BR112019010837A2

BR112019010837A2 - determinação de dados de variação de rendimento intracampo com base em dados de características de solo e imagens de satélite

Info

Publication number: BR112019010837A2
Application number: BR112019010837A
Authority: BR
Inventors: Chen Ye; Xu Ying
Original assignee: Climate Corp
Priority date: 2016-11-28
Filing date: 2017-11-21
Publication date: 2019-10-01
Also published as: AU2017365145A1; AU2017365145B9; BR112019010837A8; EP3545445A1; WO2018098190A1; US20180146624A1; ZA201903635B; CA3044058A1; EP3545445A4; AR110261A1; AU2017365145B2

Abstract

em uma modalidade, um método de processamento de dados compreende receber dados de propriedades permanentes para uma pluralidade de subcampos agrícolas de um campo agrícola; determinar se pelo menos um item de dados está faltando para qualquer subcampo da pluralidade de subcampos agrícolas nos dados de propriedades permanentes e, em caso afirmativo, gerar dados de propriedades adicionais para a pluralidade de subcampos agrícolas; gerar dados de propriedades permanentes pré-processados por mesclar os dados de propriedades permanentes com os dados de propriedades adicionais; gerar dados de propriedades permanentes filtrados por remover, a partir dos dados de propriedades permanentes pré-processados, um conjunto de registros de propriedades permanentes pré-processados correspondentes a um subconjunto da pluralidade de subcampos agrícolas em que duas ou mais culturas foram cultivadas no mesmo ano; aplicar um operador de regressão aos dados de propriedades permanentes filtrados para determinar uma pluralidade de valores de variações intracampo que representam variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas.

Description

DETERMINAÇÃO DE DADOS DE VARIAÇÃO DE RENDIMENTO INTRACAMPO COM BASE EM DADOS DE CARACTERÍSTICAS DE SOLO E IMAGENS DE SATÉLITE

AVISO DE DIREITOS AUTORAIS [001] Uma parte da divulgação deste documento de patente contém material que está sujeito à proteção de direitos autorais. O proprietário dos direitos autorais não tem objeções à reprodução fac-simile feita por qualquer pessoa do documento de patente ou da divulgação de patente, como aparece nos arquivos ou registros de patentes do Escritório de Patentes e Marcas Registradas, mas reserva todos os direitos autorais ou outros direitos. © 2016 The Climate Corporation.

CAMPO DA DIVULGAÇÃO [002] O campo técnico da presente divulgação inclui sistemas de computador úteis na agricultura. A divulgação também está no campo técnico de sistemas de computador que são programados ou configurados para gerar, com base nas propriedades de um campo agrícola, previsões implementadas por computador de desempenho de rendimento relativo das culturas.

ANTECEDENTES [003] As abordagens descritas nesta seção são abordagens que poderiam ser perseguidas, mas não necessariamente abordagens que foram previamente concebidas ou perseguidas. Portanto, salvo indicação em contrário, não se deve presumir que qualquer uma das abordagens descritas nesta seção se qualifique como estado da técnica meramente em virtude de sua inclusão nesta seção.

[004] Produtividade de rendimento de cultura em um campo

Petição 870190049599, de 27/05/2019, pág. 13/109

2/78 agrícola varia normalmente a partir de uma parte do campo para outra. Portanto, ignorar as variações no rendimento de cultura e, em vez disso, manejar o campo de maneira uniforme resulta, muitas vezes, no uso ineficiente e improdutivo da terra. Existe a necessidade de obter dados que possam ser usados no melhor gerenciamento de campos que tenham rendimento variável.

[005] Alguns métodos para gerenciar um campo agrícola incluem abordagens específicas de local que permitem gerenciar cada parte do campo individualmente. Este tipo de gestão do campo conduz frequentemente a uma colheita de cultura mais abundante e a um uso mais eficientes de equipamento, fertilizantes ou outros aperfeiçoamentos. Portanto, entender as variações e características específicas do campo e desenvolver um sistema de gerenciamento específico de local são frequentemente um prérequisito para aumentar a eficiência no uso de outras tecnologias.

SUMÁRIO [006] As reivindicações anexas podem servir como um resumo da divulgação.

BREVE DESCRIÇÃO DOS DESENHOS [007] Nos desenhos:

a Figura 1 ilustra um exemplo de sistema de computador que é configurado para executar as funções descritas aqui, mostrado em um ambiente de campo com outros aparelhos com os quais o sistema pode interoperar;

a Figura 2 ilustra duas vistas de uma organização lógica de exemplo de conjuntos de instruções na memória principal quando uma aplicação móvel de exemplo é carregada para

Petição 870190049599, de 27/05/2019, pág. 14/109

3/78 execução;

a Figura 3 ilustra um processo programado pelo qual o sistema de computador de inteligência agrícola gera um ou mais modelos agronômicos pré-configurados utilizando dados agronômicos fornecidos por uma ou mais fontes de dados;

a Figura 4 é um diagrama de blocos gue ilustra um sistema de computador 400, no qual uma modalidade da invenção pode ser implementada;

a Figura 5 representa uma modalidade de exemplo de uma vista de linha de tempo para entrada de dados;

a Figura 6 representa uma modalidade de exemplo de uma vista de planilha para entrada de dados;

a Figura 7 é um fluxograma que representa um exemplo de método ou algoritmo para determinar variações de rendimento intracampo com base em dados de propriedades persistentes para um campo agrícola;

a Figura 8 representa uma modalidade de exemplo de filtragem de dados de propriedades persistentes;

a Figura 9 representa uma modalidade de exemplo de préprocessamento de dados de propriedades persistentes.

DESCRIÇÃO DETALHADA [008] Na descrição que segue, para fins de explicação, são apresentados numerosos detalhes específicos de modo a fornecer uma compreensão completa da presente divulgação. Será evidente, no entanto, que as modalidades podem ser praticadas sem estes detalhes específicos. Em outros casos, as estruturas e dispositivos bem conhecidos são mostrados na forma de diagrama de blocos, a fim de evitar obscurecer desnecessariamente a presente divulgação. As modalidades são divulgadas em seções de acordo com o seguinte esquema:

Petição 870190049599, de 27/05/2019, pág. 15/109

4/78

1. VISÃO GERAL

1.1 INTRODUÇÃO

1.2 VISÃO GERAL

2. EXEMPLO DE SISTEMA DE COMPUTADOR DE INTELIGÊNCIA AGRÍCOLA

2.1 VISÃO GERAL ESTRUTURAL

2.2 VISÃO GERAL DO PROGRAMA DE APLICAÇÃO

2.3 INGESTÃO DE DADOS PARA O SISTEMA DE COMPUTADOR

2.4 VISÃO GERAL DO PROCESSO - TREINAMENTO DE MODELO AGRONÔMICO

2.5 IMPLEMENTAÇÃO EXEMPLAR - VISÃO GERAL DO HARDWARE

3. PROPRIEDADES PERSISTENTES DE UM CAMPO AGRÍCOLA

3.1 DADOS DE ATRIBUTOS DE SOLO

3.2 DADOS DE CARACTERÍSTICAS TOPOGRÁFICAS

4. PREPROCESSAMENTO E FILTRAGEM DE DADOS DE PROPRIEDADES PERSISTENTES

4.1 FILTRAGEM DE DADOS DE PROPRIEDADES

PERSISTENTES

4.2 PREPROCESSAMENTO DE DADOS DE PROPRIEDADES PERSISTENTES

4.2.1 INTERPOLAÇÃO ESPACIAL DE DADOS DE ATRIBUTOS DE SOLO

4.2.2 CORRELAÇÃO DE CARACTERÍSTICAS PERSISTENTES

5. DETERMINAÇÃO DE VARIAÇÕES DE RENDIMENTO INTRACAMPO COM BASE NAS PROPRIEDADES DE UM CAMPO AGRÍCOLA

5.1 DETERMINAÇÃO DE VARIAÇÕES DE RENDIMENTO USANDO A ABORDAGEM LASSO

5.2 DETERMINAÇÃO DE VARIAÇÕES DE RENDIMENTO USANDO

Petição 870190049599, de 27/05/2019, pág. 16/109

5/78

UMA ABORDAGEM DE FLORESTA ALEATÓRIA

6. BENEFÍCIOS E EXTENSÕES

1. VISÃO GERAL

1.1 INTRODUÇÃO [009] Certas propriedades de um campo agrícola são referidas como propriedades persistentes ou propriedades permanentes. As propriedades persistentes podem incluir propriedades topológicas de um campo, características geográficas, características do solo, características de elevação e outras. Elas podem ser determinadas ou obtidas com base em mapas de levantamento de solo, dados de amostras de solo, levantamentos topográficos, mapas de solos descobertos e/ou imagens de satélite durante a temporada.

[0010] As propriedades persistentes de um campo agrícola normalmente variam dentro do campo de uma parte do campo para outra e, portanto, as variações das propriedades podem ser usadas para identificar subcampos dentro do campo. Cada subcampo no campo pode ter pelo menos uma propriedade persistente que distingue esse subcampo de pelo menos outros subcampos no campo.

[0011] Conhecer as propriedades persistentes dos subcampos de um campo agrícola pode ser usado no desenvolvimento de práticas agrícolas que são personalizadas especificamente para cada subcampo individual. A personalização das práticas é desejável, porque pode levar a uma maior colheita e eficiência no uso de recursos.

[0012] Informações sobre o desempenho de rendimento para cada subcampo individual fornecem uma visão valiosa para um produtor. No entanto, os dados de desempenho de rendimento relativo, como opostos aos dados de desempenho de

Petição 870190049599, de 27/05/2019, pág. 17/109

6/78 rendimento absoluto, são ainda mais valiosos para um produtor porque pode ajudar o produtor a melhorar seu plano personalizado para cultivar o campo.

[0013] Os benefícios adicionais da utilização de dados de desempenho de rendimento relativo determinados para subcampos, como oposto à utilização de dados de desempenho de rendimento absoluto, é que revela a recorrência de padrões de rendimento espacial dentro de um campo melhor do que os dados absolutos. Além disso, os dados de desempenho de rendimento relativo permitem usar os registros de rendimento de diferentes culturas sem limitações ou restrições. Além disso, os dados de desempenho de rendimento relativo são mais resistentes a discrepâncias que estão comumente presentes nos dados de rendimento absoluto. Além disso, os dados de desempenho de rendimento relativo são fáceis de obter. Por exemplo, os dados de desempenho de rendimento relativo podem ser obtidos convertendo dados de desempenho de rendimento absoluto em dados de desempenho de rendimento relativo usando a transformação de quantil normal (NQT).

[0014] Em uma modalidade, os dados de desempenho de rendimento relativo para subcampos agrícolas, também referidos como dados de variações de rendimento intracampo, são determinados com base em dados de desempenho de rendimento absoluto, que por sua vez são determinados com base em características topológicas, geográficas e outras características persistentes do campo e o solo, e não com base nos dados de desempenho de rendimento histórico.

[0015] Em uma modalidade, a informação sobre variações de rendimento intracampo através de subcampos de um campo agrícola é utilizada para controlar automaticamente

Petição 870190049599, de 27/05/2019, pág. 18/109

7/78 um sistema de computador que gere certas práticas agronômicas, como semeadura, irrigação, aplicação de nitrogênio e/ou colheita. Por exemplo, as variações de rendimento intracampo através dos subcampos podem ser usadas para determinar recomendações para fertilizar cada subcampo individual de uma maneira que seja apropriada para uma estrutura de matéria fisica do subcampo individual.

1.2 VISÃO GERAL [0016] Em uma modalidade, é apresentada uma abordagem para determinar as variações de rendimento intracampo com base nas características do solo e imagens de satélite. A abordagem pode ser implementada em qualquer dispositivo de computação. Por exemplo, a abordagem pode ser implementada em um servidor de computador, uma estação de trabalho, um laptop, um smartphone ou qualquer outro dispositivo eletrônico configurado para receber, transmitir ou processar dados eletrônicos.

[0017] Em uma modalidade, uma abordagem compreende receber dados de propriedades permanentes para uma pluralidade de subcampos agricolas de um campo agrícola. Os dados de propriedades permanentes para os subcampos podem compreender dados de propriedades de solo, mapas de levantamento de solo, dados de propriedades topográficas, mapas de solo descoberto e/ou imagens de satélite. Os dados de propriedade de solo podem compreender dados de medição de solo. Os dados de propriedades topográficas podem compreender dados de elevação e dados de propriedades associados a elevação.

[0018] A abordagem também pode incluir a determinação de se pelo menos um item de dados está faltando

Petição 870190049599, de 27/05/2019, pág. 19/109

8/78 para qualquer um dos subcampos nos dados de propriedades permanentes. Em resposta à determinação de que pelo menos um item de dados está faltando nos dados de propriedades permanentes, um valor para o item de dados faltante pode ser gerado pela interpelação e/ou agregação de dois ou mais registros de dados nos dados de propriedades permanentes. Os dados de propriedades permanentes resultantes também são referenciados a dados de propriedades permanentes préprocessados.

[0019] Em uma modalidade, com base, pelo menos em parte, nos dados de propriedades permanentes préprocessados, são gerados dados de propriedades permanentes filtrados. Os dados de propriedades permanentes filtrados podem ser gerados através da remoção, a partir dos dados de propriedades permanentes pré-processados, de determinados registros de dados. Esses registros podem incluir os registros dos subcampos nos quais duas ou mais culturas foram cultivadas no mesmo ano, os registros que são duplicativos uns dos outros, as discrepâncias e similares.

[0020] Em uma modalidade, um operador de regressão é aplicado aos dados de propriedades permanentes filtrados para determinar uma pluralidade de valores de variações intracampo. Os valores de variações intracampo representam variações no rendimento previsto da colheita colhida nos

subcampos. Os	valores de variações intracampo podem ser
armazenados na	memória de computador.
[0021]	Em uma modalidade, a aplicação de um operador

de regressão inclui a aplicação de um Operador de Seleção e

Encurtamento de Mínimo Absoluto (LASSO) aos dados de propriedades permanentes filtrados para determinar a

Petição 870190049599, de 27/05/2019, pág. 20/109

9/78 pluralidade de valores de variações intracampo.

[0022] Em uma modalidade, a aplicação de um operador de regressão inclui a aplicação de um operador de floresta aleatória (RF) aos dados de propriedades permanentes filtrados para determinar a pluralidade de valores de variações intracampo.

[0023] Em uma modalidade, com base, pelo menos em parte, na pluralidade de valores de variações intracampo, é determinada uma pluralidade de padrões de rendimento do rendimento previsto da colheita colhida a partir dos subcampos e armazenados na memória de computador.

[0024] Em uma modalidade, valores de variações intracampo são usados para controlar automaticamente um sistema de controle de computador para gerenciar um ou mais de: semeadura, irrigação, aplicação de nitrogênio ou colheita.

2. EXEMPLO DE SISTEMA DE COMPUTADOR DE INTELIGÊNCIA AGRÍCOLA

2.1 VISÃO GERAL ESTRUTURAL [0025] A Figura 1 ilustra um exemplo de sistema de computador que é configurado para executar as funções descritas aqui, mostrado em um ambiente de campo com outros aparelhos com os quais o sistema pode interoperar. Em uma modalidade, um usuário 102 possui, opera ou tem a posse de um dispositivo de computação de gerenciador de campo 104 em uma localização de campo ou associado a uma localização de campo tal como um campo destinado a atividades agrícolas ou uma localização de gestão para um ou mais campos agrícolas. O dispositivo de computador de gerenciador de campo 104 é programado ou configurado para fornecer dados de campo 106

Petição 870190049599, de 27/05/2019, pág. 21/109

10/78 a um sistema de computador de inteligência agricola 130 através de uma ou mais redes 109.

[0026] Exemplos de dados de campo 106 incluem (a) dados de identificação (por exemplo, área, nome de campo, identificadores de campo, identificadores geográficos, identificadores de fronteira, identificadores de cultura e quaisquer outros dados adequados que possam ser usados para identificar terras de fazenda, como uma unidade de terra comum (CLU), número de lote e bloco, um número de parte da propriedade, coordenadas geográficas e fronteiras, Número de Série de Fazenda (FSN), número de fazenda, número de área, número de campo, seção, municipio e/ou faixa, (b) dados de colheita (por exemplo, tipo de cultura, variedade de cultura, rotação de cultura, se a cultura é cultivada organicamente, data da colheita, Histórico de Produção Real (APH), rendimento esperado, rendimento, preço de cultura, receita de cultura, umidade dos grãos, prática de lavoura e informação de estação de crescimento anterior), (c) dados do solo (por exemplo, tipo, composição, pH, matéria orgânica (OM) , capacidade de troca de cátions (CEC)), (d) dados de plantio (por exemplo, data de plantio, tipo de semente (s), maturidade relativa (RM) da(s) semente (s) plantada(s), população de sementes), (e) dados de fertilizantes (por exemplo, tipo de nutriente (nitrogênio, fósforo, potássio), tipo de aplicação, data de aplicação, quantidade, fonte, método), (f) dados de pesticidas (por exemplo, pesticidas, herbicidas, fungicidas, outras substâncias ou misturas de substâncias destinadas a serem utilizadas como um regulador vegetal, desfolhante ou dessecante, data de aplicação, quantidade, fonte, método), (g) dados de irrigação (por

Petição 870190049599, de 27/05/2019, pág. 22/109

11/78 exemplo, data de aplicação, quantidade, fonte, método), (h) dados meteorológicos (por exemplo, precipitação, taxa de chuva, precipitação prevista, região de taxa de escoamento de água, temperatura, vento, previsão, pressão, visibilidade, nuvens, indice de calor, ponto de orvalho, umidade, profundidade da neve, qualidade do ar, nascer do sol, pôr do sol) , (i) dados de imagens (por exemplo, informação de espectro de imagens e luz de um sensor de aparelho agrícola, câmera, computador, smartphone, tablet, veiculo aéreo não tripulado, aviões ou satélite), (j) observações de reconhecimento (fotos, videos, notas de forma livre, gravações de voz, transcrições de voz, condições climáticas (temperatura, precipitação (atual e ao longo do tempo), umidade do solo, estágio de crescimento de cultura, velocidade do vento, umidade relativa, ponto de orvalho, camada preta)), e k) solo, semente, fenologia de cultura, relatórios de pragas e doenças, e fontes de previsão e bancos de dados.

[0027] Um computador servidor de dados 108 é comunicativamente acoplado ao sistema de computador de inteligência agrícola 130 e é programado ou configurado para enviar dados externos 110 para o sistema de computador de inteligência agrícola 130 através da(s) rede(s) 109. O computador servidor de dados externo 108 pode ser possuído ou operado pela mesma pessoa jurídica ou entidade que o sistema de computador de inteligência agrícola 130, ou por uma pessoa ou entidade diferente, tal como uma agência governamental, organização não governamental (ONG) e/ou um fornecedor privado de serviços de dados. Exemplos de dados externos incluem dados meteorológicos, dados de imagens,

Petição 870190049599, de 27/05/2019, pág. 23/109

12/78 dados de solo ou dados estatísticos relacionados ao rendimento de culturas, entre outros. Os dados externos 110 podem consistir no mesmo tipo de informação que os dados de campo 106. Em algumas modalidades, os dados externos 110 são fornecidos por um servidor de dados externo 108 pertencente à mesma entidade que possui e/ou opera o sistema de computador de inteligência agrícola 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 poderíam, de outro modo, ser obtidos de fontes de terceiros, tais como dados meteorológicos. Em algumas modalidades, um servidor de dados externo 108 pode realmente ser incorporado dentro do sistema 130.

[0028] Um aparelho agrícola 111 pode ter um ou mais sensores remotos 112 nele fixados, sensores esses que são comunicativamente acoplados, direta ou indiretamente via aparelho agrícola 111 ao sistema de computador de inteligência agrícola 130 e são programados ou configurados para enviar dados de sensores ao sistema de computador de inteligência agrícola 130. Exemplos de aparelhos agrícolas 111 incluem tratores, ceifeiras, colheitadeiras, plantadores, caminhões, equipamento fertilizador, veículos aéreos não tripulados, e qualquer outro item de maquinaria física ou hardware, tipicamente maquinaria móvel, e que pode ser usado em tarefas associadas à agricultura. Em algumas modalidades, uma única unidade do aparelho 111 pode compreender uma pluralidade de sensores 112 que são acoplados localmente em uma rede no aparelho; rede de área do controlador (CAN) é um exemplo dessa rede que pode ser instalada em ceifeiras ou colheitadeiras. O controlador de

Petição 870190049599, de 27/05/2019, pág. 24/109

13/78 aplicação 114 é acoplado comunicativamente ao sistema de computador de inteligência agrícola 130 através da(s) rede(s) 109 e é programado ou configurado para receber um ou mais scripts para controlar um parâmetro operacional de um veículo ou implemento agrícola a partir do sistema de computador de inteligência agrícola 130. Por exemplo, uma interface de barramento de rede de área do controlador (CAN) pode ser usada para permitir comunicações a partir do sistema de computador de inteligência agrícola 130 para o aparelho agrícola 111, tal como o modo CLIMATE FIELDVIEW DRIVE, disponibilizado pela The Climate Corporation, San Francisco, Califórnia, é usada. Os dados de sensor podem consistir no mesmo tipo de informação que os dados de campo 10 6. Em algumas modalidades, os sensores remotos 112 podem não ser fixados a um aparelho agrícola 111, mas podem estar localizados remotamente no campo e podem comunicar com a rede 109.

[0029] O aparelho 111 pode compreender um computador de cabine 115 que é programado com uma aplicação de cabine, que pode compreender uma versão ou variante da aplicação móvel para o dispositivo 104 que é descrita adicionalmente em outras seções aqui. Em uma modalidade, o computador da cabine 115 compreende um computador compacto, frequentemente um computador ou smartphone do tamanho de um tablet, com uma exibição gráfica, tal como uma exibição a cores, que é montada dentro da cabine de um operador 111. O computador de cabine 115 pode implementar algumas ou todas as operações e funções que são aqui descritas mais adiante para o dispositivo de computador móvel 104.

[0030] A(s) rede(s) 109 representa, em termos

Petição 870190049599, de 27/05/2019, pág. 25/109

14/78 gerais, qualquer combinação de uma ou mais redes de comunicação de dados, incluindo redes de área local, redes de área ampla, trabalhos de rede ou internets, utilizando qualquer um de enlaces com ou sem fio, incluindo enlaces terrestres ou de satélite. A(s) rede(s) pode ser implementada por qualquer meio ou mecanismo que proporcione a troca de dados entre os vários elementos da Figura 1. Os vários elementos da Figura 1 também podem ter enlaces de comunicação diretos (com ou sem fio) . Os sensores 112, o controlador 114, o computador servidor de dados externo 108 e outros elementos do sistema compreendem, cada um, uma interface compatível com a(s) rede(s) 109 e são programados ou configurados para utilizar protocolos padronizados de comunicação através das redes, tais como TCP/IP, Bluetooth, Protocolo CAN e protocolos de camada superior, como HTTP, TLS, e semelhantes.

[0031] Sistema de computador de inteligência agrícola 130 é programado ou configurado para receber dados de campo 106 do dispositivo de computação de gerenciador de campo 104, dados externos 110 do computador servidor de dados externo 108, e dados de sensor do sensor remoto 112. Sistema de computador de inteligência agrícola 130 pode ser ainda configurado para hospedar, usar ou executar um ou mais programas de computador, outros elementos de software, lógica digitalmente programada, como FPGAs ou ASICs, ou qualquer combinação dos mesmos para realizar a conversão e armazenamento de valores de dados, construção de modelos digitais de uma ou mais culturas em um ou mais campos, geração de recomendações e notificações, e geração e envio de scripts para o controlador de aplicação 114, da maneira

Petição 870190049599, de 27/05/2019, pág. 26/109

15/78 descrita mais adiante em outras seções desta divulgação.

[0032] Em uma modalidade, o sistema de computador de inteligência agrícola 130 é programado com ou compreende uma camada de comunicação 132, camada de apresentação 134, camada de gestão de dados 140, camada de hardware/virtualização 150, e repositório de dados de modelo e campo 160. Camada, neste contexto, refere-se a qualquer combinação de circuitos de interface digital eletrônica, microcontroladores, firmware, como controladores e/ou programas de computador ou outros elementos de software.

[0033] A camada de comunicação 132 pode ser programada ou configurada para executar funções de interface de entrada/saída, incluindo solicitações de envio ao dispositivo de computação de gerenciador de campo 104, computador servidor de dados externo 108 e sensor remoto 112 para dados de campo, dados externos e dados de sensor respectivamente. A camada de comunicação 132 pode ser programada ou configurada para enviar os dados recebidos para o repositório de dados de modelo e campo 160 para serem armazenados como dados de campo 106.

[0034] A camada de apresentação 134 pode ser programada ou configurada para gerar uma interface gráfica de usuário (GUI) a ser exibida no dispositivo de computação de gerenciador de campo 104, computador de cabine 115 ou outros computadores que são acoplados ao sistema 130 através da rede 109. A GUI pode compreender controles para entrada de dados a serem enviados para o sistema de computador de inteligência agrícola 130, gerar pedidos de modelos e/ou recomendações, e/ou exibir recomendações, notificações, modelos e outros dados de campo.

Petição 870190049599, de 27/05/2019, pág. 27/109

16/78 [0035] A camada de gerenciamento de dados 140 pode ser programada ou configurada para gerenciar operações de leitura e operações de gravação envolvendo o repositório 160 e outros elementos funcionais do sistema, incluindo consultas e conjuntos de resultados comunicados entre os elementos funcionais do sistema e o repositório. Exemplos de camada de gerenciamento de dados 140 incluem JDBC, código de interface de servidor SQL e/ou código de interface HADOOP, entre outros. O repositório 160 pode compreender um banco de dados. Como usado aqui, o termo banco de dados pode referir-se a um corpo de dados, a um sistema de gestão de banco de dados relacionai (RDBMS) ou a ambos. Como usado aqui, um banco de dados pode compreender qualquer coleção de dados incluindo bancos de dados hierárquicos, bancos de dados relacionais, bancos de dados de arquivos simples, bancos de dados de objeto-relacionais, bancos de dados orientados a objetos e qualquer outra coleção estruturada de registros ou dados que são armazenados em um sistema de computador. Exemplos de RDBMSs incluem, mas não são limitados a incluir, bancos de dados ORACLE, MYSQL, IBM® DB2, MICROSOFT® SQL SERVER, SYBASE® e POSTGRESQL. No entanto, qualquer banco de dados pode ser usado para habilitar os sistemas e métodos descritos aqui.

[0036] Quando os dados de campo 106 não são fornecidos diretamente ao sistema de computador de inteligência agrícola através de uma ou mais máquinas agrícolas ou dispositivos de máquinas agrícolas que interagem com o sistema de computador de inteligência agrícola, o usuário pode ser solicitado através de uma ou mais interfaces de usuário no dispositivo de usuário (servido

Petição 870190049599, de 27/05/2019, pág. 28/109

17/78 pelo sistema de computador de inteligência agrícola) para introduzir essa informação. Em uma modalidade de exemplo, o usuário pode especificar dados de identificação, acessando um mapa no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola) e selecionando CLUs específicas que foram mostradas graficamente no mapa. Em uma modalidade alternativa, o usuário 102 pode especificar dados de identificação por acessar um mapa no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola 130) e desenhando fronteiras do campo sobre o mapa. Tal seleção de CLU ou desenhos de mapa representam identificadores geográficos. Em modalidades alternativas, o usuário pode especificar dados de identificação acessando dados de identificação de campo (fornecidos como arquivos de forma ou em um formato similar) a partir da Agência de Serviços Agrícolas do Departamento de Agricultura dos EUA ou outra fonte via dispositivo de usuário e fornecendo esses dados de identificação de campo ao sistema de computador de inteligência agrícola.

[0037] Em uma modalidade de exemplo, o sistema de computador de inteligência agrícola 130 é programado para gerar e causar a exibição de uma interface gráfica de usuário compreendendo um gerenciador de dados para entrada de dados. Depois de um ou mais campos terem sido identificados usando os métodos descritos acima, o gerenciador de dados pode fornecer um ou mais widgets de interface gráfica de usuário que, quando selecionados, podem identificar alterações nas práticas de campo, solo, culturas, lavouras ou nutrientes. O gerenciador de dados pode incluir uma visualização de linha do tempo, uma visualização de planilha e/ou um ou mais

Petição 870190049599, de 27/05/2019, pág. 29/109

18/78 programas editáveis.

[0038] A Figura 5 representa uma modalidade de exemplo de uma vista de linha do tempo para entrada de dados. Utilizando a exibição representada na Figura 5, um computador de usuário pode inserir uma seleção de um campo específico e uma data específica para a adição de evento. Eventos descritos no topo da linha do tempo podem incluir Nitrogênio, Plantio, Práticas e Solo. Para adicionar um evento de aplicação de nitrogênio, um computador de usuário pode fornecer entrada para selecionar a aba de nitrogênio. O computador de usuário pode então selecionar uma localização na linha do tempo para um campo específico a fim de indicar uma aplicação de nitrogênio no campo selecionado. Em resposta a receber uma seleção de uma localização na linha do tempo de um campo específico, o gerenciador de dados pode exibir uma sobreposição de entrada de dados, permitindo que o computador de usuário insira dados referentes a aplicações de nitrogênio, procedimentos de plantio, aplicação de solo, procedimentos de lavoura, práticas de irrigação, ou outras informações relacionadas ao campo específico. Por exemplo, se um computador de usuário seleciona uma parte da linha do tempo e indica uma aplicação de nitrogênio, então a sobreposição de entrada de dados pode incluir campos para inserir uma quantidade de nitrogênio aplicada, uma data de aplicação, um tipo de fertilizante usado, e qualquer outra informação relacionada à aplicação de nitrogênio.

[0039] Em uma modalidade, o gerenciador de dados fornece uma interface para criar um ou mais programas.

Programa, neste contexto, refere-se a um conjunto de dados referentes a aplicações de nitrogênio, procedimentos de

Petição 870190049599, de 27/05/2019, pág. 30/109

19/78 plantio, aplicação de solo, procedimentos de lavoura, práticas de irrigação ou outras informações que podem estar relacionadas a um ou mais campos e que podem ser armazenadas em armazenamento de dados digitais para reutilização como um conjunto em outras operações. Após a criação de um programa, ele pode ser aplicado conceitualmente a um ou mais campos e as referências ao programa podem ser armazenadas em armazenamento digital em associação com os dados que identificam os campos. Assim, em vez de inserir manualmente dados idênticos relacionados às mesmas aplicações de nitrogênio para vários campos diferentes, um computador de usuário pode criar um programa que indica uma aplicação especifica de nitrogênio e depois aplicar o programa a vários campos diferentes. Por exemplo, em vista da linha do tempo da Figura 5, as duas linhas do tempo superiores têm o programa Outono aplicado selecionado, que inclui uma aplicação de 150 libras N/ac (168,13 kg N/ha) no inicio de

abril. 0	gerenciador de dados	pode	fornecer uma	interface
para editar um programa. Em	uma	modalidade,	quando um
programa	especifico é editado,	cada	campo que se	lecionou o
programa	especifico é editado.	Por exemplo, na Fi	gura 5, se
o programa Outono aplicado	for	editado para	reduzir a
aplicação	de nitrogênio para	130	libras N/ac	(145,71 kg

N/ha), os dois campos superiores podem ser atualizados com uma aplicação reduzida de nitrogênio com base no programa editado.

[0040] Em uma modalidade, em resposta a receber edições em um campo que tenha um programa selecionado, o gerenciador de dados remove a correspondência do campo para o programa selecionado. Por exemplo, se uma aplicação de

Petição 870190049599, de 27/05/2019, pág. 31/109

20/78 nitrogênio é adicionada ao campo superior na Figura 5, a interface pode ser atualizada para indicar que o programa Outono aplicado não está mais sendo aplicado ao campo superior. Embora a aplicação de nitrogênio no inicio de abril possa permanecer, as atualizações do programa Outono aplicado não alterariam a aplicação de nitrogênio em abril.

[0041] A Figura 6 representa uma modalidade de exemplo de uma vista de planilha para entrada de dados. Utilizando a exibição representada na Figura 6, um usuário pode criar e editar informação para um ou mais campos. O gerenciador de dados pode incluir planilhas para introduzir informação em relação a Nitrogênio, Plantio, Práticas e Solo, como representado na Figura 6. Para editar uma entrada especifica, um computador de usuário pode selecionar a entrada especifica na planilha e atualizar os valores. Por exemplo, a Figura 6 mostra uma atualização em andamento para um valor de rendimento alvo para o segundo campo. Além disso, um computador de usuário pode selecionar um ou mais campos para aplicar um ou mais programas. Em resposta à recepção de uma seleção de um programa para um campo especifico, o gerenciador de dados pode preencher automaticamente as entradas para o campo especifico com base no programa selecionado. Assim como na visualização de linha do tempo, o gerenciador de dados pode atualizar as entradas para cada campo associado a um programa especifico em resposta a receber uma atualização para o programa. Além disso, o gerenciador de dados pode remover a correspondência do programa selecionado para o campo em resposta à recepção de uma edição em uma das entradas do campo.

[0042] Em uma modalidade, os dados de modelo e de

Petição 870190049599, de 27/05/2019, pág. 32/109

21/78 campo são armazenados no repositório de dados de modelo e 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 construído digitalmente do desenvolvimento de uma cultura em um ou mais campos. Modelo, neste contexto, refere-se a um conjunto eletrônico digitalmente armazenado de instruções executáveis e valores de dados, associados uns aos outros, que são capazes de receber e responder a uma chamada programática ou outra chamada digital, invocação ou solicitação para resolução com base em valores de entrada especificados, para produzir um ou mais valores de saída armazenados que podem servir como base de recomendações implementadas por computador, exibições de dados de saída, ou controle de máquina, entre outras coisas. Pessoas habilitadas no campo acham conveniente expressar modelos usando equações matemáticas, mas essa forma de expressão não limita os modelos aqui divulgados a conceitos abstratos; em vez disso, cada modelo aqui tem uma aplicação prática em um computador na forma de instruções executáveis armazenadas e dados que implementam o modelo usando o computador. Os dados de modelo podem incluir um modelo de eventos passados em um ou mais campos, um modelo do estado atual do um ou mais campos, e/ou um modelo de eventos previstos em um ou mais campos. Dados de modelo e campo podem ser armazenados em estruturas de dados na memória, linhas em uma tabela de banco de dados, em arquivos simples ou planilhas, ou outras formas de dados digitais armazenados.

[0043] A camada de hardware/virtualização 150 compreende uma ou mais unidades de processamento central

Petição 870190049599, de 27/05/2019, pág. 33/109

22/78 (CPUs), controladores de memória e outros dispositivos, componentes ou elementos de um sistema de computador, como memória volátil ou não volátil, armazenamento não volátil, como disco, e dispositivos de E/S ou interfaces como ilustrado e descrito, por exemplo, em conexão com a Figura 4. A camada 150 também pode compreender instruções programadas que são configuradas para suportar virtualização, conteinerização ou outras tecnologias.

[0044] Para fins de ilustrar um exemplo claro, a Figura 1 mostra um número limitado de instâncias de certos elementos funcionais. No entanto, em outras modalidades, pode haver qualquer número desses elementos. Por exemplo, as modalidades podem usar milhares ou milhões de diferentes dispositivos de computação móveis 104 associados a diferentes usuários. Além disso, o sistema 130 e/ou o computador servidor de dados externo 108 podem ser implementados usando dois ou mais processadores, núcleos, agrupamentos ou instâncias de máquinas físicas ou máquinas virtuais, configurados em uma localização discreta ou colocalizados com outros elementos em um centro de dados, instalação de computação compartilhada ou instalação de computação em nuvem.

2.2 VISÃO GERAL DO PROGRAMA DE APLICAÇÃO [0045] Em uma modalidade, a implementação das funções descritas aqui usando um ou mais programas de computador ou outros elementos de software que são carregados e executados usando um ou mais computadores de uso geral farão com que os computadores de uso geral sejam configurados como uma máquina específica ou como um computador que é especialmente adaptado para executar as funções descritas

Petição 870190049599, de 27/05/2019, pág. 34/109

23/78 aqui. Além disso, cada um dos fluxogramas que são descritos 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, juntos pretendem fornecer a divulgação de algoritmos, planos ou direções que são suficientes para permitir que uma pessoa qualificada possa programar um computador para executar as funções descritas aqui, em combinação com a habilidade e conhecimento de tal pessoa, dado o nível de habilidade que é apropriado para invenções e divulgações deste tipo.

[0046] Em uma modalidade, o usuário 102 interage com o sistema de computador de inteligência agrícola 130 utilizando o dispositivo de computação de gerenciador de campo 104 configurado com um sistema operacional e um ou mais programas de aplicação ou aplicações; o dispositivo de computação de gerenciador de campo 104 também pode interoperar com o sistema de computador de inteligência agrícola independentemente e automaticamente sob o controle do programa ou controle lógico e a interação de usuário direta nem sempre é necessária. O dispositivo de computação de gerenciador de campo 104 representa, em geral, um ou mais de um smartphone, PDA, dispositivo de computação tipo tablet, laptop, computador de mesa, estação de trabalho, ou qualquer outro dispositivo de computação capaz de transmitir e receber informação e executar as funções aqui descritas. O dispositivo de computador de gerenciador de campo 104 pode comunicar através de uma rede utilizando uma aplicação móvel

Petição 870190049599, de 27/05/2019, pág. 35/109

24/78 armazenada no dispositivo de computador de gerenciador de campo 104, e em algumas modalidades, o dispositivo pode ser acoplado utilizando um cabo 113 ou conector 112 e/ou controlador 114. O usuário particular 102 pode possuir, operar ou ter a posse e utilizar, em conexão com o sistema 130, mais do que um dispositivo de computação de gerenciador de campo 104 de cada vez.

[0047] A aplicação móvel pode fornecer funcionalidade de lado de cliente, através da rede para um ou mais dispositivos de computação móveis. Em uma modalidade de exemplo, o dispositivo de computação de gerenciador de campo 104 pode acessar a aplicação móvel através de um navegador da web ou de uma aplicação ou aplicativo de cliente local. O dispositivo de computação de gerenciador de campo 104 pode transmitir dados para, e receber dados de, um ou mais servidores de terminal frontal, utilizar protocolos ou formatos baseados na web como HTTP, XML e/ou JSON, ou protocolos específicos de aplicativos. Em uma modalidade de exemplo, os dados podem tomar a forma de solicitações e entrada de informação de usuário, como dados de campo, no dispositivo de computação móvel. Em algumas modalidades, a aplicação móvel interage com o hardware e software de rastreamento de localização no dispositivo de computação de gerenciador de campo 104 que determina a localização do dispositivo de computação de gerenciador de campo 104 usando técnicas de rastreamento padrão, como multilateração de sinais de rádio, o sistema de posicionamento global (GPS), sistemas de posicionamento por Wi-Fi, ou outros métodos de posicionamento móvel. Em alguns casos, os dados de localização ou outros dados associados ao dispositivo 104,

Petição 870190049599, de 27/05/2019, pág. 36/109

25/78 usuário 102 e/ou conta(s) de usuário podem ser obtidos por meio de consultas a um sistema operacional do dispositivo ou por solicitar que um aplicativo no dispositivo obtenha dados a partir do sistema operacional.

[0048] Em uma modalidade, dispositivo de computação de gerenciador de campo 104 envia dados de campo 106 para sistema de computador de inteligência agricola 130 compreendendo ou incluindo, mas não limitado a, valores de dados representando um ou mais de: uma localização geográfica do um ou mais campos, informação de lavoura para um ou mais campos, culturas plantadas no um ou mais campos, e dados de solo extraídos do um ou mais campos. O dispositivo de informação de gerenciador de campo 104 pode enviar dados de campo 106 em resposta à entrada de usuário a partir do usuário 102 especificando os valores de dados para o um ou mais campos. Adicionalmente, o dispositivo de computação de gerenciador de campo 104 pode enviar automaticamente dados de campo 106 quando um ou mais dos valores de dados ficam disponíveis para o dispositivo de computação de gerenciador de campo 104. Por exemplo, o dispositivo de computação de gerenciador de campo 104 pode ser comunicativamente acoplado ao sensor remoto 112 e/ou controlador de aplicação 114. Em resposta à recepção de dados indicando que o controlador de aplicação 114 liberou água para o um ou mais campos, o dispositivo de computação de gerenciador de campo 104 pode enviar dados de campo 106 ao sistema de computador de inteligência agricola 130 indicando que a água foi liberada no um ou mais campos. Dados de campo 106 identificados nesta divulgação podem ser introduzidos e comunicados usando dados digitais eletrônicos que são comunicados entre dispositivos

Petição 870190049599, de 27/05/2019, pág. 37/109

26/78 de computação usando URLs parametrizadas sobre HTTP, ou outro protocolo de comunicações ou de mensagem adequado.

[0049] Um exemplo comercial da aplicação móvel é CLIMATE FIELD VIEW, disponível comercialmente pela The Climate Corporation, São Francisco, Califórnia. A aplicação CLIMATE FIELD VIEW, ou outras aplicações, podem ser modificadas, estendidas ou adaptadas para incluir recursos, funções e programação que não tenham sido divulgados antes da data de apresentação desta divulgação. Em uma modalidade, a aplicação móvel compreende uma plataforma de software integrada que permite a um produtor tomar decisões baseadas em fatos para a sua operação porque combina dados históricos sobre os campos do produtor com quaisquer outros dados que o produtor deseje comparar. As combinações e comparações podem ser realizadas em tempo real e são baseadas em modelos científicos que fornecem cenários potenciais para permitir que o produtor tome decisões melhores e mais informadas.

[0050] A Figura 2 ilustra duas vistas de uma organização lógica de exemplo de conjuntos de instruções na memória principal quando uma aplicação móvel de exemplo é carregada para execução. Na Figura 2, cada elemento nomeado representa uma região de uma ou mais páginas de RAM ou outra memória principal, ou um ou mais blocos de armazenamento em disco ou outro armazenamento não volátil, e as instruções programadas dentro dessas regiões. Em uma modalidade, em vista (a), uma aplicação de computador móvel 200 compreende instruções de compartilhamento de ingestão de dados de campos de conta 202, instruções de visão geral e alerta 204, instruções de livro de mapa digitais 206, instruções de sementes e plantio 208, instruções de nitrogênio 210,

Petição 870190049599, de 27/05/2019, pág. 38/109

27/78 instruções de condições meteorológicas 212, instruções de saúde de campo 214 e instruções de desempenho 216.

[0051] Em uma modalidade, uma aplicação de computador móvel 200 compreende instruções de compartilhamento de ingestão de dados de campos de conta 202 que são programadas para receber, traduzir e ingerir dados de campo a partir de sistemas de terceiros via carregamento manual ou APIs. Os tipos de dados podem incluir fronteiras de campo, mapas de rendimento, mapas como plantado, resultados de testes de solo, mapas como aplicado e/ou zonas de gerenciamento, entre outros. Os formatos de dados podem incluir arquivos de forma, formatos de dados nativos de terceiros, e/ou exportações de sistema de informação de gerenciamento de fazenda (FMIS), entre outros. A recepção de dados pode ocorrer por meio de carregamento manual, e-mail com anexo, APIs externas que enviam dados à aplicação móvel ou instruções que chamam APIs de sistemas externos para extrair dados para a aplicação móvel. Em uma modalidade, a aplicação de computador móvel 200 compreende uma caixa de entrada de dados. Em resposta à recepção de uma seleção da caixa de entrada de dados, a aplicação de computador móvel 200 pode exibir uma interface gráfica de usuário para fazer o carregamento manual de arquivos de dados e importar arquivos enviados para um gerenciador de dados.

[0052] Em uma modalidade, as instruções de livro de mapa digitais 20 6 compreendem camadas de dados de mapa de campo armazenadas na memória de dispositivo e são programadas com ferramentas de visualização de dados e notas de campo geoespaciais. Isso fornece aos produtores informação conveniente à mão para referência, registros e sugestões

Petição 870190049599, de 27/05/2019, pág. 39/109

28/78

visuais para	desempenho	do	campo.	Em uma	modalidade,
instruções de	visão geral	e	de alerta	204 são	programadas
para fornecer	uma visão	de	toda a	operação	do que é

importante para o produtor, e recomendações atempadas para agir ou focar em questões especificas. Isso permite que o produtor concentre o tempo no que precisa de atenção, para economizar tempo e preservar o rendimento durante toda a estação. Em uma modalidade, instruções de sementes e plantio 208 são programadas para fornecer ferramentas para seleção de sementes, colocação hibrida, e criação de script, incluindo criação de script de taxa variável (VR), com base em modelos científicos e dados empíricos. Isso permite que os produtores maximizem o rendimento ou o retorno do investimento por meio da compra, colocação e população de sementes otimizadas.

[0053] Em uma modalidade, as instruções de geração de script 205 são programadas para fornecer uma interface para gerar scripts, incluindo scripts de fertilidade de taxa variável (VR). A interface permite que os produtores criem scripts para implementos de campo, como aplicações de nutrientes, plantio e irrigação. Por exemplo, uma interface de script de plantio pode incluir ferramentas para identificar um tipo de semente para plantio. Ao receber uma seleção do tipo de semente, a aplicação de computador móvel 200 pode exibir um ou mais campos divididos em zonas de gerenciamento, como as camadas de dados de mapa de campo criadas como parte das instruções de livro de mapa digitais 206. Em uma modalidade, as zonas de gestão compreendem zonas de solo juntamente com um painel identificando cada zona de solo e um nome de solo, textura, drenagem para cada zona, ou

Petição 870190049599, de 27/05/2019, pág. 40/109

29/78 outros dados de campo. A aplicação de computador móvel 200 também pode exibir ferramentas para edição ou criação de tais, como ferramentas gráficas para desenhar zonas de gerenciamento, como zonas de 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 podem ser aplicados a diferentes subconjuntos de zonas de gerenciamento. Quando um script é criado, a aplicação de computador móvel 200 pode disponibilizar o script para descarregamento em um formato legível por um controlador de aplicação, como um formato arquivado ou compactado. Adicionalmente e/ou alternativamente, um script pode ser enviado diretamente para o computador de cabine 115 a partir da aplicação de computador móvel 200 e/ou carregado para um ou mais servidores de dados e armazenado para uso adicional. Em uma modalidade, as instruções de nitrogênio 210 são programadas para fornecer ferramentas para informar as decisões de nitrogênio por visualizar a disponibilidade de nitrogênio nas culturas. Isso permite que os produtores maximizem o rendimento ou o retorno do investimento por meio da aplicação de nitrogênio otimizada durante a estação. Exemplos de funções programadas incluem a exibição de imagens como imagens SSURGO para permitir o desenho de zonas de aplicação e/ou imagens geradas a partir de dados de solo de subcampo, como dados obtidos de sensores, em alta resolução espacial (tão alta quanto 10 metros ou menor por causa de sua proximidade para o solo); carregamento de zonas definidas por produtor existentes; fornecer um gráfico de aplicação e/ou um mapa para permitir aplicação (ões) de sintonia de nitrogênio através de múltiplas zonas; saída de scripts para

Petição 870190049599, de 27/05/2019, pág. 41/109

30/78 dirigir máquinas; ferramentas para entrada e ajuste de dados em massa; e/ou mapas para visualização de dados, entre outros. Entrada de dados em massa, neste contexto, pode significar inserir dados uma vez e, em seguida, aplicar os mesmos dados a vários campos que foram definidos no sistema; exemplos de dados podem incluir dados de aplicação de nitrogênio que são os mesmos para muitos campos do mesmo produtor, mas tal entrada de dados em massa se aplica à entrada de qualquer tipo de dados de campo na aplicação de computador móvel 200. Por exemplo, instruções de nitrogênio 210 podem ser programadas para aceitar definições de programas de plantio e práticas de nitrogênio e aceitar entrada de usuário especificando para aplicar esses programas em vários campos. Programas de plantio de nitrogênio, neste contexto, referem-se a um conjunto armazenado e nominado de dados que associa: um nome, código de cor ou outro identificador, uma ou mais datas de aplicação, tipos de material ou produto para cada uma das datas e quantidades, método de aplicação ou incorporação, tal como injetado ou esfaqueado em, e/ou quantidades ou taxas de aplicação para cada uma das datas, cultura ou hibrido que é o objeto do pedido, entre outros. Programas de práticas de nitrogênio, neste contexto, referem-se a um conjunto armazenado e nominado de dados que associa: um nome de práticas; uma cultura anterior; um sistema de lavoura; uma data de principalmente lavoura; um ou mais sistemas de lavoura anteriores que foram usados; um ou mais indicadores do tipo de aplicação, como estrume, que foram usados. As instruções de nitrogênio 210 também podem ser programadas para gerar e causar a exibição de um gráfico de nitrogênio,

Petição 870190049599, de 27/05/2019, pág. 42/109

31/78 o qual indica projeções de utilização de plantas do nitrogênio especificado e se é previsto um excedente ou déficit; em algumas modalidades, diferentes indicadores de cor podem sinalizar uma magnitude do excedente ou magnitude do déficit. Em uma modalidade, um gráfico de nitrogênio compreende uma exibição gráfica em um dispositivo de exibição de computador compreendendo uma pluralidade de linhas, cada linha associada e identificando um campo; dados especificando qual cultura é plantada no campo, o tamanho do campo, a localização do campo, e uma representação gráfica do perimetro do campo; em cada linha, uma linha do tempo por mês com indicadores gráficos especificando cada aplicação de nitrogênio e quantidade em pontos correlacionados aos nomes dos meses; e indicadores numéricos e/ou coloridos de excedentes ou déficits, nos quais a cor indica magnitude.

[0054] Em uma modalidade, o gráfico de nitrogênio pode incluir um ou mais recursos de entrada de usuário, como discadores ou barras deslizantes, para alterar dinamicamente os programas de plantio e práticas de nitrogênio de modo que um usuário possa otimizar seu gráfico de nitrogênio. O usuário pode então usar seu gráfico de nitrogênio otimizado e os programas de plantio e práticas de nitrogênio relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade de taxa variável (RV). As instruções de nitrogênio 210 também podem ser programadas para gerar e causar a exibição de um mapa de nitrogênio, o que indica projeções do uso de planta do nitrogênio especificado e se um excedente ou déficit é previsto; em algumas modalidades, diferentes indicadores de cor podem sinalizar uma magnitude do excedente ou magnitude do déficit. O mapa de nitrogênio

Petição 870190049599, de 27/05/2019, pág. 43/109

32/78 pode exibir projeções de uso de planta do nitrogênio especificado e se um excedente ou déficit é previsto para diferentes tempos no passado e no futuro (como diário, semanal, mensal ou anual) usando indicadores numéricos e/ou coloridos de excedente ou déficit, em que cor indica magnitude. Em uma modalidade, o mapa de nitrogênio pode incluir um ou mais recursos de entrada de usuário, como discadores ou barras deslizantes, para alterar dinamicamente os programas de plantio e práticas de nitrogênio de modo que um usuário possa otimizar seu mapa de nitrogênio, como para obter uma quantidade preferida de excedente para déficit. 0 usuário pode então usar seu mapa de nitrogênio otimizado e os programas de plantio e práticas de nitrogênio relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade de taxa variável (RV) . Em outras modalidades, instruções semelhantes às instruções de nitrogênio 210 podem ser utilizadas para aplicação de outros nutrientes (tais como fósforo e potássio) aplicação de pesticidas, e programas de irrigação.

[0055] Em uma modalidade, as instruções meteorológicas 212 são programadas para fornecer dados meteorológicos recentes específicos de campo e informações meteorológicas previstas. Isso permite que os produtores economizem tempo e tenham uma exibição integrada eficiente em relação às decisões operacionais diárias.

[0056] Em uma modalidade, as instruções de saúde de campo 214 são programadas para fornecer imagens de sensoriamento remoto atempadas destacando a variação de cultura na estação e preocupações potenciais. Exemplos de funções programadas incluem verificação de nuvens, para

Petição 870190049599, de 27/05/2019, pág. 44/109

33/78 identificar possíveis nuvens ou sombras de nuvens; determinação de índices de nitrogênio com base em imagens de campo; visualização gráfica de camadas de reconhecimento, incluindo, por exemplo, aquelas relacionadas à saúde de campo, e visualização e/ou compartilhamento de notas de reconhecimento; e/ou descarregar imagens de satélite a partir de múltiplas fontes e priorizar as imagens para o produtor, entre outros.

[0057] Em uma modalidade, as instruções de desempenho 216 são programadas para fornecer relatórios, análise e ferramentas de sugestões usando dados na fazenda para avaliação, sugestões e decisões. Isso permite que o produtor busque melhores resultados para o próximo ano, por meio de conclusões baseadas em fatos sobre o motivo pelo qual o retorno sobre o investimento ocorreu em níveis

anteriores,	e uma sugestão	para fatores	limitantes do
rendimento.	As instruções	de desempenho	216 podem ser
programadas	para comunicar	através da(s)	rede(s) 109 a

programas analíticos de terminal posterior executados no sistema de computador de inteligência agrícola 130 e/ou computador servidor de dados externo 108 e configurados para analisar métricas como rendimento, híbrido, população, SSURGO, testes de solo, ou elevação, entre outros. Relatórios e análises programados podem incluir análises de variabilidade de rendimento, avaliação comparativa de rendimento e outras métricas contra outros produtores com base em dados anônimos coletados a partir de muitos produtores, ou dados para sementes e plantio, entre outros.

[0058] Aplicações tendo instruções configuradas desta forma podem ser implementadas para diferentes

Petição 870190049599, de 27/05/2019, pág. 45/109

34/78 plataformas de dispositivos de computação enquanto mantendo a mesma aparência de interface de usuário geral. Por exemplo, a aplicação móvel pode ser programada para execução em tablets, smartphones ou computadores servidores que são acessados usando navegadores em computadores clientes. Além disso, a aplicação móvel, conforme configurada para computadores tablet ou smartphones, pode fornecer uma experiência de aplicativo completa ou uma experiência de aplicativo de cabine que seja adequada para as capacidades de exibição e processamento do computador de cabine 115. Por exemplo, consulte agora a vista (b) da Figura 2, em uma modalidade, uma aplicação de computador de cabine 220 pode compreender instruções de cabine de mapas 222, instruções de visualização remota 224, instruções de coleta e transferência de dados 226, instruções de alertas de máquina 228, instruções de transferência de script 230, e instruções de cabine de reconhecimento 232. A base de código para as instruções de vista (b) pode ser a mesma que para vista (a) e executáveis implementando o código podem ser programados para detectar o tipo de plataforma na qual eles estão executando e expor, através de uma interface gráfica de usuário, apenas aquelas funções que são apropriados para uma plataforma de cabine ou plataforma completa. Essa abordagem permite que o sistema reconheça a experiência de usuário distintamente diferente que é apropriada para um ambiente dentro de cabine e o ambiente de tecnologia diferente da cabine. As instruções de cabine de mapas 222 podem ser programadas para fornecer vistas de mapa de campos, fazendas ou regiões que são úteis no direcionamento da operação de máquina. As instruções de visualização remota 224 podem ser

Petição 870190049599, de 27/05/2019, pág. 46/109

35/78 programadas para ligar, gerenciar e fornecer visualizações da atividade da máquina em tempo real ou quase em tempo real para outros dispositivos de computação conectados ao sistema 130 por meio de redes sem fio, conectores ou adaptadores com fio, e semelhantes. As instruções de coleta e transferência de dados 226 podem ser programadas para ligar, gerir e fornecer a transferência de dados coletados nos sensores e controladores da máquina para o sistema 130 através de redes sem fio, conectores ou adaptadores com fio e semelhantes. As instruções de alerta de máquina 228 podem ser programadas para detectar problemas com as operações da máquina ou ferramentas que estão associadas à cabine e gerar alertas de operador. As instruções de transferência de script 230 podem ser configuradas para transferir para dentro scripts de instruções que são configurados para direcionar as operações de máquina ou a coleta de dados. As instruções de cabine de reconhecimento 230 podem ser programadas para exibir alertas com base em localização e informação recebida a partir do sistema 130 com base na localização do aparelho agricola 111 ou sensores 112 no campo e ingerir, gerenciar e fornecer transferência de observações de reconhecimento com base em localização ao sistema 130 com base na localização do aparelho agricola 111 ou sensores 112 no campo.

2.3 INGESTÃO DE DADOS DO SISTEMA DE COMPUTADOR [0059] Em uma modalidade, o computador servidor de dados externo 108 armazena dados externos 110, incluindo dados de solo que representam a composição do solo para um ou mais campos e dados meteorológicos que representam temperatura e precipitação no um ou mais campos. Os dados meteorológicos podem incluir dados meteorológicos passados

Petição 870190049599, de 27/05/2019, pág. 47/109

36/78 e presentes, bem como previsões de dados meteorológicos futuros. Em uma modalidade, o computador servidor de dados externo 108 compreende uma pluralidade de servidores hospedados por entidades diferentes. Por exemplo, um primeiro servidor pode conter dados de composição de solo, enquanto um segundo servidor pode incluir dados meteorológicos. Além disso, os dados de composição de solo podem ser armazenados em vários servidores. Por exemplo, um servidor pode armazenar dados representando a porcentagem de areia, silte e argila no solo, enquanto um segundo servidor pode armazenar dados representando a porcentagem de matéria orgânica (OM) no solo.

[0060] Em uma modalidade, o sensor remoto 112 compreende um ou mais sensores que são programados ou configurados para produzir uma ou mais observações. O sensor remoto 112 pode ser sensores aéreos, tais como satélites, sensores veiculares, sensores de equipamentos de plantio, sensores de lavoura, sensores de aplicação de fertilizantes ou inseticidas, sensores de colheitadeira e qualquer outro implemento capaz de receber dados de um ou mais campos. Em uma modalidade, o controlador de aplicação 114 é programado ou configurado para receber instruções a partir do sistema de computador de inteligência agrícola 130. O controlador de aplicação 114 pode também ser programado ou configurado para controlar um parâmetro operacional de um veículo ou implemento agrícola. Por exemplo, um controlador de aplicação pode ser programado ou configurado para controlar um parâmetro operacional de um veículo, como um trator, equipamento de plantio, equipamento de lavoura, equipamento fertilizante ou inseticida, equipamento de colheitadeira, ou

Petição 870190049599, de 27/05/2019, pág. 48/109

37/78 outros implementos agrícolas, como uma válvula de água. Outras modalidades podem utilizar qualquer combinação de sensores e controladores, dos quais os seguintes são meramente exemplos selecionados.

[0061] O sistema 130 pode obter ou ingerir dados sob o controle do usuário 102, em uma base de massa de um grande número de produtores que contribuíram com dados para um sistema de banco de dados compartilhado. Essa forma de obtenção de dados pode ser denominada ingestão de dados manual, pois uma ou mais operações de computador controladas pelo usuário são solicitadas ou acionadas para obter dados para uso pelo sistema 130. Como exemplo, a aplicação THE CLIMATE FIELDVIEW, disponível comercialmente pela The Climate Corporation, San Francisco, Califórnia, pode ser operada para exportar dados para o sistema 130 para armazenamento no repositório 160.

[0062] Por exemplo, os sistemas de monitoramento de sementes podem tanto controlar componentes de aparelho plantador e obter dados de plantio, incluindo sinais a partir de sensores de sementes via um cabeamento de sinal que compreende um backbone CAN e conexões ponto-a-ponto para registro e/ou diagnósticos. Os sistemas de monitor de sementes podem ser programados ou configurados para exibir espaçamento de sementes, população e outras informações ao usuário através do computador de cabine 115 ou outros dispositivos dentro do sistema 130. Os exemplos são divulgados na Patente dos EUA No. 8.738.243 e Publicação de Patente dos EUA No. 20150094916, e a presente divulgação pressupõe conhecimento dessas outras divulgações de patentes.

Petição 870190049599, de 27/05/2019, pág. 49/109

38/78 [0063] Da mesma forma, sistemas de monitor de rendimento podem conter sensores de rendimento para aparelhos de colheitadeira que enviam dados de medição de rendimento para o computador de cabine 115 ou outros dispositivos dentro do sistema 130. Os sistemas de monitor de rendimento podem utilizar um ou mais sensores remotos 112 para obter medições de umidade de grãos em uma ceifeira ou outra colheitadeira e transmitir estas medições para o usuário através de computador de cabine 115 ou outros dispositivos dentro do sistema 130.

[0064] Em uma modalidade, exemplos de sensores 112 que podem ser usados com qualquer veículo ou aparelho em movimento do tipo descrito em outro local incluem sensores cinemáticos e sensores de posição. Os sensores cinemáticos podem incluir qualquer um dos sensores de velocidade, como sensores de velocidade de roda ou radar, acelerômetros ou giroscópios. Os sensores de posição podem incluir receptores ou transceptores de GPS, ou aplicativos de mapeamento ou posição baseados em Wi-Fi que são programados para determinar a localização com base em pontos de acesso Wi-Fi próximos, entre outros.

[0065] Em uma modalidade, exemplos de sensores 112 que podem ser usados com tratores ou outros veículos em movimento incluem sensores de velocidade de motor, sensores de consumo de combustível, contadores de área ou contadores de distância que interagem com sinais de GPS ou radar, sensores de velocidade de PTO (tomada de força), sensores hidráulicos de trator configurados para detectar parâmetros hidráulicos, como pressão ou fluxo, e/ou velocidade de bomba hidráulica, sensores de velocidade de roda ou sensores de

Petição 870190049599, de 27/05/2019, pág. 50/109

39/78 deslizamento de roda. Em uma modalidade, exemplos de controladores 114 que podem ser usados com tratores incluem controladores direcionais hidráulicos, controladores de pressão, e/ou controladores de fluxo; controladores de velocidade de bomba hidráulica; controladores ou governadores de velocidade; controladores de posição de engate; ou controladores de posição de roda fornecem direcionamento automático.

[0066] Em uma modalidade, exemplos de sensores 112 que podem ser usados com equipamentos de plantio de sementes tais como plantadeiras, brocas ou semeadoras de ar incluem sensores de sementes, que podem ser sensores óticos, eletromagnéticos ou de impacto; sensores de força descendente, como pinos de carga, células de carga, sensores de pressão; sensores de propriedade de solo, como sensores de refletividade, sensores de umidade, sensores de condutividade elétrica, sensores de resíduos óticos ou sensores de temperatura; sensores de critérios operacionais de componentes, tais como sensores de profundidade de plantio, sensores de pressão de cilindro de força descendente, sensores de velocidade de disco de sementes, codificadores de motor de acionamento de sementes, sensores de velocidade de sistema de transportador de sementes ou sensores de nível de vácuo; ou sensores de aplicação de pesticidas, como sensores óticos ou outros sensores eletromagnéticos, ou sensores de impacto. Em uma modalidade, exemplos de controladores 114 que podem ser usados com tal equipamento de plantio de sementes incluem: controladores de dobragem de barra de ferramentas (toolbar fold), tais como controladores para válvulas associadas com cilindros

Petição 870190049599, de 27/05/2019, pág. 51/109

40/78 hidráulicos; controladores de força descendente, como controladores para válvulas associadas a cilindros pneumáticos, airbags ou cilindros hidráulicos, e programados para aplicar força descendente a unidades de linha individuais ou uma estrutura de plantadeira inteira; controladores de profundidade de plantio, como atuadores lineares; controladores de medição, tais como motores de acionamento de medidor de sementes elétricos, motores de acionamento de medidor de sementes hidráulicos, ou embreagens de controle de faixa; controladores de seleção hibridos, tais como motores de acionamento de medidor de sementes, ou outros atuadores programados para permitir ou impedir seletivamente que a semente ou uma mistura de arsemente distribua sementes para ou a partir de medidores de sementes ou tremonhas a granel centrais; controladores de medição, tais como motores de acionamento de medidor de sementes elétricos ou motores de acionamento de medidor de sementes hidráulicos; controladores de sistema de transportador de sementes, tais como controladores para um motor de transportador de entrega de sementes de correia; controladores de marcadores, como um controlador para um atuador pneumático ou hidráulico; ou controladores de taxa de aplicação de pesticidas, como controladores de acionamento de medição, controladores de tamanho ou posição de orificio.

[0067] Em uma modalidade, exemplos de sensores 112 que podem ser usados com equipamento de lavoura incluem sensores de posição para ferramentas tais como hastes ou discos; sensores de posição de ferramenta para tais ferramentas que são configurados para detectar profundidade,

Petição 870190049599, de 27/05/2019, pág. 52/109

41/78 ângulo de gangue ou espaçamento lateral; sensores de força descendente; ou sensores de força de tração. Em uma modalidade, exemplos de controladores 114 que podem ser usados com equipamento de lavoura incluem controladores de força descendente ou controladores de posição de ferramenta, tais como controladores configurados para controlar a profundidade da ferramenta, ângulo de gangue ou espaçamento lateral.

[0068] Em uma modalidade, exemplos de sensores 112 que podem ser utilizados em relação a aparelhos para aplicação de fertilizantes, inseticidas, fungicidas e semelhantes, tais como sistemas de fertilizante de iniciador no plantador, aplicadores de fertilizantes de subsolo, ou pulverizadores de fertilizantes, incluem: sensores de critérios de sistema de fluido, como sensores de fluxo ou sensores de pressão; sensores que indicam quais as válvulas de cabeça de pulverização ou válvulas de linha de fluido estão abertas; sensores associados a tanques, como sensores de nível de enchimento; sensores de linha de abastecimento seccionais ou em todo o sistema, ou sensores de linha de abastecimento específicos de linha; ou sensores cinemáticos, como acelerômetros dispostos em barras de pulverização. Em uma modalidade, exemplos de controladores 114 que podem ser utilizados com esse aparelho incluem controladores de velocidade da bomba; controladores de válvulas que são programados para controlar a pressão, fluxo, direção, PWM e semelhantes; ou atuadores de posição, como a altura de barra, profundidade de subsolador, ou a posição de barra.

[0069] Em uma modalidade, exemplos de sensores 112 que podem ser usados com colheitadeiras incluem monitores de

Petição 870190049599, de 27/05/2019, pág. 53/109

42/78 rendimento, 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 a elevadores ou trades, ou sensores de altura de grãos óticos ou outros eletromagnéticos; sensores de umidade de grãos, como sensores capacitivos; sensores de perda de grãos, incluindo sensores de impacto, óticos ou capacitivos; sensores de critérios de operação de travessão, como altura de travessão, tipo de travessão, distância de placa de deck, velocidade de alimentador e sensores de velocidade de bobina; sensores de critérios de operação de separador, como a folga côncava, a velocidade de rotor, a folga de sapata ou os sensores de folga de amortecedor; sensores de trado para posição, operação, ou velocidade; ou sensores de velocidade de motor. Em uma modalidade, exemplos de controladores 114 que podem ser utilizados com colheitadeiras incluem controladores de critérios operacionais de travessão para elementos tais como altura de travessão, tipo de travessão, lacuna de placa de plataforma, velocidade de alimentador ou velocidade de bobina; controladores de critérios de operação de separador para recursos como folga côncava, velocidade de rotor, folga de sapata ou folga de amortecedor; ou controladores para posição, operação ou velocidade de trado.

[0070] Em uma modalidade, exemplos de sensores 112 que podem ser usados com carrinhos de grãos incluem sensores de peso, ou sensores para posição, operação ou velocidade de trado. Em uma modalidade, exemplos de controladores 114 que podem ser usados com carrinhos de grãos incluem controladores para posição, operação ou velocidade de trado.

[0071] Em uma modalidade, exemplos de sensores 112 e

Petição 870190049599, de 27/05/2019, pág. 54/109

43/78 controladores 114 podem ser instalados em aparelhos de veículos aéreos não tripulados (UAV) ou drones. Tais sensores podem incluir câmaras com detectores eficazes para qualquer intervalo do espectro eletromagnético incluindo luz visivel, infravermelha, ultravioleta, quase infravermelha (NIR) e semelhantes; acelerômetros; altimetros; sensores de temperatura; sensores de umidade; sensores de tubo de pitot ou outros sensores de velocidade ou velocidade de ar; sensores de vida de batería; ou emissores de radar e aparelhos de detecção de energia de radar refletida. Tais controladores podem incluir aparelhos de orientação ou controle de motor, controladores de superfície de controle, controladores de câmera, ou controladores programados para ligar, operar, obter dados, gerenciar e configurar qualquer um dos sensores anteriores. Exemplos são divulgados no Pedido de Patente dos EUA No. 14/831.165 e a presente divulgação assume o conhecimento dessa outra divulgação de patente.

[0072] Em uma modalidade, os sensores 112 e controladores 114 podem ser afixados ao aparelho de amostragem e medição de solo que é configurado ou programado para amostrar o solo e realizar testes químicos do solo, testes de umidade de solo, e outros testes relativos ao solo. Por exemplo, o aparelho divulgado na Patente dos EUA No. 8.767.194 e Patente dos EUA No. 8.712.148 pode ser usado, e a presente divulgação pressupõe conhecimento dessas divulgações de patente.

[0073] Em outra modalidade, os sensores 112 e os controladores 114 podem compreender dispositivos meteorológicos para monitorizar as condições meteorológicas dos campos. Por exemplo, o aparelho divulgado no Pedido de

Petição 870190049599, de 27/05/2019, pág. 55/109

44/78

Patente Internacional No. PCT/US2016/029609 pode ser utilizado, e a presente divulgação pressupõe conhecimento dessas divulgações de patente.

2.4 VISÃO GERAL DO PROCESSO - TREINAMENTO DE MODELO AGRONÔMICO [0074] Em uma modalidade, o sistema de computador de inteligência agrícola 130 é programado ou configurado para criar um modelo agronômico. Neste contexto, um modelo agronômico é uma estrutura de dados em memória do sistema de computador de inteligência agricola 130 que compreende dados de campo 106, tais como dados de identificação e dados de colheita para um ou mais campos. O modelo agronômico pode também compreender propriedades agronômicas calculadas que descrevem ou condições que podem afetar o crescimento de uma ou mais culturas em um campo, ou propriedades da uma ou mais culturas, ou ambas. Além disso, um modelo agronômico pode incluir recomendações baseadas em fatores agronômicos, como recomendações de culturas, recomendações de irrigação, recomendações de plantio e recomendações de colheita. Os fatores agronômicos também podem ser usados para estimar um ou mais resultados relacionados a cultura tal como rendimento agronômico. O rendimento agronômico de uma cultura é uma estimativa da quantidade da cultura que é produzida ou, em alguns exemplos, a receita ou lucro obtido a partir da cultura produzida.

[0075] Em uma modalidade, o sistema de computador de inteligência agricola 130 pode usar um modelo agronômico pré-configurado para calcular as propriedades agronômicas relacionadas com a localização atualmente recebida e informação de cultura para um ou mais campos. O modelo

Petição 870190049599, de 27/05/2019, pág. 56/109

45/78 agronômico pré-configurado é baseado em dados de campo previamente processados, incluindo, mas não se limitando a, dados de identificação, dados de colheita, dados de fertilizantes, e dados meteorológicos. 0 modelo agronômico pré-configurado pode ter sido validado para garantir a precisão do modelo. A validação cruzada pode incluir a comparação com dados de realidade de solo que comparam resultados previstos com resultados reais em um campo, tal como uma comparação da estimativa de precipitação com um pluviômetro ou sensor fornecendo dados meteorológicos no mesmo local ou próximo ou uma estimativa do conteúdo de nitrogênio com uma medição de amostra de solo.

[0076] A Figura 3 ilustra um processo programado através do qual o sistema de computador de inteligência agrícola gera um ou mais modelos agronômicos préconfigurados utilizando dados de campo fornecidos por uma ou mais fontes de dados. A Figura 3 pode servir como um algoritmo ou instruções para programar os elementos funcionais do sistema de computador de inteligência agrícola 130 para realizar as operações que são agora descritas.

[0077] No bloco 305, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar pré-processamento 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 com a finalidade de remover o ruído e efeitos de distorção dentro dos dados agronômicos incluindo discrepâncias medidas que distorceríam os valores de dados de campo recebidos. Modalidades de pré-processamento de dados agronômicos podem incluir, mas não estão limitadas a

Petição 870190049599, de 27/05/2019, pág. 57/109

46/78 remover valores de dados comumente associados a valores de dados de discrepância, pontos de dados medidos específicos que são conhecidos por distorcer desnecessariamente outros valores de dados, técnicas de suavização de dados usadas para remover ou reduzir efeitos aditivos ou multiplicativos a partir de ruido, e outras técnicas de filtragem ou derivação de dados usadas para fornecer distinções claras entre entradas de dados positivas e negativas.

[0078] No bloco 310, o sistema de computador de inteligência agricola 130 é configurado ou programado para realizar 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 agricola 130 pode implementar técnicas de seleção de subconjuntos de dados incluindo, mas não limitado a, um método de algoritmo genético, um método de modelos de todos os subconjuntos, um método de pesquisa sequencial, um método de regressão escalonado, um método de otimização de enxame de partículas e uma método de otimização de colônia de formigas. Por exemplo, uma técnica de seleção de algoritmo genético usa um algoritmo de busca heurística adaptativa, com base em princípios evolutivos de seleção natural e genética, para determinar e avaliar conjuntos de dados dentro dos dados agronômicos pré-processados.

[0079] No bloco 315, o sistema de computador de inteligência agricola 130 é configurado ou programado para implementar a avaliação de conjunto de dados de campo. Em uma modalidade, um conjunto de dados de campo especifico é avaliado através da criação de um modelo agronômico e

Petição 870190049599, de 27/05/2019, pág. 58/109

47/78 utilizando limiares de qualidade específicos para o modelo agronômico criado. Modelos agronômicos podem ser comparados usando técnicas de validação cruzada incluindo, mas não se limitando a, erro quadrático médio de validação cruzada de deixar-um-fora (RMSECV), erro absoluto médio, e erro percentual médio. Por exemplo, RMSECV pode realizar validação cruzada de modelos agronômicos por comparar valores de propriedades agronômicas preditos criados pelo modelo agronômico com os valores de propriedades agronômicas de histórico coletados e analisados. Em uma modalidade, a lógica de avaliação de conjunto de dados agronômicos é utilizada como um circuito de retorno em que conjuntos de dados agronômicos que não atendem a limiares de qualidade configurados são usados durante passos de seleção de subconjunto de dados futuros (bloco 310).

[0080] No bloco 320, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar a criação de modelos agronômicos com base nos conjuntos de dados agronômicos com validação cruzada. Em uma modalidade, a criação de modelos agronômicos pode implementar técnicas de regressão multivariadas para criar modelos de dados agronômicos pré-configurados.

[0081] No bloco 325, o sistema de computador de inteligência agrícola 130 é configurado ou programado para armazenar os modelos de dados agronômicos pré-configurados para avaliação futura de dados de campo.

2.5 EXEMPLO DE IMPLEMENTAÇÃO - VISÃO GERAL DO HARDWARE [0082] De acordo com uma modalidade, as técnicas aqui descritas são implementadas por um ou mais dispositivos de computação de propósito especial. Os dispositivos de

Petição 870190049599, de 27/05/2019, pág. 59/109

48/78 computação de propósito especial podem ser fixos para executar as técnicas ou podem incluir dispositivos eletrônicos digitais, como um ou mais circuitos integrados de aplicação específica (ASICs) ou matrizes de portas de campo programável (FPGAs) que são programados persistentemente para executar técnicas, ou podem incluir um ou mais processadores de hardware de propósito geral programados para executar as técnicas de acordo com as instruções de programa em firmware, memória, outro armazenamento ou uma combinação. Esses dispositivos de computação de propósito especial também podem combinar lógica personalizada fixa, ASICs ou FPGAs com programação personalizada para realizar as técnicas. Os dispositivos de computação de propósito especial podem ser sistemas de computadores de mesa, sistemas de computadores portáteis, dispositivos portáteis, dispositivos de rede ou qualquer outro dispositivo que incorpora lógica fixa e/ou programa para implementar as técnicas.

[0083] Por exemplo, a Figura 4 é um diagrama de blocos que ilustra um sistema de computador 400, no qual uma modalidade da invenção pode ser implementada. O sistema de computador 400 inclui um barramento 402 ou outro mecanismo de comunicação para comunicar informação, e um processador de hardware 404 acoplado com o barramento 402 para processamento de informação. O processador de hardware 404 pode ser, por exemplo, um microprocessador de propósito geral.

[0084] O sistema de computador 400 também inclui uma memória principal 406, tal como uma memória de acesso aleatório (RAM) ou outro dispositivo de armazenamento

Petição 870190049599, de 27/05/2019, pág. 60/109

49/78 dinâmico, acoplado ao barramento 402 para armazenar informações e instruções a serem executadas pelo processador 404. A memória principal 406 também pode ser usada para armazenar variáveis temporárias ou outras informações intermediárias durante a execução de instruções a serem executadas pelo processador 404. Tais instruções, quando armazenadas em meio de armazenamento não transitório acessível por processador 404, renderizam o sistema de computador 400 em uma máquina de propósito especial que é personalizada para executar as operações especificadas nas instruções.

[0085] O sistema de computador 400 inclui ainda uma memória somente de leitura (ROM) 408 ou outro dispositivo de armazenamento estático acoplado ao barramento 402 para armazenar informações estáticas e instruções para o processador 404. Um dispositivo de armazenamento 410, tal como um disco magnético, disco ótico ou unidade de estado sólido, é fornecido e acoplado ao barramento 402 para armazenar informações e instruções.

[0086] Sistema de computador 400 pode ser acoplado via barramento 402 para uma exibição 412, tal como um tubo de raios catódicos (CRT), para exibir informação para um usuário de computador. Um dispositivo de entrada 414, incluindo teclas alfanuméricas e outras, é acoplado ao barramento 402 para comunicar informação e seleções de comandos para o processador 404. Outro tipo de dispositivo de entrada de usuário é o controle de cursor 416, como um mouse, uma bola de comando (trackball) ou teclas de direção de cursor para comunicar informação de direção e selecionar comandos para o processador 404 e para controlar o movimento

Petição 870190049599, de 27/05/2019, pág. 61/109

50/78 do cursor na exibição 412. Este dispositivo de entrada tem tipicamente dois graus de liberdade em dois eixos, um primeiro eixo (por exemplo, x) e um segundo eixo (por exemplo, y), permite que o dispositivo especifique posições em um plano.

[0087] O sistema de computador 400 pode implementar as técnicas descritas aqui usando lógica personalizada fixa, um ou mais ASICs ou FPGAs, firmware e/ou lógica de programa que em combinação com o sistema de computador faz ou programa o sistema de computador 400 para ser uma máquina de propósito especial. De acordo com uma modalidade, as técnicas são executadas pelo sistema de computador 400 em resposta ao processador 404 executando uma ou mais sequências de uma ou mais instruções contidas na memória principal 406. Tais instruções podem ser lidas na memória principal 406 a partir de outro meio de armazenamento, como dispositivo de armazenamento 410. A execução das sequências de instruções contidas na memória principal 406 faz com que o processador 404 execute os passos de processo aqui descritos. Em modalidades alternativas, podem ser usados circuitos fixos em vez de ou em combinação com instruções de software.

[0088] O termo meio de armazenamento, como usado aqui, refere-se a qualquer meio não transitório que armazena dados e/ou instruções que fazem com que uma máquina opere de uma maneira especifica. Esses meios de armazenamento podem compreender meios não voláteis e/ou meios voláteis. O meio não volátil inclui, por exemplo, discos óticos, discos magnéticos ou unidades de estado sólido, como dispositivo de armazenamento 410. Meio volátil inclui memória dinâmica, como a memória principal 406. Formas comuns de meio de

Petição 870190049599, de 27/05/2019, pág. 62/109

51/78 armazenamento incluem, por exemplo, um disquete, um disco flexivel, disco rigido, unidade de estado sólido, fita magnética ou qualquer outro meio de armazenamento de dados magnético, um CD-ROM, qualquer outro meio de armazenamento de dados ótico, qualquer meio físico com padrões de furos, uma RAM, uma PROM e EPROM, uma FLASH-EPROM, NVRAM, qualquer outro chip ou cartucho de memória.

[0089] O meio de armazenamento é distinto, mas pode ser usado em conjunto com o meio de transmissão. O meio de transmissão participa da transferência de informação entre o meio de armazenamento. Por exemplo, o meio de transmissão inclui cabos coaxiais, fios de cobre e fibras óticas, incluindo os fios que compõem o barramento 402. O meio de transmissão também pode assumir a forma de ondas acústicas ou de luz, como aquelas geradas durante comunicações de dados por ondas de rádio e infravermelho.

[0090] Várias formas de meio podem estar envolvidas no transporte de uma ou mais sequências de uma ou mais instruções para o processador 404 para execução. Por exemplo, as instruções podem inicialmente ser transportadas em um disco magnético ou em uma unidade de estado sólido de um computador remoto. O computador remoto pode carregar as instruções em sua memória dinâmica e enviar as instruções por uma linha telefônica usando um modem. Um modem local para o sistema de computador 400 pode receber os dados na linha telefônica e usar um transmissor de infravermelho para converter os dados em um sinal de infravermelho. Um detector de infravermelho pode receber os dados transportados no sinal de infravermelho e circuitos apropriados podem colocar os dados no barramento 402. O barramento 402 transporta os dados

Petição 870190049599, de 27/05/2019, pág. 63/109

52/78 para a memória principal 406, a partir da qual o processador 404 recupera e executa as instruções. As instruções recebidas pela memória principal 406 podem, opcionalmente, ser armazenadas no dispositivo de armazenamento 410 antes ou após a execução pelo processador 404.

[0091] O sistema de computador 400 também inclui uma interface de comunicação 418 acoplada ao barramento 402. A interface de comunicação 418 fornece um acoplamento de comunicação de dados bidirecional a um enlace de rede 420 que está conectado a uma rede local 422. Por exemplo, a interface de comunicação 418 pode ser uma placa de rede digital de serviços integrados (ISDN), modem a cabo, modem via satélite, ou um modem para fornecer uma conexão de comunicação de dados a um tipo correspondente de linha telefônica. Como outro exemplo, a interface de comunicação 418 pode ser uma placa de rede de área local (LAN) para fornecer uma conexão de comunicação de dados para uma LAN compatível. Enlaces sem fio também podem ser implementados. Em qualquer implementação deste tipo, a interface de comunicação 418 envia e recebe sinais elétricos, eletromagnéticos ou óticos que transportam fluxos de dados digitais representando vários tipos de informação.

[0092] O enlace de rede 420 fornece tipicamente comunicação de dados através de uma ou mais redes para outros dispositivos de dados. Por exemplo, o enlace de rede 420 pode fornecer uma conexão através da rede local 422 para um computador hospedeiro 424 ou para um equipamento de dados operado por um Provedor de Serviços de Internet (ISP) 426. O ISP 426, por sua vez, fornece serviços de comunicação de dados através da rede de comunicação de dados por pacotes

Petição 870190049599, de 27/05/2019, pág. 64/109

53/78 mundial, agora comumente chamada de Internet 428. A rede local 422 e a Internet 428 usam sinais elétricos, eletromagnéticos ou óticos que transportam fluxos de dados digitais. Os sinais através das várias redes e os sinais no enlace de rede 420 e através da interface de comunicação 418, que transportam os dados digitais de e para o sistema de computador 400, são formas de exemplo de meios de transmissão.

[0093] O sistema de computador 400 pode enviar mensagens e receber dados, incluindo código de programa, através da(s) rede(s), enlace de rede 420 e interface de comunicação 418. No exemplo da Internet, um servidor 430 pode transmitir um código solicitado para um programa de aplicação através da Internet 428, ISP 426, rede local 422 e interface de comunicação 418.

[0094] O código recebido pode ser executado pelo processador 404 à medida que é recebido, e/ou armazenado no dispositivo de armazenamento 410, ou outro armazenamento não volátil para execução posterior.

3. PROPRIEDADES PERSISTENTES DE UM CAMPO AGRÍCOLA [0095] Em uma modalidade, as variações de rendimento intracampo para um campo agrícola são determinadas com base nas características persistentes do campo. As características persistentes podem incluir características do solo e características topográficas do campo.

[0096] Informações sobre características persistentes de um campo podem ser obtidas de diferentes fontes de dados. Por exemplo, os dados podem ser obtidos a partir de repositórios de dados mantidos por Parceiros de

Pesquisa (RP), agências governamentais, produtores de

Petição 870190049599, de 27/05/2019, pág. 65/109

54/78 colheitas e outras fontes. Exemplos de conjuntos de dados podem incluir o conjunto de dados do Parceiro de Pesquisa de Sistemas de Fazendas Integrados 2014, o conjunto de dados de Elevação Nacional, o conjunto de dados de Detecção e Alcance de Luz da Monsanto, o Banco de Dados Geográficos de Levantamento do Solo, mapas de satélite e outros mapas e registros de dados.

[0097] Para fins de ilustrar exemplos claros, vários meios, terminologia e equações matemáticas que são habituais para os especialistas na técnica a que esta revelação pertence são usados em parte da descrição. A natureza da divulgação é que as melhorias neste campo são expressas funcionalmente e, em termos matemáticos, nas comunicações habituais entre especialistas na técnica. Cada equação matemática ou expressão que é descrita aqui destina-se a representar todo ou parte de um algoritmo computacional que pode ser implementado usando um computador e destina-se a ser implementado usando meios técnicos, como um computador programado, aplicação de software, firmware, lógica de hardware ou uma sua combinação e a divulgação dirigida a meios técnicos melhorados para a realização das funções aqui descritas.

3.1 DADOS DE ATRIBUTOS DE SOLO [0098] Em uma modalidade, dados digitais que representam os atributos de solo são determinados a partir de amostras físicas do solo. A amostragem de solo pode ser realizada dentro de áreas de amostra individuais em uma determinada grade que é determinada para um campo agrícola. A grade pode ser especificada de várias maneiras. Por exemplo, um campo pode ser dividido em uma grade na qual

Petição 870190049599, de 27/05/2019, pág. 66/109

55/78 cada elemento de grade inclui uma área que tem 2,5 acres (10.117,1 m²) e amostras separadas podem ser coletadas em locais de campo dentro de cada elemento de grade.

[0099] Em uma modalidade, para cada amostra de solo, dados digitais são gerados ou coletados para: matéria orgânica (OM, em porcentagem) , capacidade de troca catiônica (CEC, em meq/100), pH do solo, pH do tampão (BpH), fósforo (P, em ppm) , potássio (K, em ppm) , cálcio (Ca, em ppm) e magnésio (Mg, em ppm). Os valores de amostra obtidos podem ser interpelados para as grades de 1/3 de segundo de arco. A interpelação pode ser realizada pelo método de krigagem ordinária ou de interpelação bicúbica. A seleção do método de interpelação normalmente depende do número de amostras de solo.

[00100] Em uma modalidade, os atributos de solo obtidos a partir de uma amostra de solo incluem uma percentagem de matéria orgânica, informação sobre a capacidade de permuta catiônica, valor de pH do tampão, valor de pH, partes de fósforo por milhão, partes de potássio por milhão, partes de potássio por milhão, partes de magnésio por milhão e partes de cálcio por milhão. Outros atributos também podem ser obtidos e usados para determinar dados de variações de rendimento intracampo.

[00101] Os atributos de solo para um campo podem ser obtidos de fontes de dados digitais gue são separadas dos computadores que estão programados para analisar a variabilidade de campo, conforme detalhado aqui. Exemplos de tais fontes incluem o Mapa Geral dos Solos dos EUA (STATSG02), o Banco de Dados Geográficos de Levantamento de Solo (SSURGO) e os mapas de solos do Inventário Nacional de

Petição 870190049599, de 27/05/2019, pág. 67/109

56/78

Recursos (NRI). Os mapas de solos incluem características do solo e atributos de solo para campos agrícolas. Os conjuntos de dados de mapas de solo são normalmente publicamente disponíveis.

[00102] Dados do SSURGO normalmente usam mapas gráficos para descrever padrões na distribuição de componentes do solo através de um campo. A distribuição dos componentes do solo pode ser identificada em um mapa com valores-chave, e uma chave única pode estar associada a um único componente do solo. No conjunto de dados, a distribuição pode ser representada usando formas poligonais espaciais e pode ser unida espacialmente com os dados em grade. Identificações dos componentes adicionais podem incluir Chaves de Solo (mukey) e Simbolo (musym) de unidade de mapa, e pode ser incluída para representar uma forma da distribuição.

[00103] Em uma modalidade, os dados do SSURGO incluem um representante de espessura de horizonte, representante de OM, representante de saturação K, representante de AWC e representante de CEC pH₇. Esses atributos fornecem informações adicionais sobre o solo que podem ser usadas na determinação de dados de variações de rendimento intracampo.

[00104] Em uma modalidade, um ou mais mapas de levantamento são obtidos e utilizados como uma fonte de informação sobre atributos persistentes do solo de um campo agrícola. Os mapas podem incluir mapas de pesquisa, mapas de satélite e outros tipos de mapas. Os mapas podem ser processados para determinar limites no campo que delineiam regiões com propriedades do solo variando dentro do campo. Os limites também indicam onde as propriedades do solo mudam

Petição 870190049599, de 27/05/2019, pág. 68/109

57/78 em mais de um certo limiar predeterminado.

3.2 DADOS DE CARACTERÍSTICAS TOPOGRÁFICAS [00105] Em uma modalidade, os dados de características topográficas para um campo agrícola compreendem dados de elevação e dados relacionados com elevação, para o campo. Coletivamente, esses dados digitais podem ser usados para desenvolver um perfil tridimensional de um campo ou pelo menos visualizar pontos altos e baixos dentro do campo. Os dados de características topográficas podem ser obtidos a partir de mapas, mapas de satélite e semelhantes. Alguns dados topográficos podem ser recebidos, por exemplo, a partir de uma varredura de elevação. Uma varredura de elevação pode ser uma combinação do Conjunto de dados de Elevação Nacional (NED) e Conjunto de dados de Detecção e Alcance de Luz (LIDAR) da Monsanto. A resolução na qual os detalhes topográficos são descritos nos mapas pode variar de local para local. Se vários recursos contendo dados topográficos para o mesmo local estiverem disponíveis, o recurso com os dados mais detalhados para o local poderá ser usado.

[00106] Em uma modalidade, características de elevação podem incluir informação de elevação física, informação de índice topográfico composta, informação de acumulação de fluxo de água, informação de direção de fluxo de água, informação de percentagem de declive e informação de curvatura.

[00107	] A quantidade de detalhes	topográficos	por
área pode	variar e pode depender se a área é rural.	Por
exemplo, detalhes topográficos para áreas	rurais podem	ser
escassos,	enquanto detalhes topográficos	para áreas	não

Petição 870190049599, de 27/05/2019, pág. 69/109

58/78 rurais podem estar disponiveis em maior quantidade e detalhe.

[00108] Além de dados de elevação para um campo, atributos topográficos podem incluir um índice Topográfico Composto (CTI), também referido como índice de Umidade Topográfico. O CTI é um indice de umidade de estado estacionário para o campo e está fortemente correlacionado com a umidade do solo.

[00109] Em uma modalidade, os atributos topográficos incluem uma representação de uma direção de fluxo de um fluxo de água em um mapa. Uma direção de fluxo determina em qual pixel vizinho, por exemplo, de um mapa digital qualquer água em um pixel central fluirá naturalmente. Este atributo é particularmente útil em análise de hidrologia.

[00110] Em uma modalidade, os atributos topográficos incluem dados de acumulação de fluxo, que podem ser usados para encontrar uma drenagem padrão de um terreno. Atributos topográficos também podem incluir a curvatura, que é uma medida que descreve a quantidade pela qual um campo se desvia de ser plano. No contexto da topologia do campo, uma curvatura é uma medida de colina do campo. Atributos topográficos também podem incluir como porcentagem de inclinação. Uma porcentagem de inclinação é determinada como uma taxa máxima de mudança na elevação dentro de um campo. Por exemplo, uma porcentagem de inclinação pode indicar uma taxa máxima de mudança na elevação de um subcampo para o subcampo vizinho do campo.

4. PRÉ-PROCESSAMENTO E FILTRAGEM DE DADOS [00111] Dados de atributos persistentes para um campo agricola que são recebidos de RPs e/ou agências governamentais são normalmente filtrados e/ou préPetição 870190049599, de 27/05/2019, pág. 70/109

59/78 processados em algum grau. No entanto, uma vez que os dados podem ser fornecidos a partir de fontes diferentes, em formatos diferentes e para periodos de tempo sobrepostos, podem ser recomendados filtragem e/ou pré-processamento de dados adicionais. A filtragem/pré-processamento recomendado, normalmente, é executado para melhorar a qualidade dos dados e pode incluir a remoção de registros de dados redundantes, discrepâncias e anomalias.

[00112] Em uma modalidade, ao receber dados de atributos persistentes para um campo, um teste é executado para determinar se os dados recebidos incluem discrepâncias. Se os dados recebidos incluírem discrepâncias, os registros de dados suspeitos de incluir as discrepâncias serão removidos ou sinalizados. O processo de limpeza de dados pode ser executado usando, por exemplo, editores baseados em software. Alguns dos editores podem ser configurados com uma interface gráfica de usuário (GUI) que permite localizar e remover os valores discrepantes dos conjuntos de dados de maneira eficiente.

[00113] A filtragem e o pré-processamento de dados de atributos persistentes podem ser executados sequencialmente ou em paralelo. Por exemplo, em algumas situações, a filtragem pode ser executada primeiro e o pré-processamento segundo. Em outras situações, o pré-processamento pode ser executado primeiro e filtragem segundo. Em outras situações, a filtragem e o pré-processamento são executados simultaneamente ou apenas um deles é executado.

4.1 FILTRAGEM DE DADOS DE PROPRIEDADES PERSISTENTES [00114] Em uma modalidade, os dados de propriedades persistentes para um campo são filtrados. A filtragem pode

Petição 870190049599, de 27/05/2019, pág. 71/109

60/78 incluir a remoção, a partir dos dados de atributos persistentes, dos registros de dados que parecem estar incorretos ou inadequados para determinar variações de rendimento intracampo para o campo. Os critérios para determinar tais registros de dados podem ser escolhidos com base em um conjunto de dados de treinamento ou uma inspeção visual dos dados recebidos. Os critérios também podem depender da origem da qual os dados são recebidos e do formato no qual os dados recebidos são fornecidos.

[00115] A Figura 8 representa uma modalidade de exemplo de filtragem de dados de propriedades persistentes. Os tipos representados de uma filtragem dos dados de propriedades persistentes são fornecidos para ilustrar exemplos claros; no entanto, eles não devem ser vistos como uma lista exaustiva de possíveis tipos de filtragem de dados.

[00116] Exemplos de vários tipos de filtragem que podem ser executados em dados de propriedades persistentes para um campo podem incluir a remoção, a partir de um conjunto de dados de propriedades persistentes, dos registros de dados que correspondem a um subcampo no qual duas culturas foram cultivadas 802. Os exemplos podem incluir também a remoção dos registros de dados para os quais os dados de rendimento de histórico estão disponíveis 804, os registros de dados para subcampos que foram irrigados 806, os registros de dados para subcampos com rendimentos zero 808, os registros de dados para uma característica se a maioria dos valores for desconhecida 810, e os registros de dados para os quais os valores estão faltando ou incorretos 812 .

4.2 PRÉ-PROCESSAMENTO DE DADOS DE PROPRIEDADES

Petição 870190049599, de 27/05/2019, pág. 72/109

61/78

PERSISTENTES [00117] Conjuntos de dados contendo dados de propriedades persistentes para um campo agricola são frequentemente incompletos. Por exemplo, um conjunto de dados pode não ter valores para determinados atributos para determinados campos ou subcampos. Uma solução para esse problema é determinar os valores que estão faltando nos conjuntos de dados interpelando os valores usando os valores que estão disponíveis nos conjuntos de dados. Normalmente, os valores podem ser interpelados por uma krigagem ordinária ou por uma interpelação bicúbica. A seleção do método de interpelação tipicamente depende da contagem de pontos de dados em uma amostra de solo. Por exemplo, supondo que um limiar seja de 35 pontos de dados, se uma amostra de solo incluir mais de 35 pontos, então a krigagem ordinária pode ser usada; caso contrário, a interpelação bicúbica é recomendada.

4.2.1 INTERPOLAÇÃO ESPACIAL DOS DADOS DE ATRIBUTOS DE SOLO [00118] A interpelação é um tipo de pré-processamento de dados e geralmente se refere a um processo de estimativa de valores de pontos de dados desconhecidos em um conjunto de dados. Normalmente, quanto mais valores de ponto de dados conhecidos estão disponíveis, mais precisa a interpelação dos valores de ponto de dados desconhecidos pode ser. Outro fator que afeta a precisão da interpelação são os arranjos espaciais dos pontos de dados conhecidos dentro do conjunto: quanto melhor difusão dos pontos de dados conhecidos no conjunto de dados, mais precisa a interpelação dos valores do ponto de dados desconhecido pode ser.

Petição 870190049599, de 27/05/2019, pág. 73/109

62/78 [00119] Os interpoladores globais normalmente usam todos os pontos de dados disponíveis em um conjunto de dados para fornecer estimativas para os pontos com valores desconhecidos. Em contraste, os interpoladores locais usam apenas as informações na vizinhança do ponto de dados que está sendo estimado.

[00120] Krigagem é um tipo específico de um interpolador local que usa técnicas geoestatísticas mais avançadas. A krigagem normalmente produz melhores estimativas de pontos de dados desconhecidos do que outros métodos de interpelação, porque a krigagem leva em conta explicitamente os efeitos do ruído aleatório. Além disso, a krigagem é menos suscetível que outros métodos a decisões arbitrárias, como a determinação de uma distância de busca ou a localização de pontos de interrupção.

[00121] Em situações em que um tamanho de amostras de solo é pequeno, a qualidade dos dados interpelados pode ser insatisfatória. Isso, por sua vez, pode gerar dados de variações de rendimento intracampo imprecisos ou ambíguos. Esse problema pode ser resolvido usando, por exemplo, as informações de limite de subcampo dos mapas SSURGO para aumentar os dados de amostra de solo antes dos dados serem usados para gerar as informações de desempenho de variações de rendimento intracampo.

4.2.2 CORRELAÇÃO DE CARACTERÍSTICAS PERSISTENTES [00122] Um conjunto de dados contendo dados de atributos persistentes para um campo agrícola pode incluir muitas características que são redundantes ou irrelevantes.

Essas características podem ser removidas do conjunto de dados sem diminuir o valor do conjunto de dados. Ao remover

Petição 870190049599, de 27/05/2019, pág. 74/109

63/78 essas características, o conjunto de dados pode se tornar menor e o processo de determinação de variações de rendimento intracampo pode ser executado mais rapidamente e com mais eficiência. Remover essas características de um conjunto de dados é chamado de pré-processamento. 0 pré-processamento também pode incluir a determinação das características não redundantes que não podem ser removidas de um conjunto de dados.

[00123] Em uma modalidade, um conjunto de dados contendo dados de atributos persistentes é pré-processado por determinar características não redundantes no conjunto de dados. Isso pode ser feito usando uma abordagem de seleção de características de correlação.

[00124] Uma abordagem de seleção de característica de correlação usa uma medida de seleção de característica de correlação. A medida avalia subconjuntos de características determinando um conjunto de características altamente correlacionadas com uma classificação específica, mas não correlacionadas entre si.

[00125] Exemplos de atributos de solo estão incluídos na tabela abaixo:

	Nome	Abreviação
Raster de elevação	Elevação índice Topográfico de Composto Acumulação de fluxo Direção de fluxo Percentual de inclinação Curvatura	Elevação CTI Flow_Accum Flow_Dir Slope_Per Curvatura
Amostra de Solo	Percentual de matéria orgânica Capacidade de Troca Catiônica	OM_pct CEC

Petição 870190049599, de 27/05/2019, pág. 75/109

64/78

	pH de tampão pH Partes por milhão de fósforo Partes por milhão de potássio Partes por milhão de magnésio Partes por milhão de cálcio	BpH pH P_ppm K_ppm Mg_ppm Ca_ppm
SSURGO	Espessura do horizonte representativa OM representativo Saturação K representativa AWC representativo CEC pH7 representativo	hzthk_r om_r ksat_r awc r cec7_r

TABELA 1. Exemplos de atributos de solo e abreviaturas utilizadas para os atributos de solo [00126] Em um típico conjunto de dados de atributos persistentes, exemplos de características altamente correlacionadas podem incluir OM_pct e CEC, pois OM_pct e CEC exibem padrões espaciais muito semelhantes. Isso pode ser porque OM_pct e CEC são afetados pelos mesmos fatores subjacentes. Outros exemplos de características altamente correlacionadas incluem awc_r, cec7_r, om_r e ksat_ r, CEC, Ca_ppm, Mg_ppm, om_r e cec7_r, CTI e Flow_Accum.

[00127] Em uma modalidade, os conjuntos de dados contendo dados de características persistentes para um campo são processados para identificar, nos conjuntos de dados, uma ou mais características altamente correlacionadas. As características altamente correlacionadas identificadas são usadas para explicar dados de variações de rendimento intracampo para o campo. Dados de variações de rendimento intracampo podem ser determinados com base em dados de

Petição 870190049599, de 27/05/2019, pág. 76/109

65/78 desempenho de rendimento absoluto determinados para um campo agricola. Por exemplo, os dados de variações de rendimento intracampo podem ser gerados por converter os dados de rendimento absoluto para rendimento relativo calculado para subcampos vizinhos dentro de um campo.

5. DETERMINAÇÃO DE VARIAÇÕES DE RENDIMENTO INTRACAMPO COM BASE NAS PROPRIEDADES DE UM CAMPO AGRÍCOLA [00128] Variações de rendimento intracampo para um campo podem ser determinadas com base em propriedades persistentes e caracteristicas transientes, como clima. Antes que a abordagem para determinar as variações de rendimento intracampo com base apenas nos dados de propriedades persistentes seja descrita, uma fórmula geral para determinar as variações de rendimento intracampo com base nos dois tipos de caracteristicas é fornecida abaixo.

[00129] Deixe Y representar o desempenho relativo de rendimento de um campo em um determinado ano. Deixe X representar as caracteristicas persistentes, como o solo e as propriedades topográficas. Deixe W representar as caracteristicas transientes, como o clima. Para um determinado local, X pode ser considerado como deterministico e fixo, mas as caracteristicas transientes W podem variam com o tempo. Portanto, W pode ser tratado como uma variável aleatória. Com esta notação, Y pode ser expresso em termos de W e X da seguinte forma:

T — / (X, W) 4(D onde f é uma função real e épsilon representa um erro aleatório. Expressão (1) fornece uma representação geral de como as caracteristicas persistentes e transientes afetam o

Petição 870190049599, de 27/05/2019, pág. 77/109

66/78 rendimento de cultura.

[00130] Suponha ainda que um valor médio para ε seja zero. Sob este cenário, o desempenho relativo de rendimento em diferentes anos, Yl, . .., Yt pode ser tratado como diferentes realizações de expressão (1).

[00131] Uma regressão linear Y que representa o rendimento relativo de rendimento de um campo em um dado ano pode ser expressa ¥ = Xa + Wjg + q <2) em que Y e W são a média da amostra, e ^Λα, ^Λβ são as Estimativas de Probabilidade Mínimas (MLE) de α e β respectivamente.

[00132] Se o componente W, representando características transientes como o clima, for ignorado, e apenas valores de atributos persistentes para o campo forem considerados, a expressão (2) fornecerá uma descrição matemática das relações entre os valores de atributos persistentes para o campo e variações de rendimento intracampo estimadas determinadas usando um estimador. Exemplos de estimadores são descritos abaixo. Expressão (2) é uma expressão base usada pelas instruções de estimador ou programação descrita abaixo.

[00133] A Figura 7 é um fluxograma que representa um exemplo de método ou algoritmo para determinar variações de rendimento intracampo com base em dados de propriedades

persistentes	para um campo	agrícola.
[00134]	No passo	710, são	recebidos	dados	de
propriedades	persistentes	para um campo agrícola	. Dados	de
propriedades	persistentes	podem ser	recebidos a	partir	de

Petição 870190049599, de 27/05/2019, pág. 78/109

67/78 qualquer uma das várias fontes, incluindo computadores servidores e bancos de dados 701, sistemas de armazenamento em nuvem, provedores de serviços de dados, dispositivos externos de armazenamento de dados e semelhantes. Dados de propriedades persistentes recebidos no passo 710 podem incluir mapas de solo 702, mapas de levantamento de solo 704, mapas de topologia 706, mapas de solo descoberto 708, imagens de satélite 709 e qualquer outra informação relativa às características persistentes do solo e do campo.

[00135] No passo 720, os dados de propriedades persistentes recebidos no passo 710 são filtrados. A filtragem dos dados de propriedades persistentes é aqui descrita em ligação com a Figura 8. Exemplos de diferentes tipos de filtragem que podem ser executados nos dados de propriedades persistentes incluem a remoção de registros de dados que correspondem a subcampos nos quais duas ou mais culturas foram cultivadas, registros para os quais dados históricos de rendimento não estão disponíveis, registros para subcampos irrigados, os registros de dados de subcampos com rendimento zero, registros de um atributo se a maioria dos valores forem desconhecidos e registros de uma característica se a maioria dos valores estiver ausente ou incorreta.

[00136] No passo 730, os dados de propriedades persistentes são pré-processados. Pré-processamento, normalmente, é executado para melhorar a qualidade dos dados e pode incluir a remoção de registros de dados redundantes, discrepâncias e anomalias. Os dados de atributos persistentes para um campo agrícola que são recebidos a partir de RPs e/ou agências governamentais são normalmente

Petição 870190049599, de 27/05/2019, pág. 79/109

68/78 filtrados e/ou pré-processados, pois os dados podem ser fornecidos a partir de diferentes fontes, em diferentes formatos e para periodos de tempo sobrepostos.

[00137] Os dados de propriedades persistentes que estão sujeitos ao pré-processamento neste passo podem incluir dados filtrados, dados não filtrados ou uma combinação de dados filtrados e não filtrados. Em algumas implementações, o pré-processamento é uma alternativa à filtragem no passo 720 e a seleção entre o uso da filtragem e o pré-processamento depende do tipo e da qualidade dos dados recebidos. A ordem de filtragem versus préprocessamento pode variar e um ou outro pode ser omitido.

[00138] No passo 740, o processo testa se uma abordagem de Operador de Seleção e Encurtamento de Mínimo Absoluto (LASSO) deve ser usada para estimar dados de rendimento para o campo agrícola. O teste do passo 740 será verdadeiro se a abordagem LASSO tiver sido implementada no sistema de computador que está executando o processo e negativo, se não; assim, o passo 740 é um teste de disponibilidade para saber se a lógica LASSO está presente. Se a abordagem LASSO for implementada, então, o controle passa para o passo 750 e, de outro modo, controla as transferências para o passo 760.

[00139] No passo 750, os dados de rendimento estimados para um campo agrícola são determinados usando o operador LASSO. Em uma modalidade, o operador LASSO é aplicado aos dados pré-processados que representam atributos persistentes do campo agrícola. A aplicação do operador LASSO à informação pré-processada faz com que a geração com base, pelo menos em parte, na informação pré-processada, estime dados de

Petição 870190049599, de 27/05/2019, pág. 80/109

69/78 rendimento de desempenho absolutos para o campo agrícola. 0 operador LASSO é descrito em detalhes nas seções a seguir.

[00140] No passo 760, é utilizada uma abordagem diferente da abordagem LASSO para determinar os dados de rendimento previstos para um campo agrícola. Um exemplo da abordagem aplicável, diferente da abordagem LASSO, é uma abordagem de floresta aleatória (RF) . A abordagem de RF é descrita em detalhes nas seções a seguir.

[00141] No passo 770, os dados de variações de rendimento intracampo são gerados com base em dados de desempenho de rendimento absoluto determinados para um campo agrícola. Este passo também pode ser executado na abordagem LASSO. Em uma modalidade, os dados de variações de rendimento intracampo são gerados convertendo os dados de rendimento absoluto em rendimento relativo calculado para os subcampos vizinhos dentro do campo. A conversão pode ser realizada usando a transformação de NQT descrita abaixo. Os dados de variações de rendimento intracampo também são referidos como dados de desempenho de rendimento relativo.

[00142] Uma das vantagens da conversão de dados de desempenho de rendimento absoluto para dados de variações de rendimento intracampo é que as variações de rendimento intracampo revelam a reocorrência de padrões de rendimento espacial dentro de um campo melhor que os dados de rendimento absoluto. Além disso, os dados de variações de rendimento intracampo permitem usar registros de rendimento de diferentes culturas sem uma barreira. Usar os dados de variações de rendimento intracampo também é mais resiliente para discrepâncias que estão comumente presentes nos dados de rendimento absoluto. Além disso, os dados de desempenho

Petição 870190049599, de 27/05/2019, pág. 81/109

70/78 de rendimento relativo fornecem mais informações sobre o campo e os subcampos do que os dados de rendimento absoluto.

[00143] Em uma modalidade, os dados de desempenho de rendimento absoluto são transformados em dados de variações de rendimento intracampo utilizando a transformação de NQT. A transformação de NQT permite avaliar se um conjunto de itens de dados de rendimento absoluto é aproximadamente distribuído normalmente. Se for, então a distribuição das observações podería ser representada graficamente usando uma linha reta. Uma linha reta pode indicar que não há variação na distribuição de rendimento de um subcampo para outro subcampo. No entanto, se os dados de rendimento para os subcampos do campo não forem distribuídos normalmente, a distribuição de rendimento varia de um subcampo para outro subcampo. As variações podem ser capturadas e referidas como variações de rendimento intracampo para o campo.

[00144] Em uma modalidade, a abordagem de NQT inclui ordenar os dados de rendimento absoluto determinados para um campo agrícola desde o menor valor até o maior valor para formar um conjunto ordenado de dados de rendimento absoluto. Valores do conjunto ordenado podem ser representados graficamente contra as quantis correspondentes (10° percentil) a partir de uma distribuição normal padrão, ou outra distribuição normal, para se obter um gráfico de quantis da amostra ao longo de um eixo e quantis teóricos ao longo de outro eixo de um gráfico bidimensional. Se o maior valor do conjunto ordenado de dados de rendimento absoluto for maior do que o esperado a partir do gráfico de amostra sob normalidade, a distribuição final dos valores no conjunto indicará uma distribuição não normal dos valores no conjunto.

Petição 870190049599, de 27/05/2019, pág. 82/109

71/78

Por outro lado, se o menor valor do conjunto ordenado de dados de rendimento absoluto for maior do que o esperado a partir do gráfico de amostra sob normalidade, a distribuição de cauda dos valores no conjunto indicará uma distribuição não normal dos valores no conjunto. A distribuição não normal dos valores no conjunto pode indicar variações nos valores de rendimento intracampo para o campo.

[00145] No passo 780, as informações sobre variações de rendimento intracampo para um campo são armazenadas em um dispositivo de armazenamento. As informações armazenadas podem ser disponibilizadas para usuários, produtores de colheitas, pesquisas e outros.

[00146] As informações armazenadas também podem ser portadas para um sistema de computador que gerencia certas práticas agronômicas, como semeadura, irrigação, aplicação de nitrogênio e/ou colheita.

[00147] Em uma modalidade, as informações sobre variações de rendimento intracampo são fornecidas aos usuários e exibidas em uma GUI gerada em dispositivos de exibição de estações de trabalho, laptops, PDAs ou dispositivos móveis. As informações sobre as variações de rendimento intracampo podem ser apresentadas a um usuário na forma de mapas, gráficos e outras exibições gráficas sombreadas por cores. As informações também podem ser apresentadas a um usuário em forma de gráfico, tabela de dados e semelhantes.

5.1 DETERMINAÇÃO DE VARIAÇÕES DE RENDIMENTO USANDO A ABORDAGEM LASSO [00148] A abordagem LASSO é um método de regressão que envolve a penalização de um tamanho absoluto dos

Petição 870190049599, de 27/05/2019, pág. 83/109

72/78 coeficientes de regressão. A penalização é equivalente a restringir a soma dos valores absolutos das estimativas de parâmetro de modelo. Penalizando a soma dos valores absolutos, algumas das estimativas dos parâmetros podem atingir um valor zero. Portanto, aplicar uma penalidade grande pode reduzir as estimativas adicionais em direção a zero.

[00149] Em uma modalidade, as variações de rendimento para um campo agricola são estimadas utilizando a abordagem LASSO aplicada aos dados de atributos persistentes fornecidos para o campo. Nessa abordagem, os valores de alguns coeficientes são propositalmente reduzidos (encolhidos) e os valores de alguns outros coeficientes são intencionalmente definidos para 0. Reduzir e, em alguns casos, até eliminar, alguns dos coeficientes permite reter certos atributos tanto para seleção de subconjunto quanto para regressão de crista.

[00150] A abordagem LASSO é um método de estimativa aplicável a conjuntos de dados com propriedades lineares. A abordagem LASSO é projetada para minimizar a soma residual de quadrados sujeitos à soma dos valores absolutos dos coeficientes que são menores que uma constante. Enquanto o estimador de mínimos quadrados ordinários (OLS) minimiza a soma residual de quadrados, o estimador LASSO minimiza a soma residual de quadrados sujeitos à soma dos valores absolutos dos coeficientes menores que uma constante. Determinar os valores absolutos de tais coeficientes e calcular sua soma é uma das restrições da abordagem LASSO. Devido à natureza da restrição, a abordagem LASSO tende a produzir alguns coeficientes que são exatamente zero, e isso

Petição 870190049599, de 27/05/2019, pág. 84/109

73/78 pode levar à obtenção de um subconjunto menor de variáveis para o modelo. Embora o método forneça uma estimativa tendenciosa do parâmetro, a previsão pode ter um menor erro quadrático médio (RMSE) em comparação com, por exemplo, o estimador OLS.

[00151] Em uma modalidade, a abordagem LASSO é implementada para prever o rendimento em um campo agrícola. Uma implementação da abordagem LASSO para prever o rendimento pode incluir as seguintes suposições: deixe Y representar o desempenho de rendimento relativo de um campo em um determinado ano; deixe X representar as características persistentes, como propriedades do solo e topográficas. Então, assumindo que o modelo é linear, Y pode ser representado como:

(3) onde β é o vector p x 1 de coeficientes, e p é o número de características envolvidas no modelo (incluindo a intercepção). A abordagem LASSO permite minimizar a estimativa β calculando:

min | ) || (4) onde λ é o parâmetro penalizado.

[00152] Em uma modalidade, a validação cruzada dentro do conjunto de dados de treinamento pode ser usada para encontrar λ para obter o melhor desempenho de previsão.

[00153] Em uma modalidade, valores de Y, que representam o desempenho de rendimento relativo para um campo em um determinado ano, são usados como variações de rendimento intracampo para o campo. A aplicação do estimador

Petição 870190049599, de 27/05/2019, pág. 85/109

74/78

LASSO aos dados de atributos persistentes para o campo permite determinar as variações de rendimento intracampo para o campo.

5.2 DETERMINAÇÃO DE VARIAÇÕES DE RENDIMENTO UTILIZANDO UMA ABORDAGEM DE FLORESTA ALEATÓRIA [00154] Em uma modalidade, uma abordagem de Floresta Aleatória (RF) pode ser utilizada como um método de aprendizagem com o beneficio de poder incorporar interações de não linearidade e entre variáveis, e pode ser implementado com base em um conjunto de amostras de treinamento de dados de atributos persistentes. Como um exemplo, um conjunto de amostras de treinamento pode ser representado como:

onde f_A1 representa uma característica A da primeira amostra, f_Bi representa uma característica B da primeira amostra, f_Ci

representa	uma	característica	0	da	primeira	amostra,	f AN
representa	uma	característica	A	da	N-ésima	amostra,	f BN
representa	uma	característica	B	da	N-ésima	amostra,	f CN

representa uma	característica C	da N-ésima	amostra, Οχ é	uma
primeira classe de treinamento treinamento.	e C· θ uma	N-ésima classe	de
[00155]	Com base no	conj unto	de amostras	de
treinamento S,	é criada uma	pluralidade	de subconjuntos

aleatórios. Cada um dos subconjuntos aleatórios pode ter um subconjunto selecionado aleatoriamente dos recursos selecionados da amostra de treinamento.

[00156] Em uma modalidade, uma pluralidade de subconjuntos aleatórios pode ser criada, por exemplo,

Petição 870190049599, de 27/05/2019, pág. 86/109

75/78 determinando :

(6) [00157] Neste exemplo, com base no subconjunto aleatório Sl, uma primeira árvore de decisão pode ser criada. Com base no subconjunto aleatório S2, uma segunda árvore de decisão pode ser criada. Com base no subconjunto aleatório SM, uma M-ésima árvore de decisão pode ser criada. Criar uma pluralidade de árvores de decisão leva à criação de uma floresta das árvores de decisão.

[00158] Em uma modalidade, uma pluralidade de árvores de decisão é usada para determinar um ranking de classificadores. Por exemplo, com base em quatro árvores de decisão, podemos derivar quatro classes que podem ser usadas para tomar decisões sobre determinados valores de determinadas características. Cada uma das quatro árvores de decisão é usada para determinar os votos para tomar uma decisão por um determinado valor de um determinada característica. Portanto, a dificuldade nesse processo é criar as árvores de decisão. Uma vez que as árvores de decisão são criadas, as decisões com relação a certos recursos podem ser facilmente feitas.

6. BENEFÍCIOS E EXTENSÕES [00159] Informações sobre variações de rendimento intracampo para um campo agricola são frequentemente

Petição 870190049599, de 27/05/2019, pág. 87/109

76/78 criticas para otimizar práticas agronômicas para o campo. Por exemplo, com base nas variações de rendimento intracampo, um produtor agrícola pode otimizar as quantidades de fertilizante a serem aplicadas ao campo, seleção de sementes ou tempo para o plantio de sementes. Esse tipo de otimização pode, por sua vez, contribuir para aumentar a eficiência no uso de recursos.

[00160] Informações sobre variações de rendimento intracampo através de subcampos de um campo agrícola podem ser usadas para controlar automaticamente um sistema de computador que gerencia certas práticas agronômicas, como semeadura, irrigação, aplicação de nitrogênio e/ou colheita. Por exemplo, as variações de rendimento intracampo entre os subcampos podem ser usadas para determinar recomendações para requisitos de semeadura para cada subcampo individual.

[00161] Outro beneficio da abordagem apresentada é que as variações de rendimento intracampo para um campo agrícola são determinadas com base unicamente nas propriedades do solo e na informação de elevação do campo, e sem qualquer informação sobre dados de rendimento de histórico para o campo. Isso ocorre principalmente porque os dados da propriedade persistente de um campo não são alterados com frequência e ficam facilmente disponíveis, enquanto os dados históricos de rendimento nem sempre estão disponíveis.

[00162] Além disso, a abordagem permite determinar padrões recorrentes de rendimento espacial dentro do campo apenas nas propriedades do solo e na informação de elevação.

[00163] O uso de informações sobre o solo e características topográficas de um campo, além de usar, por

Petição 870190049599, de 27/05/2019, pág. 88/109

77/78 exemplo, registros históricos de rendimento, tem o potencial de melhorar e aumentar a precisão dos padrões de rendimento espacial. Por exemplo, em algumas situações, as informações sobre certos tipos de características persistentes do solo e/ou certos tipos de características topográficas persistentes do campo podem ajudar a aumentar a precisão do desempenho de rendimento previsto a partir do campo.

[00164] Dados de desempenho de rendimento intracampo gerados com base em características persistentes de um campo podem ser usados para gerar um gráfico de rendimento relativo para um campo agrícola. Um dos benefícios de gerar um tal gráfico é que o gráfico permite identificar subcampos com padrões de rendimento consistentes e subcampos com padrões de rendimento inconsistentes. Tal gráfico, em comparação com um gráfico gerado com base nos dados de rendimento de histórico, permite ao computador refinar a delineação dos padrões de rendimento em todo o campo.

[00165] Como as propriedades do solo e topográficas são frequentemente consideradas invariantes no tempo dentro de um determinado periodo de tempo e não levam em conta fatores dependentes do tempo, como clima, padrões de rendimento e variações geradas com base nas propriedades topográficas e do solo dados podem representar previsões independentes do tempo do rendimento. Esses padrões de rendimento também podem ser referidos como padrões de rendimento que poderíam ser esperados se o clima e outros fatores dependentes do tempo cooperarem dentro de um determinado ano.

[00166] Uma abordagem para a determinação de variações de rendimento intracampo com base em dados de

Petição 870190049599, de 27/05/2019, pág. 89/109

78/78 atributos persistentes para um campo agricola é particularmente aplicável para prever o desempenho de rendimento de certos tipos de campos. Esses campos incluem campos que exibem forte correlação entre as características persistentes e os padrões de rendimento. Recomenda-se determinar se um campo exibe tal correlação antes de dar deferência aos dados de desempenho de rendimento intracampo obtidos com base apenas nos dados de atributos persistentes.

Claims

REIVINDICAÇÕES

1. Método caracterizado pelo fato de que compreende:

utilizar instruções programadas em um sistema de computador compreendendo um ou mais processadores e memória de computador:

receber dados de propriedades permanentes para uma pluralidade de subcampos agricolas de um campo agrícola;

determinar se pelo menos um item de dados está faltando para qualquer subcampo da pluralidade de subcampos agrícolas do campo agrícola nos dados de propriedades permanentes;

em resposta à determinação de que pelo menos um item de dados está faltando para qualquer subcampo da pluralidade de subcampos agricolas do campo agrícola nos dados de propriedades permanentes, gerar, com base, pelo menos em parte, nos dados de propriedades permanentes, dados de propriedades adicionais para a pluralidade dos subcampos agrícolas que incluem o pelo menos um item de dados;

em que um item de dados, do pelo menos um item de dados, é gerado pela interpelação e agregação de dois ou mais registros de dados nos dados de propriedades permanentes;

gerar dados de propriedades permanentes pré-processados por mesclar os dados de propriedades permanentes com os dados de propriedades adicionais;

com base, pelo menos em parte, nos dados de propriedades permanentes pré-processados, gerar dados de propriedades permanentes filtrados por remover, a partir dos dados de propriedades permanentes pré-processados, um conjunto de registros de propriedades permanentes pré-processados correspondentes a um subconjunto da pluralidade de subcampos agrícolas em que duas ou mais culturas foram cultivadas no

Petição 870190049599, de 27/05/2019, pág. 91/109
2/9 mesmo ano;

aplicar um operador de regressão aos dados de propriedades permanentes f ilt rados para determinar uma pluralidade de valores de variações intracampo que

representam variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agricolas;

armazenar os valores de variações intracampo na memória de computador.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda: aplicar um Operador de Seleção e Encurtamento de Minimo Absoluto (LASSO) aos dados de propriedades permanentes filtrados para determinar a pluralidade de valores de variações intracampo que representam as variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agricolas.
3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda: aplicar um operador de floresta aleatória (RF) aos dados de propriedades permanentes filtrados para determinar a pluralidade de valores de variações intracampo que representam as variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas.
4. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda: baseado em, pelo menos em parte, a pluralidade de valores de variações intracampo, determinar uma pluralidade de padrões de rendimento do rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas, e armazenar a

Petição 870190049599, de 27/05/2019, pág. 92/109

3/9 pluralidade de padrões de rendimento na memória de computador.
5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda: utilizar a pluralidade de valores de variações intracampo que representam variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas para controlar automaticamente um sistema de controle de computador para gerir uma ou mais de: semeadura, irrigação, aplicação de nitrogênio ou colheita.
6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de propriedades permanentes para a pluralidade de subcampos agrícolas compreendem um ou mais de: dados de propriedades de solo, mapas de pesquisa de solo, dados de propriedades topográficas, mapas de solo descoberto ou imagens de satélite; em que os dados de propriedade de solo compreendem dados de medição de solo; em que os dados de propriedades topográficas compreendem dados de elevação e dados de propriedades associados à elevação.
7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda: identificar um tipo específico de um subconjunto dos dados de propriedades permanentes; com base, pelo menos em parte, no tipo específico dos dados de propriedades permanentes, determinar uma segunda pluralidade de valores de variações intracampo que representam as segundas variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas para o tipo específico de dados de propriedades.
8. Método, de acordo com a reivindicação 1, caracterizado

Petição 870190049599, de 27/05/2019, pág. 93/109

4/9 pelo fato de que compreende ainda: determinar se o pelo menos um item de dados está faltando para um subcampo especifico da pluralidade de subcampos agrícolas do campo agrícola devido a um ou mais de: dados históricos para o subcampo específico não estão disponíveis, o subcampo específico é irrigado, ou não foi colhida nenhuma cultura do subcampo específico.
9. Sistema de processamento de dados caracterizado pelo fato de que compreende:

uma memória de computador;

um ou mais processadores acoplados à memória de computador e programados para:

receber dados de propriedades permanentes para uma pluralidade de subcampos agrícolas de um campo agrícola;

determinar se pelo menos um item de dados está faltando para qualquer subcampo da pluralidade de subcampos agrícolas do campo agrícola nos dados de propriedades permanentes;

em resposta à determinação de que pelo menos um item de dados está faltando para qualquer subcampo da pluralidade de subcampos agrícolas do campo agrícola nos dados de propriedades permanentes, gerar, com base, pelo menos em parte, nos dados de propriedades permanentes, dados de propriedades adicionais para a pluralidade de subcampos agrícolas que incluem pelo menos um item de dados;

em que um item de dados, de pelo menos um item de dados, é gerado pela interpelação e agregação de dois ou mais registros de dados nos dados de propriedades permanentes;

gerar dados de propriedades permanentes pré-processados por mesclar os dados de propriedades permanentes com os dados de propriedades adicionais;

Petição 870190049599, de 27/05/2019, pág. 94/109

5/9 com base, pelo menos em parte, nos dados de propriedades permanentes pré-processados, gerar dados de propriedades permanentes filtrados por remover, a partir dos dados de propriedades permanentes pré-processados, um conjunto de registros de propriedades permanentes pré-processados correspondentes a um subconjunto da pluralidade de subcampos agrícolas em gue duas ou mais culturas foram cultivadas no mesmo ano;

aplicar um operador de regressão aos dados de propriedades permanentes filtrados para determinar uma pluralidade de valores de variações intracampo gue representam variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas;

armazenar os valores de variações intracampo na memória de computador.
10. Sistema de processamento de dados, de acordo com a reivindicação 9, caracterizado pelo fato de gue o um ou mais processadores são ainda programados para executar: aplicar um Operador de Seleção e Encurtamento de Minimo Absoluto (LASSO) aos dados de propriedades permanentes filtrados para determinar a pluralidade de valores de variações intracampo gue representam as variações intracampo no rendimento previsto de culturas colhidas a partir da pluralidade de subcampos agrícolas.
11. Sistema de processamento de dados, de acordo com a reivindicação 9, caracterizado pelo fato de gue o um ou mais processadores são ainda programados para executar: aplicar um operador de floresta aleatória (RF) aos dados de propriedades permanentes filtrados para determinar a

Petição 870190049599, de 27/05/2019, pág. 95/109

6/9 pluralidade de valores de variações intracampo que representam as variações intracampo no rendimento previsto de culturas colhidas a partir da pluralidade de subcampos agrícolas.
12. Sistema de processamento de dados, de acordo com a reivindicação 9, caracterizado pelo fato de que o um ou mais processadores são ainda programados para executar: com base, pelo menos em parte, na pluralidade de valores de variações intracampo, determinar uma pluralidade de padrões de rendimento do rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas, e armazenar a pluralidade de padrões de rendimento na memória de computador.
13. Sistema de processamento de dados, de acordo com a reivindicação 9, caracterizado pelo fato de que o um ou mais processadores são ainda programados para executar: utilizar a pluralidade de valores de variações intracampo que representam variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas para controlar automaticamente um sistema de controle de computador para gerenciar uma ou mais de: semeadura, irrigação, aplicação de nitrogênio ou colheita.
14. Sistema de processamento de dados, de acordo com a reivindicação 9, caracterizado pelo fato de que os dados de propriedades permanentes para a pluralidade de subcampos agrícolas compreendem um ou mais de: dados de propriedades de solo, mapas de pesquisa de solo, dados de propriedades topográficas, mapas de solo descoberto ou imagens de satélite; em que os dados de propriedade de solo compreendem dados de medição de solo; em que os dados de propriedades

Petição 870190049599, de 27/05/2019, pág. 96/109

7/9 topográficas compreendem dados de elevação e dados de propriedades associados à elevação.
15. Sistema de processamento de dados, de acordo com a reivindicação 9, caracterizado pelo fato de que o um ou mais processadores são ainda programados para executar: identificar um tipo especifico de um subconjunto dos dados de propriedades permanentes; com base, pelo menos em parte, no tipo especifico dos dados de propriedades permanentes, determinar uma segunda pluralidade de valores de variações intracampo que representam as segundas variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas para o tipo especifico de dados de propriedades.
16. Sistema de processamento de dados, de acordo com a reivindicação 9, caracterizado pelo fato de que o um ou mais processadores são ainda programados para executar: determinar se o pelo menos um item de dados está faltando para um subcampo especifico da pluralidade de subcampos agricolas do campo agrícola devido de um ou mais de: dados históricos para o subcampo especifico não estão disponíveis, o subcampo especifico é irrigado, ou nenhuma cultura foi colhida a partir do subcampo especifico.
17. Um ou mais meios de armazenamento legíveis por computador não transitórios caracterizados pelo fato de que armazenam uma ou mais instruções de computador que, quando executadas por um ou mais processadores, fazem com que os processadores executem:

receber dados de propriedades permanentes para uma pluralidade de subcampos agricolas de um campo agrícola;

determinar se pelo menos um item de dados está faltando

Petição 870190049599, de 27/05/2019, pág. 97/109

8/9 para qualquer subcampo da pluralidade de subcampos agrícolas do campo agrícola nos dados de propriedades permanentes;

em resposta à determinação de que pelo menos um item de dados está faltando para qualquer subcampo da pluralidade de subcampos agrícolas do campo agrícola nos dados de propriedades permanentes, gerar, com base, pelo menos em parte, nos dados de propriedades permanentes, dados de propriedades adicionais para a pluralidade de subcampos agrícolas que incluem pelo menos um item de dados;

em que um item de dados, de pelo menos um item de dados, é gerado pela interpelação e agregação de dois ou mais registros de dados nos dados de propriedades permanentes;

gerar dados de propriedades permanentes pré-processados por mesclar os dados de propriedades permanentes com os dados de propriedades adicionais;

com base, pelo menos em parte, nos dados de propriedades permanentes pré-processados, gerar dados de propriedades permanentes filtrados por remover, a partir dos dados de propriedades permanentes pré-processados, um conjunto de registros de propriedades permanentes pré-processados correspondentes a um subconjunto da pluralidade de subcampos agrícolas em que duas ou mais culturas foram cultivadas no mesmo ano;

aplicar um operador de regressão aos dados de propriedades permanentes filtrados para determinar uma pluralidade de valores de variações intracampo que representam variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas;

armazenar os valores de variações intracampo em uma

Petição 870190049599, de 27/05/2019, pág. 98/109

9/9 memória de computador.
18. Um ou mais meios de armazenamento legíveis por computador não transitórios, de acordo com a reivindicação 17, caracterizados pelo fato de que armazenam instruções adicionais para: aplicar um Operador de Seleção e Encurtamento de Mínimo Absoluto (LASSO) aos dados de propriedades permanentes filtrados para determinar a pluralidade de valores de variações intracampo que representam as variações intracampo no rendimento previsto da colheita colhida a partir da pluralidade de subcampos agrícolas.
19. Um ou mais meios de armazenamento legíveis por computador não transitórios, de acordo com a reivindicação 17, caracterizados pelo fato de que armazenam instruções adicionais para: aplicar um operador de floresta aleatória (RF) aos dados de propriedades permanentes filtrados para determinar a pluralidade de valores de variações intracampo que representam a variações intracampo no rendimento previsto de culturas colhidas a partir da pluralidade de subcampos agrícolas.
20. Um ou mais meios de armazenamento legíveis por computador não transitórios, de acordo com a reivindicação 17, caracterizados pelo fato de que armazenam instruções adicionais para: com base, pelo menos em parte, na pluralidade de valores de variações intracampo, determinar uma pluralidade de padrões de rendimento do rendimento previsto de cultura colhida a partir da pluralidade de subcampos agrícolas, e armazenar a pluralidade de padrões de rendimento na memória de computador.