计算机***使用本文所描述的方法确定第二处理是有益的,则***可以选择第二处理被应用于田地的更大部分。因此,***可以生成包括农艺田地的空间地图的处方地图,其具有指示向田地的不同位置应用那些处理的数据。处方地图可以包括向大于农艺田地的第二部分的田地部分应用的第二处理。例如,如果处理最初被应用于单个试验条带,则***可以生成包括多个试验条带、管理区带的整体、农艺田地的整个段、排除了被用于不同试验外的农艺田地的整体、和/或整个农艺田地的处方地图。
通过响应于第二处理的选择而自动生成处方地图,***能够利用空间统计模型作为生成处方地图的实践过程的部分。该***还不仅能够响应于从一个位置到另一位置的农艺产量的增加、而且能够响应于与单个位置的估计产量相比该位置中的农艺产量的增加和/或确定农艺产量的增加在统计上显著,来实施管理实践的改变。
在一个实施例中,如果农业智能计算机***确定产量的增加或减少在统计上不显著和/或如果***确定产量的减少在统计上显著,则该***被编程或配置为执行响应动作。例如,如果农业智能计算机***确定农艺田地的第二部分中的农艺产量比针对农艺田地的第二部分的推断农艺产量少至少1.6个标准偏差,则***可以生成完全排除了第二处理的未来的处方地图。附加地或备选地,如果***确定结果在统计上不显著,则***可以生成新的处方地图,该新的处方地图包括被应用于农艺田地的第二部分和/或农艺田地的一个或多个不同部分的第二处理。
作为实践实施例的附加示例,在步骤712处,一个或多个脚本被生成。脚本包括计算机可读指令,该计算机可读指令在由应用控制器执行时,使应用控制器控制农艺田地上的农具(诸如农业装置111)的操作参数以应用第二处理。脚本可以被配置为匹配所生成的处方地图,以使得脚本在被执行时使一个或多个农业器具执行处方地图中的处方。农业智能计算机***可以通过网络向田地管理器计算设备和/或应用控制器发送脚本。
例如,如果第二处理包括与第一处理不同的播种种群,则***可以生成指令,该指令在被执行时,使播种机在农艺田地上与所生成的处方地图匹配的位置中以第二处理的种群速率将种子释放到田地上。脚本的其他示例包括养分施用脚本、农药脚本和/或其他改变种子类型或种子杂交的种植脚本。因此,本文所描述的方法可以被用来基于从空间统计模型所生成的试验执行的确定来操作农业机械。
4.使用空间建模来标识试验位置
图8描绘了用于使用空间统计模型来选择用于执行试验的位置的方法。在步骤802处,针对农艺田地的产量数据被接收,该农艺田地已经接收了第一处理。例如,农业智能计算机***可以从田地管理器计算设备、农业器具、外部计算设备和/或成像设备接收产量数据。产量数据可以包括针对农业田地上的多个位置的平均农艺产量值。例如,收割机可以在针对10×10平方米位置收获作物的同时时测量农艺产量,从而生成农艺产量值的像素地图。附加地或备选地,产量数据可以包括从农艺田地的图像(诸如使用无人机和/或卫星所捕获的图像)所生成的指数值,诸如归一化差异植被指数值(NDVI)。
如本文中所使用的,第一处理是指在农艺田地上被执行的一个或多个管理实践。例如,第一处理可以包括以下任何项:特定的播种种群、杂交类型、种子类型、农药施用、养分施用或其他管理实践。服务器计算机可以接收指示农艺田地上已经接收第一处理的位置的数据。
4.1.统计模型
在步骤804处,空间统计模型被用来针对农艺田地的多个特定部分中的每个特定部分计算平均统计偏差值。例如,***可以标识农艺田地上试验能够被执行的多个位置。标识多个位置可以包括在农艺田地的部分内标识接收与一个或多个标准匹配的相同处理的位置。例如,农业智能计算机***可以标识农艺田地上至少具有特定长度和/或宽度、在它们周围具有一定量空间、和/或满足任何其他标准的位置。
针对每个被标识的位置,***可以计算平均偏差。首先,针对农艺田地的特定部分,使用空间统计模式和针对田地的单独部分的产量数据来计算产量值。例如,***可以利用第3.2节中描述的统计模型来基于剩余部分计算接收相同处理的农艺田地的部分内的一个位置中的产量值。因此,如果该特定部分是农艺田地中间的条带,则***可以使用除该条带之外的农艺田地中的所有的产量数据来生成统计空间模型,并且使用统计空间模型来计算条带中的产量值。
然后,使用产量值和产量数据与农艺田地的特定部分对应的部分,针对农艺田地的特定部分的平均统计偏差值被计算。例如,针对田地的特定部分中的每个位置,***可以计算来自产量数据的产量值与从统计空间模型所计算的产量值之间的差异。***可以计算农艺田地的特定部分中的值的平均差异。附加地或备选地,***可以计算差异的绝对值的平均,从而指示来自统计模型的平均总体变异性。附加地或备选地,在统计模型遵循正态分布的假设下,***可以使用差异值来计算针对农艺田地的特定部分的标准偏差。***然后可以对农艺田地的一个或多个其他部分执行相同的过程。
4.2.选择农艺田地的部分
在步骤806处,基于针对农艺田地的多个特定部分中的每个特定部分的平均统计偏差值,选择农艺田地的多个特定部分中的一个或多个特定部分作为农艺田地的试验部分。例如,农业智能计算机***可以选择具有最低平均统计偏差的一个或多个位置。通过选择具有最低平均统计偏差的位置,***能够提高农艺田地上的试验位置中的获益或损失的统计显著性,从而减少需要被不同地处理以产生统计上显著的结果的农艺田地的量和/或允许在更小的益处或害处水平产生统计上显著的结果。
在一个实施例中,农业智能计算机***基于所计算的偏差值来确定是选择一个位置还是多个位置。例如,诸如通过被建模的益处和/或接收定义预期益处的数据,农业智能计算机***可以确定第二处理的预期益处。农业智能计算机***可以确定,预期益处如果在农艺田地的单个部分中被示出,则不会是大于1.6倍标准偏差益处,但是预期益处如果在农艺田地的两个部分中被示出,则会是大于1.6倍标准偏差1.6倍的益处。作为响应,***可以选择农艺田地的两个部分用于第二处理,以便确保预期益处在统计上是显著的。
本文所描述的方法可以利用第3.2节中描述的一个或多个模型来被执行。例如,如果田地包括三个可能的试验位置,则***可以使用没有协变量的统计模型来计算三个可能试验位置中的每个位置的平均偏差,以及使用具有协变量的统计模型来计算三个可能试验位置中的每个位置的平均偏差。***然后可以选择具有最低平均偏差的位置和模型类型的组合。
4.3.位置标识的实践应用
本文所描述的***和方法利用空间统计模型来标识农艺试验的结果更有可能在统计上显著的位置,从而允许***生成处方地图以基于先前年份的产量数据(诸如产量地图)来实现试验,生成脚本来实现试验,显示标识用于实现试验的最佳位置的数据,和/或显示标识用于实现试验的最佳位置的地图。
作为实践应用的示例,在步骤808处,响应于选择农艺田地的试验部分,处方地图被生成,该处方地图包括试验部分中的与第一处理不同的第二处理。例如,如果农业智能计算机***标识出具有最低统计偏差值的特定条带,则***可以选择用于使用与第一处理不同的第二处理执行试验的位置。***可以生成包括农艺田地空间地图的处方地图,其具有指示第二处理要被应用于田地的特定部分并且第一处理要被应用于田地的一个或多个其他部分(诸如农艺田地的剩余)的数据。
***可以选择第一处理用于最初被用来生成针对农艺田地的被选择的部分的偏差值的地图的区。例如,如果***仅使用农艺田地的特定部分任一侧上的有限宽度的条带来创建每个统计模型,则***可以生成处方地图,以使得至少农艺田地的被选择的部分具有第二处理并且被选择部分任一侧上的有限宽度的条带接收第一处理。
通过响应于对农艺田地的一个或多个特定部分的选择而自动生成处方地图,***能够利用空间模型作为生成用于实现试验的处方地图的实践过程的部分。***另外还能够减少被用于试验的农艺田地的量,从而减少试验对农艺田地的负面影响,同时提高试验的功效。
作为实践实施例的附加示例,在步骤812处,一个或多个脚本被生成。该脚本包括计算机可读指令,该计算机可读指令在由应用控制器执行时,使应用控制器控制农艺田地上的农业器具的操作参数以向农艺田地的试验部分应用第二处理。脚本可以被配置为匹配所生成的处方地图,以使得脚本在被执行时使一个或多个农业器具执行处方地图中的处方。农业智能计算机***可以通过网络向田地管理器计算设备和/或应用控制器发送脚本。
作为示例,如果第二处理包括与第一处理不同的播种种群,则***可以生成指令,该指令在被执行时,使播种机在农艺田地上与所生成的处方地图匹配的被选择的位置中以第二处理的种群速率将种子释放到田地上。脚本的其他示例包括养分施用脚本、农药脚本和/或其他改变种子类型或种子杂交的种植脚本。因此,本文所描述的方法可以被用来基于从空间统计模型所生成的试验执行的确定来操作农业机械。
5.某些实施例的益处
当鉴于本文的说明书及其整体特征来考虑时,本公开针对农业中的田地器械和装备的操作控制的改进,该改进基于在针对农业田地的产量值、处理和指定在田地中的何处施用何种肥料或其他养分的处方地图的计算机实现的计算中的改进。本公开不旨在覆盖或要求保护确定产量、处理或处方的抽象概念,而是覆盖或要求保护在前文中陈述的使用计算机来控制农业机械的实践应用。
本文所描述的***和方法提供了利用田地数据来将使用农业机械的农艺田地的有效管理最大化的实践应用。通过在与试验相同的区域中将对试验的控制建模,***可以通过将用于确定试验是否具有统计上显著的正面或负面影响所要求的面积最小化,来将农业土地的有效和高效使用最大化。因此,通过留出更小的面积用于执行试验,农业田地可以从所提供的建模技术受益。
另外,本文所描述的***和方法利用田地信息作为使用农业器具在农业田地上物理地实现试验和/或利用试验结果的过程的部分,否则该试验结果不会作为使用农业器具在农艺田地上实现管理实践的物理过程的部分而可用。农业智能计算机***可以使用本文所描述的方法来基于试验结果生成处方地图,该处方地图定义用于测试位置的管理指令和/或定义用于针对农艺田地的管理指令。附加地或备选地,农业智能计算机***可以使用本文所描述的方法来生成一个或多个脚本,该一个或多个脚本在被执行时使农业器具在农业田地上执行特定动作以及在测试位置执行不同动作、和/或响应于试验结果来改变在田地上执行的动作。
6.扩展和备选
在前述说明书中,已经参照可以随实现而变化的许多具体细节描述了实施例。因此,说明书和附图应被认为是说明性的而不是限制性的。本公开范围的唯一且排他性的指标以及申请人旨在作为本公开范围的内容,是由本申请产生的权利要求的集合的字面意义的和等效的范围,其以此类权利要求书发布的特定形式,包括任何后续更正。
Claims (20)
1.一种***,包括:
一个或多个处理器;
存储指令的存储器,所述指令在由所述一个或多个处理器执行时,引起执行:
接收针对农艺田地的第一部分的第一产量数据,所述农艺田地的所述第一部分已经接收了第一处理;
接收针对所述农艺田地的第二部分的第二产量数据,所述农艺田地的所述第二部分已经接收了与所述第一处理不同的第二处理;
使用空间统计模型和所述第一产量数据,计算针对所述农艺田地的所述第二部分的产量值,所述产量值指示在所述农艺田地的所述第二部分已经接收了所述第一处理而不是所述第二处理的情况下针对所述农艺田地的所述第二部分的农艺产量;
基于所计算的所述产量值和所述第二产量数据,选择所述第二处理;
生成处方地图,所述处方地图包括所述第二处理;
生成一个或多个脚本,所述一个或多个脚本在由应用控制器执行时使所述应用控制器控制农业器具的操作参数以应用所述第二处理。
2.根据权利要求1所述的***,其中所述第一处理和所述第二处理包括以下一项或多项:特定播种种群、杂交类型、农药施用、或者养分施用。
3.根据权利要求1所述的***,其中所述空间统计模型被配置为将产量值计算为空间相关高斯过程的函数。
4.根据权利要求1所述的***,其中所述空间统计模型被配置为将产量建模为以下一项或多项的函数:有机物百分比、pH、阳离子交换容量、海拔、土壤类型、或者养分水平。
5.根据权利要求1所述的***,其中选择所述第二处理包括:
基于所计算的所述产量值来计算上阈值;
确定所述第二产量数据的产量大于所计算的所述产量值,并且作为响应,选择所述第二处理。
6.一种***,包括:
一个或多个处理器;
存储指令的存储器,所述指令在由所述一个或多个处理器执行时,引起执行:
接收针对农艺田地的产量数据,所述农艺田地已经接收了第一处理;
针对所述农艺田地的多个特定部分中的每个特定部分,执行:
使用空间统计模型和针对所述农艺田地的单独部分的产量数据,计算针对所述农艺田地的所述特定部分的产量值;
使用所述产量值和所述产量数据的与所述农艺田地的所述特定部分对应的部分,计算针对所述农艺田地的所述特定部分的平均统计偏差值;
基于针对所述农艺田地的所述多个特定部分中的每个特定部分的所述平均统计偏差值,选择所述农艺田地的所述多个特定部分中的一个或多个特定部分作为所述农艺田地的试验部分;
生成处方地图,所述处方地图包括所述试验部分中的与所述第一处理不同的第二处理;
生成一个或多个脚本,所述一个或多个脚本在由应用控制器执行时,使所述应用控制器控制农业器具的操作参数以向所述农艺田地的所述试验部分应用所述第二处理。
7.根据权利要求6所述的***,其中所述第一处理和所述第二处理包括以下一项或多项:特定播种种群、杂交类型、农药施用、或者养分施用。
8.根据权利要求6所述的***,其中所述空间统计模型被配置为将产量值计算为空间相关高斯过程的函数。
9.根据权利要求6所述的***,其中所述空间统计模型被配置为将产量建模为以下一项或多项的函数:有机物百分比、pH、阳离子交换容量、海拔、土壤类型、或者养分水平。
10.根据权利要求6所述的***,其中选择所述农艺田地的所述多个特定部分中的一个或多个特定部分作为所述农艺田地的试验部分包括:选择所述农艺田地的所述多个特定部分中具有最低平均统计偏差的一个或多个部分。
11.一种计算机实现的方法,包括:
接收针对农艺田地的第一部分的第一产量数据,所述农艺田地的所述第一部分已经接收了第一处理;
接收针对所述农艺田地的第二部分的第二产量数据,所述农艺田地的所述第二部分已经接收了与所述第一处理不同的第二处理;
使用空间统计模型和所述第一产量数据,计算针对所述农艺田地的所述第二部分的产量值,所述产量值指示在所述农艺田地的所述第二部分已经接收了所述第一处理而不是所述第二处理的情况下针对所述农艺田地的所述第二部分的农艺产量;
基于所计算的所述产量值和所述第二产量数据,选择所述第二处理;
生成处方地图,所述处方地图包括所述第二处理;
生成一个或多个脚本,所述一个或多个脚本在由应用控制器执行时,使所述应用控制器控制农业器具的操作参数以应用所述第二处理。
12.根据权利要求11所述的计算机实现的方法,其中所述第一处理和所述第二处理包括以下一项或多项:特定播种种群、杂交类型、农药施用、或者养分施用。
13.根据权利要求11所述的计算机实现的方法,其中所述空间统计模型被配置为将产量值计算为空间相关高斯过程的函数。
14.根据权利要求11所述的计算机实现的方法,其中所述空间统计模型被配置为将产量建模为以下一项或多项的函数:有机物百分比、pH、阳离子交换容量、海拔、土壤类型、或者养分水平。
15.根据权利要求11所述的计算机实施方法,其中选择所述第二处理包括:
基于所计算的所述产量值来计算上阈值;
确定所述第二产量数据的产量大于所计算的所述产量值,并且作为响应,选择所述第二处理。
16.一种计算机实现的方法,包括:
接收针对农艺田地的产量数据,所述农艺田地已经接收了第一处理;
针对所述农艺田地的多个特定部分中的每个特定部分,执行:
使用空间统计模型和针对所述农艺田地的单独部分的产量数据,计算针对所述农艺田地的所述特定部分的产量值;
使用所述产量值和所述产量数据的与所述农艺田地的所述特定部分对应的部分,计算针对所述农艺田地的所述特定部分的平均统计偏差值;
基于针对所述农艺田地的所述多个特定部分中的每个特定部分的所述平均统计偏差值,选择所述农艺田地的所述多个特定部分中的一个或多个特定部分作为所述农艺田地的试验部分;
生成处方地图,所述处方地图包括所述试验部分中的与所述第一处理不同的第二处理;
生成一个或多个脚本,所述一个或多个脚本在由应用控制器执行时,使所述应用控制器控制农业器具的操作参数以向所述农艺田地的所述试验部分应用所述第二处理。
17.根据权利要求16所述的计算机实现的方法,其中所述第一处理和所述第二处理包括以下一项或多项:特定播种种群、杂交类型、农药施用、或者养分施用。
18.根据权利要求16所述的计算机实现的方法,其中所述空间统计模型被配置为将产量值计算为空间相关高斯过程的函数。
19.根据权利要求16所述的计算机实现的方法,其中所述空间统计模型被配置为将产量建模为以下一项或多项的函数:有机物百分比、pH、阳离子交换容量、海拔、土壤类型、或者养分水平。
20.根据权利要求16所述的计算机实现的方法,其中选择所述农艺田地的所述多个特定部分中的一个或多个特定部分作为所述农艺田地的试验部分包括:选择所述农艺田地的所述多个特定部分中具有最低平均统计偏差的一个或多个部分。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862782587P | 2018-12-20 | 2018-12-20 | |
US62/782,587 | 2018-12-20 | ||
PCT/US2019/067870 WO2020132453A1 (en) | 2018-12-20 | 2019-12-20 | Utilizing spatial statistical models for implementing agronomic trials |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113226010A true CN113226010A (zh) | 2021-08-06 |
CN113226010B CN113226010B (zh) | 2023-10-03 |
Family
ID=71098587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980084741.3A Active CN113226010B (zh) | 2018-12-20 | 2019-12-20 | 利用空间统计模型实现农艺试验 |
Country Status (7)
Country | Link |
---|---|
US (3) | US11487254B2 (zh) |
EP (1) | EP3897090A4 (zh) |
CN (1) | CN113226010B (zh) |
AR (1) | AR117491A1 (zh) |
BR (1) | BR112021010115A2 (zh) |
CA (1) | CA3121005A1 (zh) |
WO (1) | WO2020132453A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11037343B2 (en) * | 2018-05-11 | 2021-06-15 | The Climate Corporation | Digital visualization of periodically updated in-season agricultural fertility prescriptions |
US11487254B2 (en) | 2018-12-20 | 2022-11-01 | Climate Llc | Utilizing spatial statistical models for implementing agronomic trials |
AR121386A1 (es) * | 2020-02-21 | 2022-06-01 | Climate Corp | Señalización de diferencias operacionales en implementos agrícolas |
JP7433105B2 (ja) * | 2020-03-27 | 2024-02-19 | 本田技研工業株式会社 | 情報提供装置、草刈り車両及び草刈り管理システム |
US20230385957A1 (en) * | 2022-05-26 | 2023-11-30 | Climate Llc | Systems and methods for use in identifying trials in fields |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020022928A1 (en) * | 2000-06-05 | 2002-02-21 | Agco | System and method for providing profit analysis for site-specific farming |
CN102138468A (zh) * | 2010-01-28 | 2011-08-03 | 长江大学 | 一种稻麦类作物田间试验效果的分段判断方法 |
CN103116013A (zh) * | 2013-02-04 | 2013-05-22 | 中国农业科学院棉花研究所 | 一种土壤养分分级指标的田间试验方法 |
CN103886409A (zh) * | 2014-03-13 | 2014-06-25 | 汕头大学 | 农业种植辅助决策*** |
CN104769631A (zh) * | 2012-09-26 | 2015-07-08 | 株式会社久保田 | 农业管理***以及农作物收获机 |
CN104834971A (zh) * | 2015-05-07 | 2015-08-12 | 石河子大学 | 基于gis和rs的耕地养分管理分区方法 |
US20160057922A1 (en) * | 2014-08-27 | 2016-03-03 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
CN106355334A (zh) * | 2016-08-30 | 2017-01-25 | 中国农业大学 | 农田建设区域判定方法 |
US20170213083A1 (en) * | 2014-10-30 | 2017-07-27 | AgriSight, Inc. | System and method for remote nitrogen monitoring and prescription |
US20180020622A1 (en) * | 2016-07-25 | 2018-01-25 | CiBo Technologies Inc. | Agronomic Database and Data Model |
US20180132422A1 (en) * | 2016-11-16 | 2018-05-17 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US20180132423A1 (en) * | 2016-11-16 | 2018-05-17 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
CN108664062A (zh) * | 2018-06-05 | 2018-10-16 | 厦门柏事特信息科技有限公司 | 基于动态图像视频分析的作物生长监测装置及其运行*** |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6505146B1 (en) * | 1999-09-24 | 2003-01-07 | Monsanto Company | Method and system for spatial evaluation of field and crop performance |
US6889620B2 (en) * | 2001-02-28 | 2005-05-10 | The Mosaic Company | Method for prescribing site-specific fertilizer application in agricultural fields |
US20040237394A1 (en) * | 2001-07-24 | 2004-12-02 | Mayfield Ted E. | Low-cost system and method for the precision application of agricultural products |
EP2104413B2 (en) | 2007-01-08 | 2020-03-25 | The Climate Corporation | Planter monitor system and method |
NZ562316A (en) * | 2007-10-09 | 2009-03-31 | New Zealand Inst For Crop And | Method and system of managing performance of a tuber crop |
WO2009149389A1 (en) | 2008-06-06 | 2009-12-10 | Monsanto Technology Llc | Generating agricultural information products using remote sensing |
US20110320229A1 (en) * | 2008-10-14 | 2011-12-29 | Monsanto Technology Llc | Agronomic optimization based on statistical models |
US8477295B2 (en) | 2009-05-07 | 2013-07-02 | Solum, Inc. | Automated soil measurement device |
US8306750B2 (en) * | 2009-08-18 | 2012-11-06 | Plant Health Care, Inc. | Computer-automated spatial analysis |
US10115158B2 (en) * | 2010-10-25 | 2018-10-30 | Trimble Inc. | Generating a crop recommendation |
WO2014018717A1 (en) | 2012-07-25 | 2014-01-30 | Precision Planting Llc | Systems, methods and apparatus for multi-row agricultural implement control and monitoring |
US20160247082A1 (en) * | 2013-10-03 | 2016-08-25 | Farmers Business Network, Llc | Crop Model and Prediction Analytics System |
US10251347B2 (en) * | 2016-01-07 | 2019-04-09 | The Climate Corporation | Generating digital models of crop yield based on crop planting dates and relative maturity values |
US20190107521A1 (en) * | 2017-10-06 | 2019-04-11 | AgriSight, Inc. | System and method for field test management |
US10996656B2 (en) * | 2018-11-08 | 2021-05-04 | Premier Crop Systems, LLC | System and method for aggregating test plot results based on agronomic environments |
US11487254B2 (en) | 2018-12-20 | 2022-11-01 | Climate Llc | Utilizing spatial statistical models for implementing agronomic trials |
-
2019
- 2019-12-20 US US16/723,892 patent/US11487254B2/en active Active
- 2019-12-20 CA CA3121005A patent/CA3121005A1/en active Pending
- 2019-12-20 EP EP19898264.7A patent/EP3897090A4/en active Pending
- 2019-12-20 CN CN201980084741.3A patent/CN113226010B/zh active Active
- 2019-12-20 WO PCT/US2019/067870 patent/WO2020132453A1/en unknown
- 2019-12-20 AR ARP190103830A patent/AR117491A1/es active IP Right Grant
- 2019-12-20 BR BR112021010115-2A patent/BR112021010115A2/pt unknown
-
2022
- 2022-09-26 US US17/952,965 patent/US11796970B2/en active Active
- 2022-10-31 US US17/977,860 patent/US11796971B2/en active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020022928A1 (en) * | 2000-06-05 | 2002-02-21 | Agco | System and method for providing profit analysis for site-specific farming |
CN102138468A (zh) * | 2010-01-28 | 2011-08-03 | 长江大学 | 一种稻麦类作物田间试验效果的分段判断方法 |
CN104769631A (zh) * | 2012-09-26 | 2015-07-08 | 株式会社久保田 | 农业管理***以及农作物收获机 |
CN103116013A (zh) * | 2013-02-04 | 2013-05-22 | 中国农业科学院棉花研究所 | 一种土壤养分分级指标的田间试验方法 |
CN103886409A (zh) * | 2014-03-13 | 2014-06-25 | 汕头大学 | 农业种植辅助决策*** |
US20160057922A1 (en) * | 2014-08-27 | 2016-03-03 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
US20170213083A1 (en) * | 2014-10-30 | 2017-07-27 | AgriSight, Inc. | System and method for remote nitrogen monitoring and prescription |
CN104834971A (zh) * | 2015-05-07 | 2015-08-12 | 石河子大学 | 基于gis和rs的耕地养分管理分区方法 |
US20180020622A1 (en) * | 2016-07-25 | 2018-01-25 | CiBo Technologies Inc. | Agronomic Database and Data Model |
CN106355334A (zh) * | 2016-08-30 | 2017-01-25 | 中国农业大学 | 农田建设区域判定方法 |
US20180132422A1 (en) * | 2016-11-16 | 2018-05-17 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US20180132423A1 (en) * | 2016-11-16 | 2018-05-17 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
CN108664062A (zh) * | 2018-06-05 | 2018-10-16 | 厦门柏事特信息科技有限公司 | 基于动态图像视频分析的作物生长监测装置及其运行*** |
Also Published As
Publication number | Publication date |
---|---|
AR117491A1 (es) | 2021-08-11 |
EP3897090A4 (en) | 2023-01-11 |
US11487254B2 (en) | 2022-11-01 |
CN113226010B (zh) | 2023-10-03 |
CA3121005A1 (en) | 2020-06-25 |
US20230013476A1 (en) | 2023-01-19 |
BR112021010115A2 (pt) | 2021-08-24 |
WO2020132453A1 (en) | 2020-06-25 |
US11796970B2 (en) | 2023-10-24 |
US20200201269A1 (en) | 2020-06-25 |
US20230050552A1 (en) | 2023-02-16 |
US11796971B2 (en) | 2023-10-24 |
EP3897090A1 (en) | 2021-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112740258B (zh) | 通过田地健康影像生成农艺产量地图 | |
US10827669B2 (en) | Method for recommending seeding rate for corn seed using seed type and sowing row width | |
US10599927B2 (en) | Generating pixel maps from non-image data and difference metrics for pixel maps | |
US20200042890A1 (en) | Automatic prediction of yields and recommendation of seeding rates based on weather data | |
CN113163710B (zh) | 标识和利用农田中的测试地点的***和方法 | |
CN113226010B (zh) | 利用空间统计模型实现农艺试验 | |
CA3020852A1 (en) | Estimating rainfall adjustment values | |
CN112889007A (zh) | 使用特定于农艺田地的空间分布值来改进数字养分模型 | |
CN113226009A (zh) | 针对大豆的预测性的种子脚本处理 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Missouri, USA Applicant after: Clemet Co.,Ltd. Address before: California, USA Applicant before: THE CLIMATE Corp. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |