CN111373424A - 确定用于施加植物保护剂的有利/不利时间段 - Google Patents
确定用于施加植物保护剂的有利/不利时间段 Download PDFInfo
- Publication number
- CN111373424A CN111373424A CN201880069440.9A CN201880069440A CN111373424A CN 111373424 A CN111373424 A CN 111373424A CN 201880069440 A CN201880069440 A CN 201880069440A CN 111373424 A CN111373424 A CN 111373424A
- Authority
- CN
- China
- Prior art keywords
- crop protection
- field
- period
- information
- protection product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000011814 protection agent Substances 0.000 title abstract description 28
- 230000002349 favourable effect Effects 0.000 title description 2
- 230000000694 effects Effects 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000004590 computer program Methods 0.000 claims abstract description 20
- 230000007613 environmental effect Effects 0.000 claims description 42
- 241000196324 Embryophyta Species 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 20
- 244000038559 crop plants Species 0.000 claims description 13
- 239000004009 herbicide Substances 0.000 claims description 9
- DDBMQDADIHOWIC-UHFFFAOYSA-N aclonifen Chemical compound C1=C([N+]([O-])=O)C(N)=C(Cl)C(OC=2C=CC=CC=2)=C1 DDBMQDADIHOWIC-UHFFFAOYSA-N 0.000 claims description 5
- 230000002363 herbicidal effect Effects 0.000 claims description 5
- 235000007340 Hordeum vulgare Nutrition 0.000 claims description 4
- 241000209140 Triticum Species 0.000 claims description 4
- 235000021307 Triticum Nutrition 0.000 claims description 4
- USIUVYZYUHIAEV-UHFFFAOYSA-N diphenyl ether Chemical compound C=1C=CC=CC=1OC1=CC=CC=C1 USIUVYZYUHIAEV-UHFFFAOYSA-N 0.000 claims description 4
- 238000009331 sowing Methods 0.000 claims description 4
- 235000013339 cereals Nutrition 0.000 claims description 2
- 230000002411 adverse Effects 0.000 claims 2
- 240000005979 Hordeum vulgare Species 0.000 claims 1
- 238000010899 nucleation Methods 0.000 claims 1
- 238000013145 classification model Methods 0.000 description 40
- 230000006378 damage Effects 0.000 description 19
- 239000002689 soil Substances 0.000 description 15
- 238000012549 training Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 8
- 231100000674 Phytotoxicity Toxicity 0.000 description 7
- 239000004480 active ingredient Substances 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 230000000885 phytotoxic effect Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000012010 growth Effects 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 239000002890 Aclonifen Substances 0.000 description 3
- 241000209219 Hordeum Species 0.000 description 3
- 238000005341 cation exchange Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009528 severe injury Effects 0.000 description 3
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011234 economic evaluation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008121 plant development Effects 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000000417 fungicide Substances 0.000 description 1
- 239000003630 growth substance Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000003864 humus Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005342 ion exchange Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 231100000208 phytotoxic Toxicity 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Soil Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Environmental Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Mechanical Engineering (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及考虑副作用的作物保护剂的施加。本发明的主旨提为允许识别施加作物保护产品的有利和/或不利时间段方法、装置、计算机程序产品和系统。
Description
技术领域
本发明涉及有关副作用的作物保护剂的施加。本发明提供了允许识别施加作物保护产品的有利和/或不利时间段方法、装置、计算机程序产品和系统。
背景技术
作物保护产品在全球范围内被用于保护植物或植物产品免受有害生物的侵害或防止其影响，破坏不需要的植物或植物部分，抑制不需要的植物生长或防止这种生长和/或以不同的方式影响植物的生长过程。
除了所提到的希望的效果外，作物保护剂还可具有(通常是不希望的)副作用。
副作用可能受到环境条件的影响或取决于环境条件。例如，天气条件可影响作物保护剂的副作用发生的程度。
在这方面，可能有一段时间施加作物保护剂是不可行的，例如，由于一段时间内存在的条件，预计会发生副作用，而副作用所带来的缺点超过了作物保护剂的优点。
与副作用有关的信息通常被印刷在作物保护产品的包装上，和/或可在包装内传单中发现，和/或在产品的网站上被描述。
然而，该信息通常是非特异性的，并没有提及所有可能对副作用产生影响的因素。通常不考虑不同因素之间的相互依赖关系。此外，使用作物保护剂的用户必须费力地整理信息，但不期望得出符合他意愿的结论。
发明内容
独立权利要求的主旨解决了这些缺陷。优选实施例可以在从属权利要求和本说明书中找到。
因此，本发明首先提供了：
一种计划在一时间段内在田地中施加作物保护产品的方法，特别地，计算机实现的方法，包括以下步骤：
指定所述田地的地理位置，
提供所述田地的农业信息，
提供所述田地的环境信息，
基于所述农业信息和所述环境信息确定所述时间段的所述作物保护产品的副作用出现的概率，
产生关于在所述时间段内在所述田地中施加所述作物保护产品的可行性的结论，
向用户传送所述结论。
本发明还提供了
一种计划在一时间段内在田地中施加作物保护产品的装置，包括
输入单元，
发送单元，
接收单元，
处理单元，以及
输出单元，
其中，所述输入单元被配置为使得所述装置的用户能够指定所述田地的地理位置并提供所述田地的农业信息；
其中，所述发送单元被配置为发送该田地的地理位置信息和关于该时间段的信息；
其中，所述接收单元被配置为接收所述在时间段的该田地的环境信息；
其中，所述处理单元被配置为基于所述农业信息和所述环境信息确定所述时间段的所述作物保护产品的副作用出现的概率；
其中，所述处理单元被配置为产生关于在所述时间段内在所述田地中施加所述作物保护产品的可行性的报告(statement)；
其中，所述输出单元被配置为将结论传送给所述装置的所述用户。
本发明还提供了
一种计算机程序产品，包括数据载体，该数据载体上存储有可加载到计算机系统的操作存储器中的计算机程序，该计算机程序使计算机系统执行以下步骤：
-确定田地的地理位置，
-确定所述田地的农业信息，
-确定所述田地的环境信息，
-基于所述农业信息和所述环境信息确定一时间段的所述作物保护产品的副作用出现的概率，
-产生关于在所述时间段内在所述田地中施加所述作物保护产品的可行性的结论，
-向用户传送结论。
本发明还提供了
一种系统包括：
-输入单元，其被配置成使用户能够指定田地的地理位置并提供所述田地的农业信息；
-提供所述田地的环境信息的装置；
-第一处理单元，被配置为基于所述农业信息和所述环境信息确定一时间段的作物保护产品的副作用出现的概率；
-第二处理单元，其产生关于在所述时间段内在所述田地中施加所述作物保护产品的可行性的报告；
-输出单元，被配置成向用户传送该结论。
下文详细说明本发明，但不区分本发明的主题(方法、装置、计算机程序产品、系统)。替代地，下面的说明旨在类似地适用于本发明的所有主题，而不考虑其上下文(方法、装置、计算机程序产品、系统)。
本发明的出发点是希望知道在指定的作物植物田地中在指定的时间段内使用作物保护产品是否可行的人(此后也称为用户)。或者，用户希望知道在田地使用作物保护剂是可行的时间段。
术语“作物保护剂”被理解为这样的制剂，其用于保护植物或植物产品免受有害生物的侵害或防止其影响、破坏不需要的植物或植物部分的药剂，抑制植物不希望的生长或阻止这种生长和/或以不同于营养物(例如生长调节剂)的方式影响植物的生命过程。
作物保护剂的例子有除草剂、杀菌剂和杀虫剂(例如杀昆虫剂)。作物保护剂优选为除草剂。作物保护剂优选为在田地土壤上起作用的除草剂。
作物保护剂通常包括一种或多种活性成分。“活性成分”是指对生物有特定作用并引起特定反应的物质。优选地，该活性成分是来自二苯醚类除草剂的活性成分，最优选，苯草醚(2-氯-6-硝基-3-苯氧苯胺)。
作物保护剂通常包括用于稀释一种或多种活性成分的载体。诸如防腐剂、缓冲剂、染料等添加剂也是可以想象的。作物保护剂可以是固体、液体或气体。
作物保护剂通常以被包装的形式提供，具有与用作作物保护产品有关的信息。作物保护产品可包括作为混合物或作为单独成分的一种或多种作物保护剂。在作物保护产品中，作物保护剂可以与其他物质混合，例如与营养物混合。作物保护产品优选为
或另一包含苯草醚作物保护产品。
在本发明方法的第一步骤中，任务为指定地球表面的使用作物保护产品的区域。
作物保护产品通常用于正在种植或将要种植作物的田地。
术语“田地”被理解为指地球表面的空间上可划定的区域，该区域优选通过在这样的田地里种植作物、向作物提供营养物并收获作物而用于农业。
术语“作物植物”被理解为是指通过人为干预而被有意种植为有用或观赏植物的植物。
无论将要使用作物保护产品的地球表面区域是否在农业上使用，该区域在目前的上下文中被称为“田地”。
为了规范田地，需要了解田地内或其边界上的至少一个点的地理坐标，或至少了解靠近田地的位置。
该田地通常由用户指定。该用户可以例如使用输入单元(例如，键盘)将田地中至少一个点的地理坐标输入到本发明的装置中。还可想象，通过屏幕向用户显示地球表面或其部分的地理地图。可以想象，用户可以选择地图上的点，例如使用诸如计算机鼠标的输入单元，或者通过手指或通过触摸屏的输入笔。还可以想象，本发明的装置具有位置确定传感器(例如，GPS传感器)，以及用户可以使用该装置的位置来指定田地。全球定位系统(GPS)，官方称为NAVSTAR GPS，是用于确定位置的全球导航卫星系统的一个实例。也可以想象，用户在数字地图上绘制田地边界，从而指定田地。也可以想象，用户将靠近该田地或包括该田地的位置或区域的名称输入到计算机系统中。田地的规范最终用于确定将对其确定环境条件的场地的地理位置。
在本发明方法的进一步的步骤中，确定该田地的农业信息。例如，该信息通常由用户经由输入单元输入到本发明的装置或本发明的系统中。但也可以想象，信息或部分信息被从数据库传输。
在本发明的上下文中使用的术语“农业信息”附加地包括正操作(work)田地的农业机器的设置。这些信息可通过电子装置手动或自动提供给农业机器。例如，农业机器的电子装置可记录农业机器的操作步骤、操作顺序和/或设置，例如播种深度，以及例如将其传送到计算机或计算机系统。备选或附加地，可借助于农业机器的部分的图像来确定农业机器的设置，例如播种深度。
该农业信息优选为以下列表中的一条或多条信息：
-正在或将要在田里种植的作物，
-播种或种植日期，
-正在种植的作物的发育状态(例如，以BBCH代码的形式)，
-种植深度/播种深度。
BBCH代码(或BBCH标度)提供了植物发育的形态学阶段的信息。该缩写代表“Biologische Bundesanstalt,Bundessortenamt und CHemische Industrie”[联邦生物研究所、联邦植物品种办事处和化学工业]。BBCH标度用于科学交流涉及植物发育以及在有用植物生长过程中使用施肥和作物保护措施的最佳或推荐时机的问题。
正在或将要在田地种植的作物可以由用户指定。可以想象，本发明的装置和本发明的计算机程序产品仅为限定(给定)的作物植物配置。优选地，本发明的装置和本发明的计算机程序产品被配置用于多种作物。在优选实施例中，用户通过以文本形式输入(例如，通过输入单元)或从(虚拟)列表(例如，下拉菜单)中选择正在种植或将要种植的作物来选择。
优选地，农作物是谷物，甚至更优选冬小麦或冬大麦。
除了田地和将种植的作物，还必须指定要使用的作物保护产品。可想象，本发明的装置和本发明的计算机程序产品仅被配置用于限定(给定)的作物保护产品。优选地，本发明的装置和本发明的计算机程序产品被配置为用于多种作物保护产品。在优选实施例中，用户通过例如通过输入单元以文本形式输入或从(虚拟)列表(例如下拉菜单)中选择所使用的作物保护产品来选择所使用的作物保护产品。
还可以想象，通过读入光学代码的读取来指定作物保护产品。例如，可以想象，在作物保护产品的包装上印刷光学代码，用适当的读取装置读取，然后将读取的数据发送到本发明的装置或本发明的系统。光学代码的示例包括条形码(例如Codabar、Code128等)、2D码(例如Codablock、Code 49等)或矩阵码(例如，DataMatrix、MaxiCode、Aztec码、QR码等)。
例如，可使用光学扫描仪或照相机(现在是任何智能手机的一部分)来实现读入。
当然，还可想象，与作物保护产品有关的信息以另一种形式存储，例如以RFID标签的形式存储。
优选地，除了所使用的作物保护产品外，还指定计划剂量率[g/L]和/或施加率。
进一步可想象，用户还指定了他希望获得关于所指定的作物保护产品的使用是否可行的信息的一个或多个时间段。例如，他可以在数字日历中输入时间段。但也可以想象，在本发明的计算机程序中存储了一些初步设置，例如未来几天和/或几周。用户优选地定义他感兴趣的时间段。
术语“时间段”限定计划使用作物保护剂的时间段，优选在将来。通常，通过确定特定日期(限定的日期)来指定时间段。但也可想象，数天或一小时或数小时或一分钟或数分钟或另一个单位被确定用于时间段的规范。
在本发明方法的下一步骤中，在一个或多个指定时间段内确定指定田地的环境条件。
优选环境条件是计划使用作物保护产品的时间段的天气和在此时段之前一天或多天(例如1、2、3、4、5、6、7、8、9或10天)的天气以及在此时段之后一天或多天(例如1、2、3、4、5、6、7、8、9或10天)的天气。表征限定时间段内的天气的参数包括：最高温度(土壤、空气)、最低温度(土壤、空气)、平均温度(算术平均值；土壤、空气)、温度变化(土壤、空气)、空气湿度(相对、绝对)(累积)降水量、气压、风速、风向，限定光谱区域的辐射量(瓦/平方米)、全球辐射、土壤含水量。
例如，可以从商业供应商和/或公共来源请求一个或多个特定时间段的天气条件数据。优选至少部分地通过因特网提出请求。
在操作示例中，用于环境条件的至少一些数据优选地来自气象站，该气象站进一步优选地直接布置在指定的田地中。对环境条件的测量越准确，有关作物保护产品在该时间段内在田地施加的可行性的结论就越有意义。
可确定的进一步环境条件包括，例如，与感兴趣的田地的土壤有关的信息：土壤的物理特性(例如粒度、微结构、孔隙体积、有效储存密度等)、土壤的化学特性(碳酸盐含量、pH、缓冲范围、离子交换能力(capacity)，氧化还原电位等)、土壤的生物特性(根系渗透、腐殖质含量等)和/或其他。
可以想象，感兴趣的田地或感兴趣的田地所在区域的环境条件存储在例如可以通过因特网访问的数据库中。也可以想象，环境条件是由用户输入的，和/或通过传感器在当地确定和检测的。
优选地，事先根据经验确定相关的环境条件和相关的农业信息。例如，可以构想，影响作物保护产品副作用的参数以及该副作用是何种类可在试验系列中确定的。在这种情况下，所要求的参数优选是那些产生重大影响的参数，并且借助这些参数可对将来副作用的发生做出有说服力的预测。
在进一步的步骤中，利用农业信息和环境信息来预测在一个或多个特定时间段内副作用发生的概率以及副作用可能发生的程度。
例如，对于这样的预测，可使用从测试序列开发的预测模型。
在下一步骤中，将评估预测的副作用。评估的目的是能够向用户提出行动建议：他是否应该在指定的时间内在指定的田地使用有关的作物保护产品。
为该目的，应将副作用产生的缺点与作物保护产品提供的优点进行比较。例如，可以设想进行经济评估。这要用一个实例来说明。例如，可想象，作物保护产品是除草剂。除草剂的使用抑制了田里的杂草，更多的资源(如养分、水、阳光)可用于生长作物植物。结果是产量增加了。可想象，在特定的环境条件下，除草剂对作物具有植物毒性。这些植物毒性特性导致产量下降。在经济评估中，可以确定，尽管存在副作用，产量是否增加，以及使用作物保护剂的成本是否低于产量增加带来的收益。如果值得使用这种作物保护剂，这种使用在经济上是可行的。如果不值得使用这种作物保护剂，这种使用在经济上是不可行的。
除了经济评估之外或替代经济评估，也可以进行生态评估。
还可设想，风险评估是根据副作用发生的概率进行的。如果发生副作用的概率达到或高于限定的阈值，则不建议在该时间段内在田地使用作物保护剂；如果概率低于阈值，则建议使用。除了这种“二元”决策逻辑之外，还可以交通灯表示形式产生分级建议(例如，红色：不推荐，黄色：有条件推荐，绿色：推荐)，或以具有更多等级的其他表示形式。
描述的评估结果是关于可行性的结论。将此结论传送给用户。可以在屏幕上和/或通过扬声器接收信息。结论可以以文本形式、符号或颜色形式和/或通过语音输出给出。向用户发送具有结论的邮件或消息也是可构想的。
在另一可选步骤中，用户在建议的时间段内使用作物保护产品。通过农业机械的施加可在积极评估的情况下触发，或者如果建议使用，可以直接触发。为此目的，可以产生发送到农业机器的触发信号。可选或附加地，触发信号可以由独立于评估的用户确认来产生。另外，在预定评估的情况下，触发信号可由用户确认产生。例如，在三级或多级尺度上，在对应于推荐应用的第一和第二评估阶段中，触发信号可由用户确认产生，而在对应于不推荐施加的第三或更高评估阶段中，用户确认无法产生触发信号或触发信号已被阻止。
本发明的方法优选地至少部分地由一个或多个计算机辅助，这意味着本发明方法的一个或多个步骤由一个或多个计算机执行。在一个操作实例中，该方法有利地在分布式系统上执行。在另一操作示例中，该方法有利地作为嵌入式软件执行。
在优选实施例中，第一计算机处于用户的操作环境中。例如，第一计算机可是用于屏幕操作的操作场所计算机(个人计算机，简称PC)。它也可以是移动装置，如平板电脑、智能手机、笔记本电脑、智能手表等。
第一计算机具有输入单元，该输入单元被配置成允许用户指定田地的地理位置并提供田地的农业信息。如前所述，与田地的地理位置和农业信息有关的输入通常通过计算机鼠标、键盘和/或触摸屏进行。通过麦克风和语音识别进行语音输入也是可想象的。上文还描述了用于检测用户地理位置的GPS传感器。
本发明的系统还具有为提供田地的环境信息的装置。提供环境信息需要了解该田地的地理位置。相应的环境信息可例如存储在数据库中。数据库可是第一计算机的一部分，但也可以是第一计算机可以通过网络(例如因特网)连接到的第二计算机的一部分。也可以想象，环境信息仅在需要时(由第一计算机)确定，例如计算。特别是对于未来的天气条件，只有基于对于该地区的地理位置和指定的时间段的现有气象模型，才能确定这些条件，这便是这样的情况。
在一个实施例中，存在可以经由网络彼此连接的第一计算机和第二计算机。第一计算机具有接收单元，第一计算机使用该接收单元将与田地的地理位置有关的信息(以及可选的进一步信息，例如指定的时间段)发送到第二计算机。第二计算机具有接收单元，第二计算机通过该接收单元可接收第一计算机发送的数据。第二计算机基于所接收的数据确定用于所指定的田地和所指定的时间段的环境信息。可以想象，该信息已经存储在第二计算机上，或者第二计算机本身计算该信息，或者第二计算机与一个或多个进一步的计算机接触以获取该信息。第二计算机还具有发送单元，例如，第二计算机可以用该发送单元将环境信息发送到第一计算机。第一计算机还具有接收单元，所述接收单元可用于接收例如来自所述第一计算机的环境信息。基于指定田地的环境信息和农业信息，确定对于指定的时间段，农作物保护产品出现副作用的概率。这是在(第一)处理单元的帮助下实现的。该(第一)处理单元可以是第一计算机的一部分，也可以是第二计算机的一部分。还可以想象，它是可以通过网络(例如因特网)连接到第一计算机和/或第二计算机的另一计算机的一部分。处理单元将农业信息和环境信息提供给用于预测副作用的模型。该模型可是基于动态过程的，也可以是完全或部分基于规则的，也可以是统计或数据辅助/经验的。该模型是预先开发的，优选是基于经验测定(如田地和/或实验室试验)。
在优选实施例中，用于预测副作用的模型是分类模型。可以使用各种分类模型，例如神经网络、深度学习模型、决策树、随机森林模型、SVN、梯度增强、朴素贝叶斯、最近邻模型等。优选实施例涉及随机森林模型。
使用农业信息和/或环境信息，该处理单元借助该模型计算副作用的出现概率和严重程度。
因此，农业信息和/或环境信息优选地用作分类模型的输入数据。所使用的输入数据优选另外是试验数据或实验室数据。为了获得足够有意义的分类模型，优先选择100个以上的输入数据。例如，主要使用天气数据作为输入数据。在另一操作示例中，选择大于50、优选大于150、进一步优选大于500的输入数据。
在一个操作示例中，来自分类模型的输出数据优选地被精确地分成四个或至少四个输出类，四个输出类被定义为“无损害”、“可接受损害”、“不可接受损害”和“严重损害”。
“无损害”的定义在这里对应于0-5％的植物毒性、5-15％的植物毒性的“可接受损害”、15-30％的植物毒性的“不可接受损害”和>30％的植物毒性的“严重损害”的定义。
植物毒性是指植物保护剂对有用植物的危害程度。
在一个操作实例中，优选地基于所有输入数据，产生各种分类模型，然后确定各分类模型的预测精度。
优选地，使用不同的训练比率来测试各分类模型。在分类模型中，不使用所有输入数据训练分类模型是有利的。相反，一些输入数据应该用于对分类模型的结果的实际测试或验证。训练比率表示用于分类模型的训练的输入数据的比例。优选地，用于训练的输入数据与用于测试的输入数据的比率为0.5到0.8。因此，在0.8的训练比率下，80％的输入数据用于训练，20％的输入数据用于测试分类模型。
在一个操作实例中，优先考虑随后产生所谓的所有输入变量的相关矩阵。相关矩阵可用于确定每个输入变量的秩相关系数。输入变量的秩相关系数越高，输入变量在分类模型中用于导致最大精度结果飞适用性就越高。优选地，秩相关系数是Spearman秩相关系数。
在一个操作实例中，优选基于相关矩阵，通过继续使用仅仅大量输入变量中的减少数量的最重要输入变量，进行降维。优选地，最重要输入变量的数目在20以下；在一个操作实例中，最重要输入变量的数目在100以下，优选地在50以下，进一步优选地在10以下。
在一个操作实例中，所有分类模型优选在输入变量数目减少的情况下随后产生，并且确定预测精度。更具体地说，与具有所有输入变量时的性能相同，训练比率是可变的。
然后，选择具有最佳预测精度的分类模型。在一个操作实例中，具有最佳预测精度的分类模型优选为随机森林模型。
在一个操作实例中，优选具有最佳预测精度的所选分类模型随后以进一步减少数目的输入变量产生，并且确定预测精度。进一步减少数目的输入变量可以被减少，例如，减少到只有两个输入变量。
最后，选择用于建立最佳预测精度的输入变量的数目。备选地，所选择的不是建立最佳预测精度的输入变量的数量，而是预测精度忽略地低于最佳预测精度时的最小输入变量的数量。
在一个操作实例中，最重要的输入变量优选地包括以下输入变量中的至少一个或多个：植物类型、作物保护剂的剂量、平均土壤温度、阳离子交换容量、累积降水量、最低土壤温度、种植深度、粘土含量、最高气温和长波辐射。
基于计算出的概率，产生关于在指定的时间段内在田地中施加作物保护产品的可行性的结论。该结论是通过(第二)处理单元产生的。该(第二)处理单元可是第一计算机的一部分，也可以是第二计算机的一部分。还可以想象，它是可以通过网络(例如因特网)连接到第一计算机和/或第二计算机的另一计算机的一部分。第一和第二处理单元可以相同或不同。
如果结论是在第二(或另一)计算机上产生的，则通过发送单元将该结论发送到通过接收单元接收该结论的第一计算机。
第一计算机具有输出单元，通过该输出单元将该结论传送给用户。输出单元可以是屏幕和/或扬声器等。结论优选通过交通灯系统给出，预期的可接受损害以绿色阴影表示，预期的不可接受损害以红色阴影表示。
在一个操作实例中，优选通过计算不同条件下的田地的预期产量并将结果相互比较并评估来进一步处理该结论。
在一个操作实例中，优选将立即使用作物保护产品的田地产量与随后使用作物保护产品的田地产量进行比较。为此，该方法不仅在现有条件下进行，而且在预测未来条件时也同样如此。例如，优选地预测市场上有用植物的天气条件和/或价格。
在一个操作实例中，优选地将使用作物保护产品的田地产量与不使用作物保护产品的产量进行比较。
在此基础上，可以计算出对用户正确使用作物保护产品的建议。投资回报优选另外计算。向用户的建议优选地包括植物毒性效应和/或田地产量和/或投资回报之间的平衡。
优选用不同的传动比来测试各个分类模型。在分类模型中，不使用所有输入数据训练分类模型是有利的。相反，一些输入数据应该用于对分类模型的结果进行实际测试或验证。训练比率表示用于分类模型训练的输入数据的比例。优选地，用于训练的输入数据与用于测试的输入数据的比率为0.5到0.8。因此，在0.8的训练比率下，80％的输入数据用于训练，20％的输入数据用于测试分类模型。
在一个操作实例中，优先考虑随后产生所有输入变量的相关矩阵。相关矩阵可用于确定每个输入变量的秩相关系数。输入变量的秩相关系数越高，输入变量在分类模型中的适用性就越高，从而导致分类模型的最大精度。优选地，秩相关系数是Spearman的秩相关系数。
在一个操作实例中，优选地基于相关矩阵，在继续使用大量输入变量中数量减少的最重要输入变量的情况下进行降维。优选地，最重要输入变量的数目在20以下；在一个操作示例中，最重要输入变量的数目在100以下，优选地在50以下，进一步优选地在10以下。
在一个操作实例中，所有分类模型优选在输入变量数目减少的情况下随后产生，并且确定预测精度。更具体地说，在具有所有输入变量的性能的情况下，训练比率是可变的。
然后，选择预测精度最高的分类模型。在一个实例中，具有最佳预测精度的分类模型优选为随机森林模型。
在一个操作实例中，优选具有最佳预测精度的所选分类模型随后以进一步减少的输入变量数量产生，并且确定预测精度。进一步减少的输入变量的数量可以减少，例如，减少到只有两个输入变量。
最后，选择输入变量的个数，以此建立最佳的预测精度。或者，所选择的不是建立最佳预测精度的输入变量的数量，而是预测精度明显低于最佳预测精度的最小输入变量的数量。
在一个操作实例中，最重要的输入变量优选地包括以下输入变量中的至少一个或多个：植物类型、作物保护剂的用量、平均土壤温度、阳离子交换容量、累积降水量、最低土壤温度、植物深度，粘土含量、最高气温和长波辐射。
根据计算出的概率，得出了在规定时间内将作物保护产品应用于田地的可行性结论。结论是通过(第二)处理单元产生的。这个(第二)处理单元可以是第一计算机的一部分，也可以是第二计算机的一部分。还可以想象，它是可以通过网络(例如因特网)连接到第一计算机和/或第二计算机的另一计算机的一部分。第一和第二处理单元可以相同或不同。
如果结论是在第二(或另一)计算机上产生的，则通过发送单元将其发送到通过接收单元接收它的第一计算机。
第一计算机具有输出单元，该输出单元将结论传送给用户。输出单元可以是屏幕和/或扬声器等。结论优选通过红绿灯系统给出，预期可接受的损害以绿色表示，预期不可接受的损害以红色表示。
在一个操作实例中，优选通过计算不同条件下的田地预期产量并将结果相互比较和评估来进一步处理该结论。
在一个操作实例中，优选将立即使用作物保护产品的田地产量与随后使用作物保护产品的田地产量进行比较。为此目的，该方法不仅在现有条件下进行，而且在预测未来条件时也同样如此。例如，优选地预测天气条件和/或市场上有用植物的价格。
在一个操作实例中，优选地将使用作物保护产品的田地产量与不使用作物保护产品的产量进行比较。
在此基础上，可以计算出对用户关于正确使用作物保护产品的建议。投资回报优选被附加计算。向用户的建议优选包括植物毒性效应和/或田地产量和/或投资回报之间的平衡。
上述实施例可与本发明的整个教导和进一步实施例互换。
本发明的计算机程序产品可被提供用于在数据载体上购买和/或通过用于下载和安装的网络(例如因特网)在网站上提供。
下文参照实例和附图详细说明本发明，但不希望将本发明局限于附图所示的实例或特征。
附图说明
图1通过实例示出了本发明的计算机程序产品的图形用户界面的一部分。请求用户指定田地(选择或键入你的位置)。显示数字地图(10)。在地图的部分中，可使用虚拟按钮(12)放大或缩小。此外，还可以使用计算机鼠标或手指通过触摸屏移动地图的部分。通过输入位置(该田地位于的位置或靠近该田地的位置)的名称和/或点击数字地图上的一个点(借助计算机鼠标或手指)来指定该田地。
图2通过示例示出了本发明的计算机程序产品的图形用户界面的另一部分。要求用户提供该田地的农业信息(键入农业信息)。通过虚拟菜单(20)选择要使用的作物保护产品(产品)。通过虚拟菜单(21)选择田地种植的作物(作物名称)。开始日期(预测开始日期)被输入到田地(22)中，其限定将对作物保护产品的使用提出建议的时间段的开始。用户界面的执行方式可以使得在田地(22)中的鼠标点击打开虚拟日历，在虚拟日历中，可以通过鼠标点击选择开始日期。
作物植物的种植深度是通过虚拟滑动规则(23)来设置的。作物保护产品的计划剂量率通过虚拟滑动规则(24)设定。计算机程序可配置成将选定的剂量率与存储在数据库中的选定作物保护产品的推荐剂量率进行比较。如果所选剂量率在为所选作物保护产品推荐的范围内，则通过消息(25)指示。用户通过按下虚拟按钮(26)来结束农业信息的输入。按压的效果是将输入数据传送到本发明系统/本发明装置的操作存储器。
图3通过实例例示出了通过本发明的方法进行的分析的结果。不建议在9月14日和15日使用选定的作物保护产品。根据分析结果，在9月16日、17日和18存在使用所选的作物保护产品的最佳条件。
图4通过实例示出了通过本发明的方法进行的分析的更详细的结果。
图5示出了在图表说明中，预测精度与分类模型中使用的最有影响的变量的数量的依赖关系。
具体实施方式
对于含苯草醚的作物保护产品，产生了对于冬小麦和冬大麦的植物毒性预测模型。
首先，从检测变量和试验/实验室数据变量中产生10个不同的分类模型(共126个)。随后，确定了它们的预测精度。在下一步骤中，产生所有126个变量的相关矩阵，以便随后进行降维。通过降维，确定影响最大的变量，再次产生分类模型。具有最高预测精度的分类模型(随机森林模型)被选择，并用不同数量的变量被再次产生，分析预测精度。这可在图5中看到。在最后步骤中，选择了具有最高预测精度的变量数目。可选地，所选择的不是建立最佳预测精度的输入变量的数量，而是预测精度忽略地低于最佳预测精度的输入变量的最小数量。
如图5所示，所选分类模型的平均预测精度为80％。相反，这意味着不准确率为20％，这意味着分类模型在20％的情况下是错误的。
然而，分类模型的输出数据被分为四个输出类。输出类别“无损害”被限定为，没有作为副作用的对植物的损害发生。输出类别“可接受损害”被限定为，对植物造非常小或只是可接受的损害作为副作用发生。输出类别“不可接受的损害”被限定为，通常对植物不再可接受和不可接受的损害发生。输出类别“严重损害”被限定为，作为副作用植物被完全损害。
在该方面，特别是计算可接受损害而不是不可接受损害(反之亦然)的分类模型中的错误是至关重要的。例如，计算输出类别“可接受损害”而不是输出类别“无损害”的分类模型中的错误，在实践中不会导致错误判断，因为确定了在一时间段内在田地中施加作物保护剂的相同积极可行性。
例如，如果没有实践效果的这样的错误率为15％，则可以假定分类模型的有效预测精度为95％，而不是80％。
表1显示了在本实例中检查的哪些变量(预测因子)允许发生对植物毒性副作用的最准确预测。
表1：影响苯草醚对冬小麦和冬大麦植物毒性作用的变量
| 变量 | 时段 | 层 | 单位 |
| 作物植物 | - | - | - |
| 活性成分的剂量率 | - | - | g/L |
| 平均土壤温度(算数平均.) | -3天–0 | 0-10cm | ℃ |
| 阳离子交换能力 | 5-15cm | cmol/kg | |
| 累积降水量 | 0–3天 | - | mm |
| 种植深度 | - | - | cm |
| 体密度 | - | 5-15cm | kg kg<sup>-1</sup> |
| 最小空气温度 | 0–3天 | - | ℃ |
| 长波辐射 | -3天–0 | - | W m<sup>-2</sup> |
Claims (13)
1.一种计划在一时间段内在田地中施加作物保护产品的方法，包括以下步骤：
指定所述田地的地理位置，
提供所述田地的农业信息，
提供所述田地的环境信息，
基于所述农业信息和所述环境信息确定所述时间段的所述作物保护产品的副作用出现的概率，
产生关于在所述时间段内在所述田地中施加所述作物保护产品的可行性的结论，
向用户传送所述结论。
2.根据权利要求1所述的方法，其中所述作物保护产品包括除草剂，优选二苯醚除草剂，更优选2-氯-6-硝基-3-苯氧基苯胺。
3.根据权利要求1或2所述的方法，其中所述农业信息是以下列表中的一条或多条信息：
正在或将要在所述田地中种植的作物植物，
播种或种植日期，
种植的所述作物植物的发育状况，
种植深度和/或播种深度，
将要使用的一种或多种作物保护产品，
所述作物保护产品的植物剂量和/或施加率，
计划施加所述作物保护产品的时间段。
4.根据权利要求1至3中任一项所述的方法，其中所述环境条件是计划使用所述作物保护产品的所述时间段的预测天气数据，以及在该时段之前一天或多天，优选1、2、3、4、5或6天，的预测天气数据，以及在该时段之后一天或多天，例如1、2、3、4、5、或6天的预测天气数据。
5.根据权利要求1至4中任一项所述的方法，其中所种植的所述作物植物为谷物，优选冬小麦或冬大麦。
6.根据权利要求1至5中任一项所述的方法，其中，关于可行性的结论是经济考虑的结果，在该经济考虑中，在计划的时间段内施加所述作物保护产品所产生的产量收益与所述作物保护产品的任何副作用所产生的成本和产量损失相比较。
7.根据权利要求1至5中任一项所述的方法，其中，如果副作用出现的所述概率高于限定的阈值，则施加被评估为是可行的。
8.根据权利要求1至7中任一项所述的方法，还包括以下步骤：如果施加被考虑为是可行的，则施加所述作物保护产品。
9.根据权利要求1至8中任一项所述的方法，其中
基于所述农业信息和所述环境信息确定所述时间段内所述作物保护产品副作用出现的概率、产生关于在所述时间段内在所述田地中施加所述作物保护产品的所述可行性的结论，以及向所述用户传送所述结论的步骤由计算机系统自动完成，所述计算机系统使用在以下步骤中提供的信息作为输入参数以确定出现所述副作用的概率以及产生关于所述可行性的所述结论：
提供所述田地的农业信息，以及
提供所述田地的环境信息。
10.一种计划在一时间段内在田地中施加作物保护产品的装置，包括输入单元，
发送单元，
接收单元，
处理单元，以及
输出单元，
其中，所述输入单元被配置为使得所述装置的用户能够指定所述田地的地理位置并提供所述田地的农业信息；
其中，所述发送单元被配置为发送所述田地的地理位置信息和关于该时间段的信息；
其中，所述接收单元被配置为接收所述在时间段的该田地的环境信息；
其中，所述处理单元被配置为基于所述农业信息和所述环境信息确定所述时间段的所述作物保护产品的副作用出现的概率；
其中，所述处理单元被配置为产生关于在所述时间段内在所述田地中施加所述作物保护产品的可行性的报告；
其中，所述输出单元被配置为将所述结论传送给所述装置的所述用户。
11.一种计算机程序产品，包括数据载体，该数据载体上存储有可加载到计算机系统的操作存储器中的计算机程序，该计算机程序使计算机系统执行以下步骤：
确定田地的地理位置，
确定所述田地的农业信息，
确定所述田地的环境信息，
基于所述农业信息和所述环境信息确定一时间段的作物保护产品的副作用出现的概率，
产生关于在所述时间段内在所述田地中施加所述作物保护产品的可行性的结论，
-向用户传送所述结论。
12.根据权利要求11所述的计算机程序产品，其被配置为产生多种作物保护产品的结论。在优选实施例中，用户通过例如通过输入单元以文本形式输入所使用的作物保护产品或从(虚拟)列表(例如，下拉菜单)中选择所使用的作物保护产品来选择所使用的作物保护产品。
13.一种系统，包括
输入单元，其被配置成使用户能够指定田地的地理位置并提供所述田地的农业信息；
提供所述田地的环境信息的装置；
第一处理单元，被配置为基于所述农业信息和所述环境信息确定一时间段的作物保护产品的副作用出现的概率；
第二处理单元，产生关于在所述时间段内在所述田地中施加所述作物保护产品的可行性的报告；
输出单元，被配置成向所述用户传送所述结论。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP17198563 | 2017-10-26 | ||
| EP17198563.3 | 2017-10-26 | ||
| EP17200272.7 | 2017-11-07 | ||
| EP17200272 | 2017-11-07 | ||
| PCT/EP2018/079192 WO2019081593A1 (de) | 2017-10-26 | 2018-10-24 | Bestimmen von un/günstigen zeiträumen zur applikation von pflanzenschutzmitteln |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111373424A true CN111373424A (zh) | 2020-07-03 |
Family
ID=63878697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880069440.9A Pending CN111373424A (zh) | 2017-10-26 | 2018-10-24 | 确定用于施加植物保护剂的有利/不利时间段 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20210185887A1 (zh) |
| EP (1) | EP3701450A1 (zh) |
| CN (1) | CN111373424A (zh) |
| BR (1) | BR112020008200A2 (zh) |
| RU (1) | RU2020116150A (zh) |
| WO (1) | WO2019081593A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190050741A1 (en) * | 2017-08-10 | 2019-02-14 | Iteris, Inc. | Modeling and prediction of below-ground performance of agricultural biological products in precision agriculture |
| BR112021007018A2 (pt) * | 2018-10-19 | 2021-07-13 | Basf Se | método implementado por computador (1000), para otimizar a proteção de culturas, produto de programa de computador e sistema de computador |
| CN111135577B (zh) * | 2019-12-24 | 2021-02-19 | 口碑(上海)信息技术有限公司 | 一种数据处理方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110208636A1 (en) * | 2009-09-18 | 2011-08-25 | Intuit Inc. | Matching parties to a transaction for an agricultural commodity |
| US20150296778A1 (en) * | 2012-12-18 | 2015-10-22 | Bayer Cropscience Ag | Herbicidal agents containing aclonifen |
| CN105830870A (zh) * | 2016-03-24 | 2016-08-10 | 华北水利水电大学 | 一种远程无线农田监控系统和方法 |
| CN106056457A (zh) * | 2016-05-25 | 2016-10-26 | 内蒙古地拓农业科技有限公司 | 一种农业信息服务方法和装置 |
| DE102015225079A1 (de) * | 2015-12-14 | 2017-06-14 | Deere & Company | Verfahren und Vorrichtung zur Planung des Ausbringens von landwirtschaftlichem Material auf ein Feld |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060161309A1 (en) * | 2002-04-19 | 2006-07-20 | Moore Steven E | Irrigation control system |
-
2018
- 2018-10-24 BR BR112020008200-7A patent/BR112020008200A2/pt unknown
- 2018-10-24 RU RU2020116150A patent/RU2020116150A/ru unknown
- 2018-10-24 WO PCT/EP2018/079192 patent/WO2019081593A1/de active Search and Examination
- 2018-10-24 US US16/756,233 patent/US20210185887A1/en active Pending
- 2018-10-24 CN CN201880069440.9A patent/CN111373424A/zh active Pending
- 2018-10-24 EP EP18788795.5A patent/EP3701450A1/de active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110208636A1 (en) * | 2009-09-18 | 2011-08-25 | Intuit Inc. | Matching parties to a transaction for an agricultural commodity |
| US20150296778A1 (en) * | 2012-12-18 | 2015-10-22 | Bayer Cropscience Ag | Herbicidal agents containing aclonifen |
| DE102015225079A1 (de) * | 2015-12-14 | 2017-06-14 | Deere & Company | Verfahren und Vorrichtung zur Planung des Ausbringens von landwirtschaftlichem Material auf ein Feld |
| CN105830870A (zh) * | 2016-03-24 | 2016-08-10 | 华北水利水电大学 | 一种远程无线农田监控系统和方法 |
| CN106056457A (zh) * | 2016-05-25 | 2016-10-26 | 内蒙古地拓农业科技有限公司 | 一种农业信息服务方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019081593A1 (de) | 2019-05-02 |
| RU2020116150A (ru) | 2021-11-26 |
| US20210185887A1 (en) | 2021-06-24 |
| BR112020008200A2 (pt) | 2021-03-23 |
| EP3701450A1 (de) | 2020-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lowenberg‐DeBoer et al. | Setting the record straight on precision agriculture adoption | |
| US20130018586A1 (en) | Field and Crop Information Gathering System | |
| US20210209705A1 (en) | System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain | |
| US8938218B2 (en) | Mobile based advisory system and a method thereof | |
| CN105787801A (zh) | 精确农业系统 | |
| Stone et al. | Operational seasonal forecasting of crop performance | |
| Rickert et al. | Modelling pasture and animal production. | |
| de Souza et al. | Sample size and Shapiro-Wilk test: An analysis for soybean grain yield | |
| Zuo et al. | Flying over the farm: Understanding drone adoption by Australian irrigators | |
| CN111373424A (zh) | 确定用于施加植物保护剂的有利/不利时间段 | |
| CN115205695B (zh) | 一种根据种植数据确定种植策略的方法和系统 | |
| CN113362192A (zh) | 农业保险核保方法、系统、设备和存储介质 | |
| Perez et al. | Determinants of vulnerability of bean growing households to climate variability in Colombia | |
| WO2019239422A1 (en) | System and method for digital crop lifecycle modeling | |
| US20200250360A1 (en) | Use of data from field trials in crop protection for calibrating and optimising prediction models | |
| Corti et al. | A scoping review of side-dress nitrogen recommendation systems and their perspectives in precision agriculture | |
| JP6932682B2 (ja) | プログラム、情報処理方法、及び情報処理装置 | |
| Robertson et al. | Digital agriculture | |
| Junior et al. | Application of the JULES-crop model and agrometeorological indicators for forecasting off-season maize yield in Brazil | |
| Figueiredo et al. | Using temporal stability to estimate soya bean yield: a case study in Paraná state, Brazil | |
| Uddin | Factors influencing adoption and adoption intensity of precision agriculture technologies in South Dakota | |
| Kantanantha | Crop decision planning under yield and price uncertainties | |
| Koivisto et al. | Strategic decisions and economic evaluation of horticulture farms in Finland | |
| Pandia et al. | Digitalisation in Agriculture: Roads Ahead | |
| US20240242121A1 (en) | Systems and methods for treating crop diseases in growing spaces |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200703 |