CN112166453A - 杂交种植研究与田地目标 - Google Patents
杂交种植研究与田地目标 Download PDFInfo
- Publication number
- CN112166453A CN112166453A CN201980035167.2A CN201980035167A CN112166453A CN 112166453 A CN112166453 A CN 112166453A CN 201980035167 A CN201980035167 A CN 201980035167A CN 112166453 A CN112166453 A CN 112166453A
- Authority
- CN
- China
- Prior art keywords
- field
- data
- rate
- crop
- grower
- 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
Images
Classifications
-
- 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
- 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
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Abstract
公开了一种以种植者田地为目标用于作物产量提升的计算机实现方法。该方法包括:由处理器接收在一段时间内关于与多个种植者设备相关联的田地组的作物播种速率数据和相应的作物产量数据;由处理器接收与多个种植者设备中的一个相关联的种植者田地的当前播种速率;基于作物播种速率数据和相应的作物产量数据,确定种植者的田地是否将是响应的,以将种植者的田地的作物播种速率从当前播种速率增加至目标播种速率;响应于确定种植者的田地将是响应的,准备包括新的作物播种速率和将在种植者的田地中实现的特定杂种的规定。
Description
版权通知
技术领域
本公开涉及杂交种植研究和田地目标技术领域,并且更具体地涉及设计、追踪和验证将被应用于多个种植者的田地的实验的技术领域。
背景技术
在本节中描述的方法是可以被实现的方法,但不一定是先前已经设想或实现的方法。因此,除非另有说明,否则不应假设本节中所描述的任何方法仅因其包含在本节中而被视为现有技术。
农业操作倾向于消耗大量时间、金钱和其他资源。因此,在实现某一目标(例如某一产量水平)中加速单个操作(例如种植特定量的种子)或者缩短任何反复试验过程的能力通常是有用的。在计算机的帮助下,制造了更先进的农业器具,生成与农业操作的各个方面相关的更大量的(通常跨越多个种植者的田地的)传感器数据,并准备好进行处理。遍及种植者的田地收集这样的数据、将数据转换成用于加速单个操作或缩短任何反复试验过程的分析见解或可执行的建议、以及将转换结果分发到所有种植者系统的系统的端到端方法可能是有用的。
这种系统的方法中的初始部件中的一个可以是田地目标,选择一些种植者的田地进行特定的农业实验,并预测结果。示例性实验(或特别是目标试验)是将播种速率增加特定量以将作物产量提高某一水平。通过对预测结果执行特定实验,具有不同特性的不同田地可以被用于基于规定的操作,并且通常基于其他田地的性能,可以以不同的方式改善各个田地的性能。识别哪些实验可以在单独的田地上执行以及如何遍及多个田地协调实验以实现最佳聚集结果可能是挑战性的。
发明内容
所附权利要求书可用作本公开的概述。
附图说明
在附图中:
图1示出了被配置成执行在本文描述的功能的示例计算机系统,该示例计算机系统在田地环境中与可以与该系统交互操作的其他装置一起示出。
图2示出了当示例移动应用被加载用于执行时主存储器中的指令集的示例逻辑组织的两个视图。
图3示出了编程过程,通过该编程过程农业智能计算机系统使用由一个或更多个数据源提供的农艺数据来生成一个或更多个预配置的农艺模型。
图4是示出了本发明的实施例可以在其上实现的计算机系统的框图。
图5描绘了用于数据条目的时间轴视图的示例性实施例。
图6描绘了用于数据条目的电子表格视图的示例性实施例。
图7示出了由田地研究服务器执行的从田地目标到在种植者系统的信息分布的示例过程。
图8示出了给定杂种的作物密度与作物产量之间的示例性关系。
图9示出了管理实践的示例类型。
图10示出了由田地研究服务器执行以确定种植者的田地或种植者的区域的作物杂种的示例过程。
图11针对作物产量提升,由目标种植者田地的田地研究服务器执行的示例过程。
具体实施方式
在以下描述中,出于解释的目的,阐述了许多具体细节以便提供对本公开的深入理解。然而,将显而易见的是,可以在没有这些具体细节的情况下实践实施例。在其他实例中,以框图形式展示众所周知的结构和设备,以避免不必要地模糊本公开。根据以下概述在节段中公开各实施例:
1.总体概述
2.示例性农业智能计算机系统
2.1.结构概述
2.2.应用程序概述
2.3.向计算机系统的数据摄取
2.4.工艺概述-农艺模型训练
2.5.实现示例-硬件概述
3.功能性描述
3.1.杂交种植田地研究
3.2.田地目标
1.总体概述
公开了一种用于管理杂交种植田地研究的计算机实现的系统及其相关方法。在一些实施例中,该系统被编程或被配置有数据结构和/或数据库记录,这些数据结构和/或数据库记录被布置为通过端到端工艺遍及多个种植者的田地来进行计算机化的杂交种植田地研究。在一些实施例中,系统可以被编程为基于产物或其他概念构建模型以预测产量提升或实现其他农业目的。该系统还可以被编程为在识别的田地中创建实验以验证预测的提升,同时透明地证明产量结果。该系统可以进一步被编程为捕获种植、当令和收获数据用于下游分析。此外,系统可以被编程为验证实验是按照规定执行和管理的。该系统还可以被编程为实时分析当令和收获,并适当地应答。此外,该系统可以被配置成分享遍及种植者系统的当令和季末的见解与建议。
在一些实施例中,该系统被编程为将被预测响应于播种速率增加的某些田地作为目标,以用于实验来实现作物产量提升。基于历史数据典型地建立最初的产物(作物产量)响应性的基线,所述历史数据与在作物杂种、位置或产量提升管理实践中可能类似的田地组的多年内的作物密度和作物产量关联。该系统可以被配置为确定平均或最佳播种速率作为基线的一部分。系统还可以通过复杂的数据结构(诸如决策树)来表示基线。对于种植者的田地,系统然后被配置为估计将当前播种速率增加至目标播种速率对种植者的田地从基线的作物产量提升的影响,并进而预测种植者的田地的产物响应性。响应于确定种植者的田地将充分响应播种速率增加,系统可以被配置为将种植者的田地作为目标用于实验并准备用于实验的设计,其可以通过新的播种速率和作物杂种来参数化。除非新的播种速率被种植者预期的播种速率覆盖,新的播种速率典型地是目标播种速率,并且作物杂种通常与播种速率变化一致。
该系统产生许多技术效果。在目标种植者和种植者的田地中,该系统采用新颖的方法来确定如何应用特定的实验。这些方法在给定的时间帧内导致田地更高的产量水平,缩短实现某一产量提升的时间,或改进田地的某些操作。将多种仔细设计的实验应用于多种杂交种植田地支持更复杂的高维分析。因此,这些实验的广泛覆盖导致收集更多的田地数据并且生成在更短时间量内促进田地生长的更多的农业见解。此外,通过将这些方法集成到流线型框架中,系统允许这些方法产生最大的效果,同时需要最少的人力工作。
另一个益处来自通过在每次实验内组织目标试验和对照试验两者来增加每次实验的复杂性和有用性。这样的实验帮助简化并集中于下游分析,并且向种植者提供目标试验的益处的清楚的证明。另一个益处来自数据收集、实验执行的验证、以及相对于预测结果的实验结果的分析的实时和连续执行。这种措施增加了指定的实验的成功率,并且还加快了有益于田地的预测结果的实现。分析的严格和效率向种植者及其田地提供了进一步的益处。
2.示例性农业智能计算机系统
2.1.结构概述
图1示出了被配置成执行本文所描述的功能的示例计算机系统,该示例计算机系统在田地环境中与可以与该系统交互操作的其他装置一起示出。在一个实施例中,用户102在田地位置中拥有、操作或控制田地管理器计算设备104或与田地位置(诸如旨在用于农业活动的田地或用于一个或更多个农业田地的管理位置)相关联。田地管理器计算设备104被编程或被配置成经由一个或更多个网络109向农业智能计算机系统130提供田地数据106。
田地数据106的示例包括(a)识别数据(例如,面积、田地名称、田地标识符、地理标识符、边界标识符、作物标识符、以及可以用于识别农田的任何其他合适的数据(如:公共用地单位(CLU)、地块和区块号、地号、地理坐标和边界、农场序列号(FSN)、农场号、地带号、田地号、地区、城镇、和/或范围)),(b)收获数据(例如,作物类型、作物品种、轮作、作物是否有机生长、收获日期、实际生产历史(APH)、预期产量、产量、作物价格、作物收入、粮食水分、耕作实践、以及先前的生长季节信息),(c)土壤数据(例如,类型、成分、pH、有机物质(OM)、阳离子交换能力(CEC)),(d)种植数据(例如,种植日期、种子类型、种植种子的相关成熟期(RM)、种子种群),(e)肥料数据(例如,营养物类型(氮、磷、钾)、应用类型、应用日期、量、源、方法),(f)化学制品应用数据(例如,杀虫剂、除草剂、杀真菌剂、旨在用作植物调节剂、脱叶剂或干燥剂的其他物质或物质的混合物、应用日期、量、源、方法),(g)灌溉数据(例如,应用日期、量、源、方法),(h)天气数据(例如,降水、降雨率、预测降雨、水径流率区域、温度、风、预测、压力、能见度、云、热指数、露点、湿度、雪深、空气质量、日出、日落),(i)影像数据(例如,来自农业装置传感器、相机、计算机、智能电话、平板电脑、无人驾驶的航空飞行器、飞机或卫星的影像和光谱信息),(j)搜寻观察(照片、视频、自由形式记录、语音记录、语音录音、天气条件(温度、(当前和随时间的)降水、土壤水分、作物生长阶段、风速、相对湿度、露点、黑层)),以及(k)土壤、种子、作物物候学、害虫和疾病报告以及预测源和数据库。
数据服务器计算机108通信地耦接至农业智能计算机系统130并且被编程或被配置成经由网络109将外部数据110发送至农业智能计算机系统130。外部数据服务器计算机108可以由与农业智能计算机系统130相同的法人或实体拥有或操作,或由诸如政府机构、非政府组织(NGO)和/或私人数据服务提供者等不同的人或实体拥有或操作。外部数据的示例包括天气数据、影像数据、土壤数据、或与作物产量相关的统计数据等。外部数据110可以包括与田地数据106相同类型的信息。在一些实施例中,外部数据110由拥有和/或操作农业智能计算机系统130的相同实体所拥有的外部数据服务器108提供。例如,农业智能计算机系统130可以包括专注于可能以其他方式从第三方源获得的数据(诸如天气数据)的类型的数据服务器。在一些实施例中,外部数据服务器108实际上可以被并入系统130内。
农业装置111可以具有固定在其上的一个或更多个远程传感器112,这些传感器直接地或经由农业装置111间接地通信耦接到农业智能计算机系统130上,并且被编程或被配置成将传感器数据发送到农业智能计算机系统130。农业装置111的示例包括拖拉机、联合收割机、收割机、种植机机、卡车、肥料设备、包括无人驾驶的航空飞行器的飞行器、以及任何其他物理机械或硬件(典型地是可移动机械)项目,并且这些项目可以被用于与农业相关的任务中。在一些实施例中,装置111的单个单元可包括:多个传感器112、控制器局域网(CAN);所述多个传感器112在装置上的网络中本地耦接;所述控制器局域网(CAN)是可被安装在联合收割机、收割机、喷雾器和耕田机中的这种网络的示例。应用控制器114经由网络109通信地耦接到农业智能计算机系统130,并且被编程或被配置成从农业智能计算机系统130接收用于控制农业载具或器具的操作参数的一个或更多个脚本。例如,控制器局域网(CAN)总线接口可用于启动从农业智能计算机系统130到农业装置111的通信,诸如如何使用可从加利福尼亚州旧金山的气候公司获得的CLIMATE FIELDVIEW DRIVE。传感器数据可以包括与田地数据106相同类型的信息。在一些实施例中,远程传感器112可以不被固定到农业装置111,而是可以被远程地定位在田地中并可以与网络109通信。
装置111可以包括驾驶室计算机115,该驾驶室计算机115被编程有驾驶室应用,该驾驶室应用可以包括设备104的移动应用的版本或变体,所述设备104将在本文的其他部分中进一步描述。在实施例中,驾驶室计算机115包括安装在装置111的操作员的驾驶室内的具有图形屏幕显示器(诸如彩色显示器)的紧凑型计算机(通常是平板尺寸的计算机或智能电话)。驾驶室计算机115可以实现在本文针对移动计算设备104进一步描述的操作和功能中的一些或全部。
网络109广泛地表示一个或更多个数据通信网络的任何组合,所述一个或更多个数据通信网络包括使用任何有线或无线链路的局域网、广域网、互联网或因特网;所述有线或无线链路包括地面或卫星链路。网络可以由提供图1的各个元件之间的数据交换的任何介质或机制来实现。图1的各个元件还可具有直接(有线或无线)通信链路。传感器112、控制器114、外部数据服务器计算机108、和系统的其他元件各自包括与网络109兼容的接口,并被编程或被配置成使用标准协议来跨网络通信,所述标准协议诸如TCP/IP、蓝牙、CAN协议和更高层协议(诸如HTTP、TLS等)。
农业智能计算机系统130被编程或被配置成接收来自田地管理器计算设备104的田地数据106、来自外部数据服务器计算机108的外部数据110以及来自远程传感器112的传感器数据。农业智能计算机系统130可以进一步被配置为托管、使用或执行一个或更多个计算机程序、其他软件元件、数字编程逻辑(诸如FPGA或ASIC)或它们的任何组合以执行数据值的转换和存储,在一个或更多个田地上构建一个或更多个作物的数字模型,生成建议和通知,以及以在本公开的其他部分中进一步描述的方式生成脚本且将脚本发送到应用控制器114。
在实施例中,农业智能计算机系统130被编程有或包括通信层132、表示层134、数据管理层140、硬件/虚拟化层150以及模型与田地数据储存库160。在上下文中,“层”是指电子数字接口电路、微控制器、固件(如驱动器)和/或计算机程序或其他软件元件的任何组合。
通信层132可以被编程或被配置成执行输入/输出接口功能,所述输入/输出接口功能包括分别向田地管理器计算设备104、外部数据服务器计算机108和远程传感器112发送对田地数据、外部数据和传感器数据的请求。通信层132可以被编程或被配置为将所接收的数据发送到模型与田地数据储存库160以存储为田地数据106。
表示层134可以被编程或被配置成生成图形用户界面(GUI)以在田地管理器计算设备104、驾驶室计算机115或通过网络109耦接到系统130的其他计算机上显示。GUI可包括用于输入将要发送至农业智能计算机系统130的数据、生成对模型和/或建议的请求和/或显示建议、通知、模型和其他田地数据的控件。
数据管理层140可以被编程或被配置成管理关于储存库160和系统的其他功能元件的读取操作和写入操作,包括在系统的功能元件与储存库之间通信的查询和结果集。数据管理层140的示例包括JDBC、SQL服务器接口代码和/或HADOOP接口代码等。储存库160可以包括数据库。如本文所使用的,术语“数据库”可以指数据的主体、关系数据库管理系统(RDBMS)或两者。如本文所使用的,数据库可包括任何数据集合,该数据集合包括分层数据库、关系数据库、平面文件数据库、对象关系数据库、面向对象数据库、分布式数据库、和存储在计算机系统中的记录或数据的任何其他结构化集合。RDBMS的示例包括但不限于MYSQL、DB2、SQL SERVER、和POSTGRESQL数据库。然而,可以使用能够实现本文描述的系统和方法的任何数据库。
当田地数据106不是经由一个或更多个农业机器或与农业智能计算机系统交互的农业机器设备直接提供给农业智能计算机系统时,可以经由用户设备上的(由农业智能计算机系统服务的)一个或更多个用户接口提示用户输入这样的信息。在示例性实施例中,用户可以通过访问用户设备上的(由农业智能计算机系统服务的)地图并选择已经在该地图上形象地示出的特定CLU来指定识别数据。在可替代实施例中,用户102可以通过访问用户设备上的(由农业智能计算机系统130服务的)地图并在地图上绘制田地的边界来指定识别数据。这样的CLU选择或地图绘制表示地理标识符。在可替代实施例中,用户可以通过访问来自美国农业部农场服务局(U.S.Department of Agriculture Farm Service Agency)或经由用户设备的其他源的(作为形状文件或以类似格式提供的)田地识别数据并将此类田地识别数据提供给农业智能计算机系统来指定识别数据。
在示例性实施例中,农业智能计算机系统130被编程为生成并引起图形用户界面显示,该图形用户界面包括用于数据输入的数据管理器。在使用上述方法识别一个或更多个田地之后,数据管理器可以提供一个或更多个图形用户界面窗体,该一个或更多个图形用户界面窗体在被选择时可以识别田地、土壤、作物、耕作或营养物实践的变化。数据管理器可以包括时间轴视图、电子表格视图和/或一个或更多个可编辑的程序。
图5描绘了用于数据条目的时间轴视图的示例性实施例。使用图5中描绘的显示器,用户计算机可以输入用于添加事件的特定田地和特定日期的选择。在时间轴的顶部描绘的事件可以包括氮、种植、实践和土壤。为了添加氮应用事件,用户计算机可提供输入以选择氮标签。然后用户计算机可以针对特定田地选择时间轴上的位置,以便指示在所选田地上应用氮。响应于接收到对特定田地的时间轴上的位置的选择,数据管理器可以显示数据条目覆盖,允许用户计算机输入与氮应用、种植程序、土壤应用、耕作程序、灌溉实践或者与特定田地相关的其他信息有关的数据。例如,如果用户计算机选择时间轴的一部分并指示氮应用,则数据条目覆盖可包括用于输入应用的氮的量、应用日期、使用的肥料的类型和与氮应用相关的任何其他信息的田地。
在实施例中,数据管理器提供用于创建一个或更多个程序的接口。在此上下文中,“程序”是指与氮应用、种植程序、土壤应用、耕作程序、灌溉实践、或可以与一个或更多个田地相关并且可以存储在数字数据储存器中以便作为在其他操作集中再使用的其他信息有关的数据集。在程序被创建之后,它可以在概念上被应用到一个或更多个田地,并且对程序的引用可以与识别这些田地的数据相关联地存储在数字储存器中。由此,用户计算机可以创建指示氮的特定应用的程序,然后将程序应用到多个不同的田地,而不是手动地输入与用于多个不同的田地的相同氮应用相关的相同数据。例如,在图5的时间轴视图中,顶部的两个时间轴具有所选择的“春天应用”程序,该程序包括早在4月应用的150磅(lbs)N/ac。数据管理器可以提供用于编辑程序的接口。在实施例中,当特定程序被编辑时,已经选择该特定程序的每个田地都被编辑。例如,在图5中,如果编辑“春天应用”程序以将氮的应用减少至130磅N/ac,则可以基于编辑的程序用减少的氮的应用来更新顶部两个田地。
在实施例中,响应于接收到对具有所选择的程序的田地的编辑,数据管理器移除该田地与所选择的程序的对应关系。例如,如果氮应用被添加到图5中的顶部田地,则接口可以更新以指示“春天应用”程序不再被应用到顶部田地。虽然早4月的氮应用可以保留,但对“春季应用”程序的更新将不会改变四月的氮应用。
图6描绘了用于数据条目的电子表格视图的示例性实施例。使用图6中描绘的显示器,用户可创建和编辑一个或更多个田地的信息。数据管理器可包括用于输入与氮、种植、实践和土壤相关的信息的电子表格,如图6所示。为了编辑特定条目,用户计算机可选择电子表格中的特定条目并更新值。例如,图6描绘了对第二田地的目标产量值的正在进行中的更新。另外,用户计算机可以选择一个或更多个田地以便应用一个或更多个程序。响应于接收到对用于特定田地的程序的选择,数据管理器可以基于所选择的程序自动完成用于特定田地的条目。如同时间轴视图,响应于接收到对程序的更新,数据管理器可以更新与特定程序相关联的每个田地的条目。另外,响应于接收到对用于田地的条目中的一个的编辑数据管理器可以移除所选程序与田地的对应关系。
在实施例中,模型与田地数据被存储在模型与田地数据储存库160中。模型数据包括为一个或更多个田地创建的数据模型。例如,作物模型可包括一个或更多个田地上的作物发育的数字构造模型。“模型”在此上下文中是指电子数字存储的可执行指令集和数据值集,所述可执行指令集和数据值集彼此相关联,能够基于指定的输入值接收并响应编程或其他数字呼叫、调用、或请求解析,以产生可用作计算机实现的建议的基础的一个或更多个存储的或计算的输出值,输出数据显示或机器控制等。本领域技术人员发现使用数学方程来表示模型是方便的,但是表达的形式并不将本文所公开的模型限于抽象概念;相反,本文的每个模型以所存储的可执行指令和使用计算机来实现该模型的数据的形式在计算机中具有实际应用。该模型可以包括一个或更多个田地上的过去事件的模型、一个或更多个田地的当前状态的模型、和/或一个或更多个田地上的预测事件的模型。模型与田地数据可被存储在存储器中的数据结构,数据库表、平面文件或电子表格中的行,或其他形式的所存储的数字数据中。
在实施例中,农业智能计算机系统130被编程为包括田地研究服务器(“服务器”)170。服务器170还被配置为包括控制管理器172和田地目标模块174。控制管理器172被配置为管理端到端杂交种植田地研究。端到端工艺可包括多个部件,包括将种植者及其田地作为目标,对田地进行指定的实验以(论证和)实现预测结果,从指定的实验收集数据,验证指定的实验的执行,分析所收集的数据以生成用于种植者的有用信息,包括农业小贴士和建议,以及在种植者系统上分发这样的信息。控制管理器172被进一步配置为将端到端工艺做成流线型,并且在每个部件中应用适当的技术。田地目标模块174被编程为在端到端工艺中集中在田地目标部件。具体地,田地目标模块174被编程为确定需要对哪些田地执行哪些实验。控制管理器172可以被配置为与田地目标模块174通信,用于在端到端工艺中实现田地目标部件。服务器170可以包括附加模块以集中于端到端工艺中的其他部件。
在农业智能计算机系统130中,服务器170的每个部件均包括主存储器(诸如RAM)的一个或更多个页面集,可执行指令已经被加载到其中并且当可执行指令被执行时使农业智能计算机系统执行本文参考那些模块所描述的功能或操作。例如,田地目标部件174可包括RAM中包含指令的页面集,当这些指令被执行时使得执行本文所描述的位置选择功能。指令可以在CPU的指令集中的机器可执行代码中,并且可以已经基于以JAVA、C、C++、OBJECTIVE-C或任何其他人类可读编程语言或环境编写的源代码,单独地或与JAVASCRIPT中的脚本、其他脚本语言和其他编程源文本组合编译。术语“页面”旨在广义地指主存储器内的任何区域,并且在系统中使用的具体术语可以基于存储器架构或处理器架构而变化。在另一实施例中,在农业智能计算机系统130或单独的储存库系统中,服务器170的每个部件还可表示以数字方式存储在例如非易失性RAM或磁盘储存器等大容量储存器设备中的源代码的一个或更多个文件或项目,当被编译或解释执行时,使生成可执行指令,当可执行指令被执行时,使农业智能计算机系统执行本文参照那些模块描述的功能或操作。换言之,附图可表示程序员或软件开发者组织并布置源代码以供稍后编译成可执行文件、或解释成字节码或等同物以供农业智能计算机系统130执行的方式。
硬件/虚拟化层150包括如例如结合图4所展示和描述的一个或更多个中央处理单元(CPU)、存储器控制器以及计算机系统的其他设备、部件或元件(如易失性或非易失性存储器、非易失性储存器(如磁盘)、以及I/O设备或接口)。层150还可以包括被配置成支持虚拟化、容器化、或其他技术的编程指令。
为了展示清楚的示例的目的,图1示出了某些功能元件的有限数量的实例。然而,在其他实施例中,可以存在任何数量的这样的元件。例如,实施例可以使用与不同用户相关联的数千或数百万的不同移动计算设备104。进一步,系统130和/或外部数据服务器计算机108可以使用两个或更多处理器、核、聚类、或物理机器或虚拟机器的实例来实现,这些实例被配置在离散位置或与数据中心、共享计算设施或云计算设施中的其他元件同位。
2.2.应用程序概述
在实施例中,使用一个或更多个计算机程序或被加载到一个或更多个通用计算机中并使用一个或更多个通用计算机执行的其他软件元件来实现本文描述的功能,将使通用计算机被配置成特定机器或被配置成特别适合于执行本文描述的功能的计算机。本文进一步描述的流程图中的每一个都可单独地或与本文的工艺和功能的描述组合地用作可用于编程计算机或逻辑以实现所描述的功能的算法、计划或指示。换言之,本文中的所有文本和所有附图一起旨在提供足以允许技术人员对计算机进行编程以执行本文所描述的功能的算法、计划或指示的公开,结合这种技术人员的技能和知识,给出适合于这种类型的发明和公开的技能水平。
在实施例中,用户102使用配置有操作系统和一个或更多个应用程序或应用软件(app)的田地管理器计算设备104与农业智能计算机系统130交互;田地管理器计算设备104还可以在程序控制或逻辑控制下独立地和自动地与农业智能计算机系统交互操作,并且不总是需要直接的用户交互。田地管理器计算设备104广泛地表示智能电话、PDA、平板计算设备、膝上型计算机、台式计算机、工作站或能够传送和接收信息并执行本文中所描述的功能的任何其他计算设备中的一个或更多个。田地管理器计算设备104可以使用存储在田地管理器计算设备104上的移动应用经由网络进行通信,并且在一些实施例中,设备可以使用电缆113或连接器耦接到传感器112和/或控制器114。特定的用户102可以一次拥有、操作或控制和使用关于系统130的一个以上的田地管理器计算设备104。
移动应用可以经由网络向一个或更多个移动计算设备提供客户端功能。在示例性实施例中,田地管理器计算设备104可以经由web浏览器或本地客户端应用或app来访问移动应用。田地管理器计算设备104可以使用基于web的协议或格式(诸如HTTP、XML和/或JSON)或app专用协议来向一个或更多个前端服务器传送数据以及从一个或更多个前端服务器接收数据。在示例性实施例中,数据可以采取请求和用户信息输入(诸如田地数据)的形式进入移动计算设备。在一些实施例中,移动应用与田地管理器计算设备104上的位置跟踪硬件和软件交互,所述位置跟踪硬件和软件使用标准跟踪技术(诸如无线电信号的多点定位、全球定位系统(GPS)、WiFi定位系统或其他移动定位方法)来确定田地管理器计算设备104的位置。在一些情况下,可以通过对设备的操作系统的查询或通过请求设备上的app以从操作系统获得数据来获得与设备104、用户102和/或(一个或更多个)用户账户相关联的位置数据或其他数据。
在实施例中,田地管理器计算设备104将田地数据106发送至农业智能计算机系统130,所述农业智能计算机系统130包含或包括,但不限于,表示下列各项中的一项或多项的数据值:一个或更多个田地的地理位置;一个或更多个田地的耕作信息;在一个或更多个田地中种植的作物;以及从所述一个或更多个田地中提取的土壤数据。田地管理器计算设备104可以响应于来自用户102指定的一个或更多个田地的数据值的用户输入来发送田地数据106。另外,当数据值中的一个或更多个变得对田地管理器计算设备104可用时,田地管理器计算设备104可以自动地发送田地数据106。例如,田地管理器计算设备104可以通信地耦接到包括灌溉传感器和/或灌溉控制器的远程传感器112和/或应用控制器114。响应于接收到指示应用控制器114将水释放到一个或更多个田地的数据,田地管理器计算设备104可以向农业智能计算机系统130发送指示将水释放在一个或更多个田地上的田地数据106。本公开中识别的田地数据106可以使用电子数字数据输入和通信,所述电子数字数据通过HTTP或另外合适的通信或消息协议使用参数化的URL在计算设备之间传送。
移动应用的商业示例是从加利福尼亚州旧金山的气候公司可获得的CLIMATEFIELDVIEW。CLIMATE FIELDVIEW应用或其他应用可被修改、扩展或适配于包括未在本公开的提交日期之前公开的特征、功能和编程。在一个实施例中,移动应用包括集成的软件平台,该软件平台允许种植者为他们的操作做出基于事实的决策,因为该操作将关于种植者的田地的历史数据与种植者希望比较的任何其他数据组合。这些组合和比较可以实时执行并且是基于科学模型的,这些科学模型提供允许种植者做出更好、更明智的决策的潜在场景。
图2示出了当示例移动应用被加载用于执行时,主存储器中的指令集的示例逻辑组织的两个视图。在图2中,每个命名元件都表示RAM或其他主存储器的一个或更多个页面的区域,或磁盘储存器或其他非易失性储存器的一个或更多个块,以及在这些区域内的编程指令。在一个实施例中,在视图(a)中,移动计算机应用200包括账户-田地-数据摄取-共享指令202、概述与警告指令204、数字地图书指令206、种子与种植指令208、氮指令210、天气指令212、田地健康指令214和性能指令216。
在一个实施例中,移动计算机应用200包括账户、田地、数据摄取、共享指令202,所述共享指令202被编程为经由手动上传或API从第三方系统接收、转换和摄取田地数据。数据类型可包括田地边界、产量地图、作为种植的地图、土壤测试结果、作为应用的地图和/或管理区域等。数据格式可包括形状文件、第三方的本地数据格式和/或农场管理信息系统(FMIS)主配置文件等。接收数据可以经由手动上传、具有附件的电子邮件、将数据推送到移动应用的外部API、或调用外部系统的API以将数据拉入移动应用的指令而发生。在一个实施例中,移动计算机应用200包括数据收件箱。响应于接收对数据收件箱的选择,移动计算机应用200可以显示图形用户界面用于手动地上传数据文件并将上传的文件导入数据管理器。
在一个实施例中,数字地图书指令206包括存储在设备存储器中的田地地图数据层,并且利用数据可视化工具和地理空间田地注释进行编程。这为种植者提供了靠近手边的便利信息以用于田地性能的参考、记录和视觉见解。在一个实施例中,概述与警告指令204被编程为提供对种植者重要的操作范围的视图,并及时地建议以采取行动或聚焦于特定问题。这允许种植者将时间聚焦在需要注意什么上,以在整个季节节省时间并且保持产量。在一个实施例中,种子与种植指令208被编程为基于科学模型和经验数据提供工具用于种子选择、杂种放置和脚本创建(包括可变速率(VR)脚本创建)。这使得种植者能够通过优化的种子购买、放置和种群来最大化产量或投资回报。
在一个实施例中,脚本生成指令205被编程为提供接口,用于生成包括可变速率(VR)育性脚本的脚本。该接口使得种植者能够创建用于田地器具的脚本,诸如营养物应用、种植、以及灌溉。例如,种植脚本接口可以包括用于识别种植的种子的类型的工具。在接收到种子类型的选择时,移动计算机应用200可以显示被分成管理区域的一个或更多个田地,诸如作为数字地图书指令206的一部分创建的田地地图数据层。在一个实施例中,管理区域包括土壤区域以及识别每个土壤区域的板和每个区域的土壤名称、纹理、排水或其他田地数据。移动计算机应用200还可显示用于编辑或创建的工具,诸如用于在一个或更多个田地的地图上绘制管理区域(诸如土壤区域)的图形工具。种植程序可应用于所有管理区域或不同的种植程序可应用于管理区域的不同子集。当脚本被创建时,移动计算机应用200可以使得脚本由应用控制器以可读的格式(诸如存档或压缩的格式)用于下载。附加地和/或可替代地,脚本可以被直接从移动计算机应用200发送到驾驶室计算机115和/或上传到一个或更多个数据服务器并被存储以供进一步使用。
在一个实施例中,氮指令210被编程为提供工具以通过可视化氮对作物的可用性来告知氮决策。这使得种植者能够在季节期间通过优化的氮应用来最大化产量或投资回报。示例性编程功能包括显示图像(诸如SSURGO图像)以使得能够以高空间分辨率(取决于传感器接近度和分辨率,细到毫米或更小)绘制肥料应用区域和/或从子田地土壤数据(诸如从传感器获得的数据)生成的图像;现有栽培者定义的区域的上传;提供植物营养物可用性的图和/或使得能够调节遍及多个区域的氮的应用的地图;输出脚本以驱动机械;用于大量数据输入和调整的工具;和/或用于数据可视化的地图等等。在此上下文中,“大量数据输入”可以意味着输入数据一次,然后将相同的数据应用于已经在系统中定义的多个田地和/或区域;示例数据可以包括对于相同种植者的许多田地和/或区域相同的氮应用数据,但是这种大量数据输入适用于将任何类型的田地数据输入到移动计算机应用200中。例如,氮指令210可被编程为接受氮应用和实践程序的定义并且接受指定遍及多个田地应用那些程序的用户输入。在此上下文中,“氮应用程序”是指与以下各项相关联的所存储的命名数据集:名称、色码或其他标识符、一个或更多个应用日期、针对日期和数量中的每一个的材料或产物的类型、应用或合并(如注入或播撒)的方法,和/或应用主题的日期、作物或杂种的应用量或应用速率等。在此上下文中,“氮实践程序”是指与以下相关联的所存储的命名数据集:实践名称;先前的作物;耕作系统;主要耕作日期;使用的一个或更多个先前的耕作系统;使用的应用类型的一种或更多种指示物,如有机肥。氮指令210还可以被编程为生成氮图和使氮图显示,所述氮图指示植物使用指定氮的预测以及是否预测过剩或不足;在一些实施例中,不同的彩色指示物可以用信号通知过剩的量级或不足的量级。在一个实施例中,氮图包括计算机显示设备中的图形显示,所述图形显示包括多个行,每一行均与田地相关联并标识田地;指定在田地中种植什么作物、田地大小、田地位置和田地周界的图形表示的数据;在每一行中,具有指定在与月份名称相关的点处的每个氮应用和量的图形指示物的按月计的时间轴;以及过剩或不足的数字的和/或彩色的指示物,其中颜色指示量级。
在一个实施例中,氮图可以包括一个或更多个用户输入特征(如转盘或滑动条)以动态地改变氮种植和实践程序,使得用户可以优化他的氮图。然后用户可以使用他的优化后的氮图以及相关的氮种植和实践程序来实现包括可变速率(VR)育性脚本的一个或更多个脚本。氮指令210还可以被编程为生成氮图和使氮图显示,所述氮图指示植物使用指定氮的预测以及是否预测过剩或不足;在一些实施例中,不同的彩色指示物可以用信号通知过剩的量级或不足的量级。氮地图可显示植物使用指定氮的预测,以及使用过剩或不足的数字的和/或(颜色指示量级的)彩色的指示物在过去和未来(诸如每天、每周、每月或每年)为不同时间预测是否过剩或不足。在一个实施例中,氮地图可以包括一个或更多个用户输入特征(如转盘或滑动条),以动态地改变氮种植和实践程序,使得用户可以优化他的氮地图,诸如获得优选的过剩到不足的量。然后用户可以使用他的优化后的氮地图和相关的氮种植和实践程序来实现包括可变速率(VR)育性脚本的一个或更多个脚本。在其他实施例中,与氮指令210类似的指令可以用于其他营养物(例如磷和钾)的应用、杀虫剂的应用和灌溉程序。
在一个实施例中,天气指令212被编程为提供田地特定的最近天气数据和预测的天气信息。这使得种植者能够节省时间,并且相对于日常操作决策具有有效的集成显示。
在一个实施例中,田地健康指令214被编程为提供及时的远程感测图像,从而突出当令作物变化和潜在关注。示例编程功能包括云检测,以识别可能的云或云阴影;基于田地图像确定氮指数;搜寻层的图形可视化,其包括:例如与田地健康以及搜寻记录的查看和/或共享相关的那些侦察层;和/或从多个源下载卫星图像并为种植者优先处理该图像等。
在一个实施例中,性能指令216被编程为使用农场内的数据来提供报告、分析和见解工具以用于评估、见解和决策。这使得种植者能够通过关于为什么投资回报处于先前水平的基于事实的结论以及对产量限制因素的见解来探索下一年的改进结果。性能指令216可以被编程为经由网络109与在农业智能计算机系统130和/或外部数据服务器计算机108处执行的后端分析程序通信,并且被配置为分析诸如产量、产量差异、杂种、种群、SSURGO区域、土壤测试性质或海拔等度量。程序化报告和分析可包括产量可变性分析、处理效果估计、基于从许多种植者收集的匿名数据或种子与种植的数据相对于其他种植者的产量和其他度量的基准等。
具有以此方式配置的指令的应用可以针对不同的计算设备平台实现,同时保持相同的总体用户接口外观。例如,移动应用可被编程为在使用客户端计算机处的浏览器访问的平板电脑、智能电话或服务器计算机上执行。此外,被配置为用于平板电脑或智能电话的移动应用可以提供适合于驾驶室计算机115的显示和处理性能的完全app体验或驾驶室app体验。例如,现在参考图2的视图(b),在一个实施例中,驾驶室计算机应用220可以包括地图-驾驶室指令222、远程视图指令224、数据收集与传送指令226、机器警告指令228、脚本传送指令230、以及驾驶室搜寻指令232。用于视图(b)的指令的代码库可以与用于视图(a)的代码库相同,并且实现代码的可执行程序可以被编程为检测它们正在其上执行的平台的类型并通过图形用户界面仅暴露适合于驾驶室平台或整个平台的那些功能。该方法使得系统能够识别适用于驾驶室内环境和驾驶室的不同技术环境的明显地不同的用户体验。地图-驾驶室指令222可以被编程为提供在指导机器操作中有用的田地、农场或区域的地图视图。远程视图指令224可以被编程以实时地或接近实时地开启机器活动的视图、管理机器活动的视图,并向经由无线网络、有线连接器或适配器等连接到系统130的其他计算设备提供机器活动的视图。数据收集和传送指令226可以被编程以开启、管理和提供经由无线网络、有线连接器或适配器等将在传感器和控制器处收集的数据传送到系统130。机器警报指令228可以被编程为检测与驾驶室相关联的机器或工具的操作的问题并生成操作员警报。脚本传送指令230可被配置成在指令的脚本中传送,这些指令被配置成引导机器操作或数据的收集。搜寻-驾驶室指令232可以被编程为基于在田地中的田地管理器计算设备104、农业装置111或传感器112的位置来显示从系统130接收的基于位置的警报和信息,以及基于田地中的农业装置111或传感器112的位置来向系统130摄取、管理和提供基于位置的搜寻观察结果的传送。
2.3.向计算机系统的数据摄取
在实施例中,外部数据服务器计算机108存储外部数据110,该外部数据110包括表示一个或更多个田地的土壤成分的土壤数据以及表示一个或更多个田地上的温度和降水的天气数据。天气数据可以包括过去和当前天气数据以及未来天气数据的预测。在实施例中,外部数据服务器计算机108包括由不同实体托管的多个服务器。例如,第一服务器可以包含土壤成分数据,而第二服务器可以包括天气数据。另外,土壤成分数据可以被存储在多个服务器中。例如,一个服务器可以存储表示土壤中的沙子、淤泥和粘土的百分比的数据,而第二服务器可以存储表示土壤中的有机物质(OM)的百分比的数据。
在实施例中,远程传感器112包括被编程或被配置为产生一个或更多个观察结果的一个或更多个传感器。远程传感器112可以是航空传感器,例如卫星、载具传感器、种植设备传感器、耕作传感器、肥料或杀虫剂应用传感器、收割机传感器和能够从一个或更多个田地接收数据的任何其他器具。在实施例中,应用控制器114被编程或被配置为从农业智能计算机系统130接收指令。应用控制器114也可被编程或被配置为控制农业载具或器具的操作参数。例如,应用控制器可以被编程或被配置为控制载具(如拖拉机、种植设备、耕作设备、肥料或杀虫剂设备、收割机设备、或其他农场器具(如水阀))的操作参数。其他实施例可使用传感器和控制器的任何组合,其中,以下仅为挑选的示例。
系统130可以在用户102的控制下从已经向共享的数据库系统贡献数据的大量种植者的大量基础上获得或摄取数据。获得数据的这种形式可以被称为“手动数据摄取”,因为请求或触发一个或更多个用户控制的计算机操作以获得供系统130使用的数据。作为示例,可以操作从加利福尼亚州旧金山的气候公司商业上可获得的CLIMATE FIELDVIEW应用,以向系统130输出数据以存储在存储库160中。
例如,种子监控系统可以控制种植机装置部件并经由包括CAN骨干和用于注册和/或诊断的点对点连接的信号束获得包括来自种子传感器的信号的种植数据。种子监控系统可以被编程或被配置为经由系统130内的驾驶室计算机115或其他设备向用户显示种子间距、种群和其他信息。示例在美国专利No.8,738,243和美国专利出版物20150094916中公开,并且本公开假定了解那些其他专利公开。
同样地,产量监控系统可以包含用于收割机装置的产量传感器,所述收割机装置将产量测量数据发送到驾驶室计算机115或系统130内的其他设备。产量监控系统可利用一个或更多个远程传感器112来获得联合收割机或其他收割机中的粮食水分测量值,并经由驾驶室计算机115或系统130内的其他设备将这些测量值传送到用户。
在实施例中,可以与本文其他各处所描述类型的任何移动载具或装置一起使用的传感器112的示例包括运动学传感器和位置传感器。运动学传感器可以包括任何速度传感器,诸如雷达或轮速传感器、加速度计或陀螺仪。位置传感器可包括GPS接收器或收发器,或基于WiFi的位置或地图app等,所述地图app被编程为基于附近的WiFi热点来确定位置。
在实施例中,可以与拖拉机或其他移动载具一起使用的传感器112的示例包括与GPS或雷达信号交互的发动机速度传感器、燃料消耗传感器、区域计数器或距离计数器,PTO(动力输出)速度传感器,配置为检测液压参数(例如压力或流量)的牵引机液压传感器,和/或液压泵速度、轮速传感器或轮滑移传感器。在实施例中,可以与拖拉机一起使用的控制器114的示例包括液压定向控制器、压力控制器和/或流量控制器;液压泵速度控制器;速度控制器或调速器;挂钩位置控制器;或提供自动转向的车轮位置控制器。
在实施例中,可以与种子种植设备(如种植机、钻头或空气播种机)一起使用的传感器112的示例包括:种子传感器、下压力传感器(诸如负载销、负载单元、压力传感器)、土壤性质传感器(例如反射率传感器、水分传感器、电导率传感器、光学残留传感器或温度传感器)、部件操作标准传感器(例如种植深度传感器、下压力气缸压力传感器、种子盘速度传感器、种子驱动马达编码器、种子输送机系统速度传感器或真空水平传感器)、或杀虫剂应用传感器(例如光学或其他电磁传感器,或冲击传感器),所述种子传感器可以是光学传感器、电磁传感器或冲击传感器。在实施例中,可与这种种子种植设备一起使用的控制器114的示例包括:工具栏折叠控制器(例如用于与液压缸相关联的阀的控制器);下压力控制器(诸如用于与气动缸、安全气囊或液压缸相关联的阀的控制器,并且该控制器被编程为将下压力施加到各个行单元或整个种植机框架);种植深度控制器(例如线性致动器);计量控制器(例如电动种子计量器驱动马达、液压种子计量器驱动马达或线束控制离合器);混合选择控制器(例如,种子计量器驱动马达,或被编程为选择性地允许或防止种子或空气-种子混合物将种子输送到种子计量器或中央散装漏斗或从种子计量器或中央散装漏斗输送种子的其他致动器);计量控制器(诸如,电动种子计量器驱动马达或液压种子计量器驱动马达);种子输送机系统控制器(例如,用于带式种子输送输送机马达的控制器);标记控制器(例如,用于气动或液压致动器的控制器);或杀虫剂应用速率控制器(例如,计量驱动控制器、孔口尺寸或位置控制器)。
在实施例中,可以与耕作设备一起使用的传感器112的示例包括:用于工具(例如,杆或盘)的位置传感器;用于这样的工具的工具位置传感器,其被配置为检测深度、联动角或横向间隔;下压力传感器;或牵引力传感器。在实施例中,可与耕作设备一起使用的控制器114的示例包括:下压力控制器或工具位置控制器,诸如被配置为控制工具深度、联动角或横向间隔的控制器。
在实施例中,可以与用于应用肥料、杀昆虫剂、杀真菌剂等的装置(例如种植机上启动肥料系统、地下肥料应用器或肥料喷雾器)相关地使用的传感器112的示例包括:流体系统标准传感器(例如,流量传感器或压力传感器);指示哪些喷头阀或流体线阀打开的传感器;与罐相关联的传感器(诸如,填充液位传感器);区段或系统范围的供给线传感器、或特定的行供给线传感器;或运动学传感器(例如,设置在喷雾器臂上的加速度计)。在实施例中,可以与这样的装置一起使用的控制器114的示例包括:泵速控制器;被编程为控制压力、流量、方向、PWM等的阀控制器;或(例如,用于臂高度、深松机深度或臂位置的)位置致动器。
在实施例中,可以与收割机一起使用的传感器112的示例包括:产量监控器(例如,冲击板应变仪表或位置传感器、电容流量传感器、负载传感器、重量传感器、或与升降机或螺旋输送器相关联的扭矩传感器、或光学或其他电磁粮食高度传感器);粮食水分传感器(例如,电容传感器);包括冲击传感器、光学传感器或电容传感器的粮食损失传感器;收割台操作标准传感器(例如收割台高度、收割台类型、台面板缺口、进给器速度和卷轴速度传感器);分离器操作标准传感器(例如,凹面间隙、转子速度、闸瓦间隙或筛选机间隙传感器);用于位置、操作或速度的螺旋输送器传感器;或发动机速度传感器。在实施例中,可与收割机一起使用的控制器114的示例包括:用于诸如收割台高度、收割台类型、台面板缺口、进给器速度或卷轴速度的元件的收割台操作标准控制器;用于诸如凹面间隙、转子速度、闸瓦间隙或筛选机间隙的特征的分离器操作标准控制器;或用于螺旋输送器位置、操作或速度的控制器。
在实施例中,可以与粮食推车一起使用的传感器112的示例包括:重量传感器,或用于螺旋输送器位置、操作或速度的传感器。在实施例中,可以与粮食推车一起使用的控制器114的示例包括:用于螺旋输送器位置、操作或速度的控制器。
在实施例中,传感器112和控制器114的示例可以被安装在无人驾驶的航空飞行器(UAV)装置或“无人机”中。此类传感器可包括:相机,所述相机具有对包括可见光、红外线、紫外线、近红外线(NIR)等的电磁谱的任何范围有效的检测器;加速度计;高度计;温度传感器;湿度传感器;皮托管传感器或其他空速或风速传感器;电池寿命传感器;或雷达发射器和反射雷达能量检测装置;其他电磁辐射发射器和反射电磁辐射检测装置。此类控制器可以包括制导控制装置或电动机控制装置、控制表面控制器、相机控制器、或被编程为打开、操作、获得来自前述传感器中的任一个的数据,管理和配置前述传感器中的任一个的控制器。在美国专利申请No.14/831中公开的示例,以及本公开的示例,假定了解其他专利公开。
在实施例中,传感器112和控制器114可以被固定到土壤样品和测量装置上,该土壤样品和测量装置被配置或被编程为采样土壤并执行土壤化学测试、土壤水分测试、和与土壤有关的其他测试。例如,在美国专利No.8,767,194和美国专利No.8,712,148中公开的装置可被使用,并且本公开假定了解那些专利公开。
在实施例中,传感器112和控制器114可以包括用于监控田地的天气条件的天气设备。例如,在美国于2015年4月29日提交的美国临时申请No.62/154,207,在美国于2015年6月12日提交的美国临时申请No.62/175,160,于2015年7月28日提交的美国临时申请No.62/198,060以及于2015年9月18日提交的美国临时申请No.62/220,852中公开的装置可以被使用,并且本公开假定了解那些专利公开。
2.4.工艺概述-农艺模型训练
在实施例中,农业智能计算机系统130被编程或被配置为创建农艺模型。在此上下文中,农艺模型是农业智能计算机系统130的存储器中的数据结构,其包括:田地数据106,诸如一个或更多个田地的识别数据和收获数据。农艺模型还可包括计算出的农艺性质,其描述可影响田地上的一种或更多种作物的生长的条件,或者一种或更多种作物的性质,或两者。另外,农艺模型可包括基于农艺因素的建议,诸如作物建议、灌溉建议、种植建议、肥料建议、杀真菌剂建议、杀虫剂建议、收获建议和其他作物管理建议。农艺因素也可用于估计一种或更多种作物相关的结果,例如农艺产量。作物的农艺产量是所生产的作物的量的估计,或者在一些示例中是从所生产的作物获得的收入或利润。
在实施例中,农业智能计算机系统130可以使用预配置的农艺模型来计算与一个或更多个田地的当前接收的位置和作物信息相关的农艺性质。预配置的农艺模型基于包括但不限于识别数据、收获数据、肥料数据和天气数据的先前处理的田地数据。预配置的农艺模型可能已被交叉验证以确保模型的准确性。交叉验证可以包括与地面实物的比较,该地面实物将预测的结果与田地上的实际结果进行比较,例如,降水估计与在相同或附近位置提供天气数据的雨量计或传感器的比较或氮含量估计与土壤样品测量的比较。
图3示出了编程过程,通过该编程过程,农业智能计算机系统使用由一个或更多个数据源提供的田地数据来生成一个或更多个预配置的农艺模型。图3可以用作用于对农业智能计算机系统130的功能元件进行编程以执行现在描述的操作的算法或指令。
在框305处,农业智能计算机系统130被配置或被编程为实现从一个或更多个数据源接收的田地数据的农艺数据预处理。从一个或更多个数据源接收的田地数据可被预处理,以用于移除农艺数据(包括可能对接收到的田地数据值有不利影响的测量异常值)内的噪声、失真效果和混杂因素的目的。农艺数据预处理的实施例可包括但不限于移除通常与异常值数据值相关联的数据值,已知不必要地使其他数据值偏斜的特定测量数据点,数据平滑,聚合,或用于从噪声中去除或减少加性或乘数效应的采样技术,以及用于提供积极数据输入与消极数据输入之间的清楚的区别的其他滤波或数据推导技术。
在框310处,农业智能计算机系统130被配置或被编程为使用经预处理的田地数据执行数据子集选择,以便识别对初始农艺模型生成有用的数据集。农业智能计算机系统130可以实现数据子集选择技术,包括但不限于遗传算法方法、所有子集模型方法、顺序搜索方法、逐步回归方法、粒子群优化方法和蚁群优化方法。例如,基于自然选择和遗传学的进化原理,遗传算法选择技术使用适应性启发式搜索算法来确定和评估经预处理的农艺数据内的数据集。
在框315处,农业智能计算机系统130被配置或被编程为实现田地数据集评估。在实施例中,通过创建农艺模型并使用所创建的农艺模型的特定质量阈值来评估特定田地数据集。农艺模型可使用一种或更多种比较技术来比较和/或验证,所述比较技术诸如但不限于留一交叉验证均方根误差(root mean square error with leave-one-out crossvalidation,RMSECV)、平均绝对误差和平均百分比误差。例如,RMSECV可通过将由农艺模型创建的预测的农艺性质值与收集并分析的历史农艺性质值进行比较来交叉验证农艺模型。在实施例中,农艺数据集评估逻辑被用作反馈回路,其中在将来的数据子集选择步骤(框310)期间使用不满足所配置的质量阈值的农艺数据集。
在框320处,农业智能计算机系统130被配置或被编程为基于交叉验证的农艺数据集来实现农艺模型创建。在实施例中,农艺模型创建可实现多变量回归技术以创建预配置的农艺数据模型。
在框325处,农业智能计算机系统130被配置或被编程为存储预配置的农艺数据模型以供将来的田地数据评估。
2.5.实现示例-硬件概述
根据一个实施例,本文描述的技术由一个或更多个专用计算设备实现。专用计算设备可以是硬接线的,以执行这些技术,或者可以包括数字电子设备,诸如被持久地编程以执行这些技术的一个或更多个专用集成电路(ASIC)或现场可编程门阵列(FPGA),或者可以包括一个或更多个通用硬件处理器,所述一个或更多个通用硬件处理器被编程为根据固件、存储器、其他储存器或其组合中的程序指令来执行这些技术。此类专用计算设备还可将定制的硬接线的逻辑、ASIC或FPGA与定制的编程组合以实现这些技术。专用计算设备可以是台式计算机系统、便携式计算机系统、手持设备、联网设备或结合硬接线的和/或程序逻辑以实现这些技术的任何其他设备。
例如,图4是示出了计算机系统400的框图,本发明的实施例可以在该计算机系统400上实现。计算机系统400包括总线402或用于传递信息的其他通信机制,以及与总线402耦合用于处理信息的硬件处理器404。硬件处理器404可以是例如通用微处理器。
计算机系统400还包括主存储器406,例如随机存取存储器(RAM)或其他动态储存设备,该主存储器406与总线402耦接,以用于存储信息和由处理器404待执行的指令。主存储器406还可以用于在由处理器404执行的指令的执行期间存储临时变量或其他中间信息。此类指令在被存储在可由处理器404访问的非暂时性存储介质中时,使计算机系统400成为被定制为执行这些指令中指定的操作的专用机器。
计算机系统400还包括只读存储器(ROM)408或耦接到总线402上用于存储处理器404的静态信息和指令的其他静态储存设备。储存设备410(诸如磁盘、光盘或固态驱动器)被设置并耦接到总线402以用于存储信息和指令。
计算机系统400可以经由总线402耦接到显示器412(例如阴极射线管(CRT))以便向计算机用户显示信息。包括字母数字键和其他键的输入设备414耦接到总线402,用于向处理器404传递信息和命令选择。另一种类型的用户输入设备是光标控制416(诸如鼠标、轨迹球、或光标方向键),用于向处理器404传递方向信息和命令选择,以及用于控制显示器412上的光标移动。该输入设备通常在两个轴(第一轴(例如,x)和第二轴(例如,y))上具有两个自由度,其允许设备指定平面中的位置。
计算机系统400可以使用定制的硬接线的逻辑、一个或更多个ASIC或FPGA、固件和/或程序逻辑来实现本文描述的技术,定制的硬接线的逻辑、一个或更多个ASIC或FPGA、固件和/或程序逻辑与计算机系统组合使计算机系统400成为或将计算机系统400编程为专用机器。根据一个实施例,响应于处理器404执行包含在主存储器406中的一个或更多个指令的一个或更多个序列,通过计算机系统400来执行本文的技术。此类指令可从另一存储介质(例如,储存设备410)被读取到主存储器406中。主存储器406中包含的指令序列的执行使得处理器404执行本文描述的处理步骤。在可替代实施例中,硬接线的电路可代替软件指令或与软件指令组合使用。
如本文使用的术语“存储介质”是指存储使机器以特定方式操作的数据和/或指令的任何非暂时性介质。这种存储介质可包括非易失性介质和/或易失性介质。非易失性介质包括:例如光盘、磁盘或固态驱动器(诸如储存设备410)。易失性介质包括动态存储器,诸如主存储器406。存储介质的常见形式包括例如软盘、软磁盘、硬盘,固态驱动器、磁带或任何其他磁性数据存储介质,CD-ROM,任何其他光学数据存储介质,具有孔、RAM,PROM和EPROM模式的任何物理介质,FLASH-EPROM、NVRAM、任何其他存储器芯片或胶片盒。
存储介质不同于传输介质,但是可以与传输介质结合使用。传输介质参与存储介质之间的信息传输。例如,包括包含总线402的线的传输介质包括同轴电缆、铜线和光纤。传输介质还可以采取声波或光波的形式,诸如在无线电波和红外数据通信期间生成的那些声波或光波。
在将一个或更多个指令的一个或更多个序列携带至处理器404以供执行时,可以涉及多种形式的介质。例如,指令可最初被携带在远程计算机的磁盘或固态驱动器上。远程计算机可将指令加载到它的动态存储器中并使用调制解调器通过电话线发送指令。计算机系统400本地的调制解调器可以接收电话线上的数据,并使用红外发射机将数据转换为红外信号。红外检测器可以接收在红外信号中携带的数据,合适的电路可以将数据放置在总线402上。总线402将数据传递到主存储器406,处理器404从主存储器406检索并执行指令。由主存储器406接收的指令可以可选地在由处理器404执行之前或之后存储在储存设备410上。
计算机系统400还包括耦接到总线402的通信接口418。通信接口418提供耦接到连接到本地网络422的网络链路420的双向数据通信。例如,通信接口418可以是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器、或者向对应类型的电话线提供数据通信连接的调制解调器。作为另一示例,通信接口418可以是局域网(LAN)卡,以提供到兼容LAN的数据通信连接。还可以实现无线链路。在任何这种实现方式中,通信接口418发送和接收携带表示各种类型的信息的数字数据流的电信号、电磁信号或光信号。
网络链路420典型地通过一个或更多个网络向其他数据设备提供数据通信。例如,网络链路420可通过本地网络422提供到主机计算机424或到由互联网服务提供商(ISP)426操作的数据设备的连接。ISP 426进而通过现在通常被称为“因特网”428的全球分组数据通信网络提供数据通信服务。本地网络422和因特网428两者都使用携带数字数据流的电信号、电磁信号或光信号。通过各个网络的信号和网络链路420上的信号以及通过(将数字数据传递到计算机系统400和从计算机系统400传递数字数据的)通信接口418的信号是传输介质的示例形式。
计算机系统400可以通过网络、网络链路420和通信接口418来发送消息和接收包括程序代码的数据。在因特网示例中,服务器430可通过因特网428、ISP 426、本地网络422和通信接口418发射应用程序所请求的代码。
所接收的代码可以在其被接收时由处理器404执行,和/或存储在储存设备410或其他非易失性储存器中以供稍后执行。
3.功能性描述
3.1.杂交种植田地研究
图7示出了由田地研究服务器执行的从田地目标到遍及种植者系统的信息分布的过程。在一些实施例中,服务器170被编程为执行自动的杂交种植分析,其可以包括以计算种植者田地为目标、指定实验到种植者田地、从指定的实验收集数据、验证指定的实验的执行、分析所收集的数据、以及遍及种植者系统分发分析结果。
在步骤702中,服务器170被编程为在计算上以种植者田地为目标。在一些实施例中,给定关于种植者田地的列表的相关数据,服务器170被编程为针对特定种植者田地设计特定实验。实验的目的典型地是使一个或更多个田地的产量增加一定水平,尽管它也可以涉及减少这些田地的任何其他方面的输入或改进。实验或特别是目标试验(区别于受控试验,如下面进一步讨论的)的设计包括确定田地的哪些属性可能与实验目的有关以及这些属性中的一些的值的变化可能如何帮助实现实验目的。一个示例性实验是将田地的播种速率增加一定量,以便将作物产量增加或提升一定量。另一个示例性实验是将田地的杀真菌剂用量增加一定量,以实现将疾病传播减少一定量。
在一些实施例中,服务器170被编程为在粒度级别上管理种植者田地的列表。因此,服务器170被配置为识别将不参与指定的实验的田地的某些边界或其他有问题的区域,并且进一步确定将参与指定的实验的(缓冲区域介于其间的)特定条或方块。
作为示例,为了确定哪些田地的哪些部分将增加某量的播种速率或特定田地的播种速率将增加多少量,服务器170可以被配置为针对每个田地评估作物类型的杂种或品种、当前播种速率、历史年产量、播种速率的变化在过去如何影响产量、播种速率如何受天气或其他变量或影响田地的其他因素影响。在被称为实验时,服务器170被配置为预测实验的结果并基于预测的结果确定是否应用实验。例如,服务器170可以被配置为仅应用在研究中具有最高预测产量提升的那些实验。因此,每个实验实质上包括将被验证的建议,例如将播种速率增加一定量。
在一些实施例中,以种植者田地为目标还涉及以协调方式应用于一个或更多个种植者的田地的多个实验的设计。例如,单个田地可被分成多个条用于种植多个作物的杂种。虽然不同的田地可能某个时间特别地受益于不同的实验,但是所有田地的集合可以受益于协调实验,使得为了长期的益处,尽可能多的分析见解可以遍及种植者田地共享。例如,一些种植者可能具有有限数量的田地,其中仅涉及少量属性或某些属性的少量值的有限数量的实验可以应用到该年。然后,那些田地可以受益于向其他种植者的田地应用附加的实验,这些田地涉及不同属性或相同属性的不同值。
在一些实施例中,服务器170被编程为响应于特定触发条件而开始设计、选择或应用实验。此类触发条件可以包括当田地表现不够(例如,在某个时间帧内低作物产量)时、当田地处于平常条件(例如,低土壤水分或硝酸盐)时、当在环境中发生改变(例如,额外的阳光)时、或当对类似田地指定的实验已经产生了某一结果时。这些触发可以从在实现指定的实验期间收集的数据中检测,如下面进一步的讨论。每个触发条件总体代表改善田地性能或获得对某些农业现象或关系的特定见解的机会。
在步骤704中,服务器170被编程为指定实验到种植者田地。在一些实施例中,实验的设计或选择可以根据预定的时间表(如在每年或每个生长季节的开始时)自动地进行。实验的指定也可以自动进行。服务器170能够被配置为生成用于由人、机器或两者的组合理解的实验的规定、计划或方案。例如,一个实验可以是在某个种植者的田地上以某个速率种植某些种子。实验计划可包括各种细节,例如种子类型、田地内种子的目的地、每天种植的种子的量或每天种植种子的时间。
在一些实施例中,规定或方案还包括用于实现与目标试验(原始的预期实验)相反的对照试验的细节,以使种植者能够更好地理解目标试验的效果。通常,对照试验涉及相关属性的对比值,该对比值可以基于当前或过去的田地中实现的内容。例如,当目标试验是增加第一量的播种速率以增加一定水平的产量时,对照试验可以不增加播种速率(保持当前的播种速率)或提高比第一量高得多或低得多的第二量。规定可包括附加信息,诸如何时何地在种植者的田地上实现目标试验和对照试验。例如,在一个方案中,种植者的田地可以被分成条,并且规定可以指示第一条将被用于目标试验,第二条将被用于对照试验,并且该模式在地理上重复三次(第二次在第三和第四条上,第三次在第五和第六条上)。规定通常可以在管理目标试验和对照试验时结合至少一些水平的随机化,诸如将某些条随机分配给任一试验,以最小化可能存在于两个试验之间的任何偏差。
在一些实施例中,服务器170被编程为将计划直接传输至相关田地的农业器具,例如在田地的种植者下注册的或与特定田地相关联的种子分配器或另一种植机。取决于种植机是如何智能的,种植机可以根据计划自动地实现至少一些实验,或者当种植者手动地操作种植机时至少向种植者显示计划。例如,计划可以被转换成用于控制种植机的唤醒时间、种植机的移动或旋转速度、或由种植机采取的路线的电子信号。可替代地,服务器170可以被编程为将实验的计划或方案传输到种植者注册下的其他智能设备(如移动设备),到达该计划的一部分需要手动地或简单用于信息目的而实现的程度。
在一些实施例中,服务器170被编程为递增地且及时地传输该方案,而不是将用于实验的整个方案传输至智能设备(无论它是农业器具还是个人数字助理)。例如,当该方案涉及日常任务的执行时,服务器170可以被配置为每天发送对应于每天的工作的方案的一部分。服务器170还可以被配置为向种植者的移动设备递送提醒,例如,用于根据该方案执行某些任务。
在步骤706中,服务器170被编程为从指定的实验中收集数据。在一些实施例中,服务器170被编程为从实验方案或计划被传输到的相同的农业器具或从种植者注册下的相同的个人计算机(包括移动设备)接收数据。农业器具可以配备有能够捕获许多类型的数据的传感器。除了与实验中涉及的变量有关的数据(例如实际种植的种子的量,实际种植的时间、农业器具的实际移动或转速,农业器具实际采取的路线或实际取得的作物产量)之外,农业器具可以捕获与天气相关的附加数据(诸如阳光的量、湿度、花粉、风等)。农业器具还可记录与其内部状态相关的附加数据,包括不同部件是否正常运行、何时清洁或维护农业器具、多久+使用农业器具、或者农业器具是否以任何不寻常的方式使用。这些类型的数据中的一些可以由与个人计算设备集成的传感器或直接由种植者观测,并且随后经由个人计算设备报告给服务器170。通常,一旦数据变得可用,根据服务器170的请求,或根据预定的时间表,数据可由农业器具或个人计算设备传输至服务器170。
在步骤708中,服务器170被编程为验证指定的实验的执行。在一些实施例中,服务器170被编程为根据实验的计划或方案来确定是否正确地执行了指定的实验。目的是使得能够恰当地实现指定的实验,以便接收预测的结果。对于在该方案中涉及的变量,服务器170被编程为比较实际值(诸如在一小时跨度内实际种植在特定位置处的种子的量)和指定的值。服务器170被配置为报告任何检测到的不一致。例如,至少可以向种植者的个人计算设备发送警告:如果计划没有被严格遵循,将不会达到指定的实验的预期益处。
在一些实施例中,服务器170被编程为评估其他收集的数据并且建议补救步骤。具体地,服务器170可以被配置为传输用于诊断农业器具的部件是否正常运行的一系列步骤。例如,当一小时跨度内实际在特定位置处种植的种子的量大于指定的值时,持有待种植的种子的箱或用于称量待种植的种子的秤可能是无序的。因此,服务器170可以被编程为请求检查箱或秤。当通过传感器或通过某些诊断直接检测到农业器具的故障时,服务器170可以被编程为传输用于重新校准或修复农业器具的类似建议。另一方面,在确定完全跳过某些步骤时,服务器170可以被编程为传输遵循这些步骤的指令,或者重新调整提醒警报或检查农业器具的意见。
在一些实施例中,服务器170可以被编程为根据预定的时间表(诸如每月)或一旦接收到错误信号就验证每个指定的实验的执行。服务器170还可以被编程为根据特定范例(诸如基于随机采样的范例)来验证所有指定的实验的执行,以便节省资源。
在步骤710中,服务器170被编程为分析所收集的数据。在一些实施例中,服务器170被编程为进一步分析数据、调整指定的实验的预测或计划、或搜集可用于设计未来实验的特定见解。这样的分析可以在季节或年结束时或在种植者请求时周期性地执行。
在一些实施例中,当未正确地执行指定的实验时,可能无法获得预测的结果,并且服务器170可以被编程为基于如何遵循指定的实验的计划来调整预测。例如,服务器170可以被配置为认为实际播种速率仅为总的指定的播种速率的80%,由于农业器具的错误校准、某些种植步骤的跳过或其他原因,在确定预测的作物产量时,可能仅为预测或建议的作物产量的80%或小于预测或建议的作物产量。服务器170还可以被编程为生成一系列补救步骤以便实现原始预测。例如,当实际播种速率仅为总的指定的播种速率的80%时,服务器170可以被配置为通过指定播种速率来补偿实际播种速率,指定的播种速率为最初为实验的其余部分指定的播种速率的20%或大于最初为实验的其余部分指定的播种速率。
在一些实施例中,服务器170可以被编程为确定为什么即使当指定的实验被适当地执行时,仍未达到预测的结果。分别从目标试验和对照试验收集的数据的比较常可以用于从考虑中消除某些因素。服务器170还可以被配置为检测实验的目的与其他田地属性或外部变量之间的相关性。服务器170还可被配置为从类似的实验的结果检测模式,这可帮助识别异常值并指明特定田地的问题。预测的结果与实际结果之间的差异背后的原因可以用于设计未来实验或生成未来实验的预测。例如,在检测到作物类型与播种速率之间关于作物产量的显著相关性时,服务器170可以被配置为将某些类型的作物通常生长在其中的特定田地作为目标,用于使播种速率与作物产量相关的实验。类似地,服务器170可以被编程为根据在特定的田地中生长的作物的类型来预测作物产量的不同水平。
在一些实施例中,服务器170被编程为设计增量实验。为了测试相对新的假设,服务器170可以被配置为通过对属性或变量中的一个引入相对小的改变来指定保守实验。当最后的指定的实验的实际结果与预测的结果一致时,然后服务器170可以被编程为将属性的进一步改变引入变量。在其他实施例中,服务器170被编程为考虑应用于两个相似的田地的两个指定的实验的结果,并且确定组合这两个实验是否可能是允许的和有益的。例如,当播种速率和产量之间的关系以及土壤水分和产量之间的关系已经在两个相似的田地中清楚且单独地证明时,未来的实验可能是增加应用于相同的田地的相同实验中的播种速率和土壤水分。
在步骤712中,服务器170被编程为遍及种植者系统分发分析见解。在一些实施例中,服务器170被编程为呈现通过分析从遍及种植者田地的多个指定的实验中获得的数据而生成的总结、小贴士或进一步的建议。服务器170可以被配置为向每个种植者系统(诸如种植者的移动设备)传送报告,该报告示出在所有指定的实验或指定的实验的某些组上的聚合统计。该报告还可以指示与其他种植者的田地相比种植者的田地已经如何执行,并基于对种植者的田地与其他种植者的田地之间的性能差异的分析来指示可能的原因。该报告可以突出与种植者的田地指定的实验相似的其他指定的实验。该报告还可以概述在未来应用于种植者的田地并且从种植者征求反馈的可能实验。
在一些实施例中,这些步骤702至步骤712中的一些或全部可以被重复地、迭代地或无序地执行。例如,数据捕获和执行验证可以在季节期间周期性地发生。
3.2田地目标
在一些实施例中,服务器170被编程为建立模型,该模型包括用于预测田地对播种速率变化的产物(作物产量)响应性的计算机可执行指令。服务器170被编程为最初从跨越遍及与不同种植者设备相关联的不同种植者的多个田地的数年的历史数据建立某些基线。历史数据可以从内部试验和实验或从外部数据源获得。田地的数量可以在某些特性中具有共同的值,如以下进一步讨论的,诸如在田地中生长的作物杂种、田地的位置、或田地的产量提升管理实践。可从历史数据计算给定的杂种的作物密度和作物产量之间的平均关系以提供基准。这种关系通常反映在二次曲线中。图8示出了给定的杂种的作物密度与作物产量之间的示例性关系。X轴802对应于以植物每英亩(ppa)计的作物密度或播种速率,Y轴804对应于以蒲式耳每英亩计的作物产量。在该示例中,将播种速率数据和相应的作物产量数据拟合成二次曲线808。二次曲线808的形状和大小可通过从对应于最低播种速率的数据点812到对应于最佳播种速率和最高作物产量的数据点806的斜率线810来表征。服务器170可以被编程为基于作物密度和作物产量之间的平均关系来选择用于产物响应性的阈值。例如,如下面进一步讨论的,由于此处的斜率线810的斜率为约2.8,所以阈值可被设定为1.5,使得每1,000粒种子增加产生1.5蒲式耳产量提升的田地将被认为是有响应的。
在一些实施例中,服务器170被编程以允许灵活性地增加播种速率,而不是聚焦于达到最佳播种速率。具体地,服务器170被配置为考虑其他因素(例如小于最佳播种速率的目标播种速率或对应于目标播种速率变化的作物产量提升),而不是聚焦当前播种速率和最佳播种速率之间的关系。例如,服务器170可以被配置为通过杂种和通过位置将某些田地聚类,并计算聚类内的平均播种速率作为目标播种速率。从以上指出的斜率线确定的相同阈值仍然可以应用于评估关于目标播种速率的产物响应性。
在一些实施例中,服务器170被配置为采用更复杂的方法,诸如建立决策树,所述决策树基于初始(当前)播种速率、目标播种速率、初始播种速率与目标播种速率之间的差值、或与田地相关的其他属性,将具有播种速率数据和作物产量数据的给定田地分类为对应于不同作物产量提升量的不同类别。其他属性的示例可以从固有属性(例如土壤水分水平)到环境属性(例如土壤管理实践)变动。也可以使用本领域技术人员已知的用于捕获播种速率(结合其他属性)和作物产量提升之间的各种关系的其他机器学习方法,例如神经网络或回归技术。更复杂的方法可以产生超出是否可能提升以及朝向可能提升多少的更细粒度的信息。
在一些实施例中,接下来,服务器170被编程为确定种植者特定的产物响应性。对于种植者的田地,服务器170被编程为相似地检查田地内的特定区域或田地内的平均数年的历史作物产量数据,并识别田地或区域的杂种和当前播种速率。返回参考图8,其示出了合适的杂种的作物密度和作物产量之间的关系,以上讨论的斜率阈值(例如基于第一斜率线810的斜率,斜率阈值为1.5),可以用于确定种植者的田地是否可能响应于某个播种速率增加。例如,第二斜率线814可由对应于当前播种速率的数据点816和对应于最佳播种速率与最高作物产量的数据点806形成。在当前播种速率小于最佳播种速率时,第二斜率线的斜率将为正,但可高于或低于上述阈值。服务器170可以被配置为当第二斜率线的斜率等于或高于阈值时,认为田地响应性为播种速率增加到最佳播种速率。在当前播种速率大于最佳播种速率时,第二斜率线的斜率为负。然后,服务器170可以被配置为评估田地对播种速率降低的产物响应性。服务器170可以被配置为类似地评估田地对播种速率增长至小于最佳播种速率的目标播种速率的产物响应性。
在一些实施例中,服务器170被编程为应用更复杂的方法中的一个(例如以上讨论的决策树)来评估种植者特定的产物响应性。至少种植者的田地的当前播种速率和种植者的田地的预期或目标播种速率可以被馈送到决策树中,并且作物产量提升值的范围可以由决策树估计,其可进一步被分类为响应性或非响应性或其他粒度或不同类别。
在一些实施例中,服务器170被编程为随着时间的推移,在提升作物产量方面评估种植者的田地管理实践。图9示出了管理实践的示例类型。X轴902对应于年,Y轴904对应于目标或实际作物产量。在提升作物产量方面的管理实践的类型可反映在各种曲线中。曲线906指示积极型,其中,作物产量逐年稳定且显著增加。曲线908指示保守型或实际型,其中,作物产量从一年到下一年没有显著增加。曲线910指示不切实际型,其中,作物产量在一些年没有变化,但是然后急剧增加。识别管理实践的类型或土壤外部的其他方面可以有助于向目标种植者的田地指定实际的实验。在其他实施例中,管理实践的类型也可以是用于上面讨论的机器学习方法的输入属性。
在一些实施例中,服务器170被编程为还评估种植者的田地内的可变性程度。实际密度数据可用于田地内的不同区域,或者可以经由本领域技术人员已知的图像分析技术分析田地的航空图像。基于这样的数据,服务器170可以被编程为确定作物密度或播种速率遍及田地是或多或少恒定的,还是在不同的区域之间大幅变化。这样的确定在向目标种植者的田地指定实际的实验时也可以是有用的。
在一些实施例中,服务器170被编程为将响应于增加播种速率的那些种植者的田地作为目标以及对那些田地进行设计实验。每种设计均可具有各种参数,例如作物杂种、区域可变性或播种速率增加。图10示出了由田地研究服务器执行以确定种植者的田地或植者的田地的区域的作物杂种的示例过程。在一些实施例中,在步骤1002中,服务器170被编程为与同目标田地相关联的种植者设备进行通信。具体地,服务器170被配置为从种植者设备接收用于田地的预期密度或播种速率。预期密度通常大于田地中的当前聚集密度。然后,服务器170被编程为确定预期密度如何与该田地的目标密度进行比较。基于方法的组合,目标密度可被预定用于田地,例如与计算的平均或最佳播种速率的比较,经由建立的播种速率决策树的分类,或在提升作物产量方面对管理实践的类型的评估,如上所述。目标密度典型地也大于田地中的当前聚集密度。当预期的密度低于目标密度时,在步骤1004中,服务器170被配置为随后从种植者设备接收关于是否将预期密度增加到目标密度的决定。当决定不增加预期密度时,在步骤1006中,服务器170被配置为计算预期密度与目标密度的方差。当方差高于特定阈值使得预期密度保持足够低时,服务器170被配置为推荐用于田地的灵活或半灵活杂种。例如,特定阈值可以是目标密度的80%。在一些实施例中,当预期密度等于或高于达到相当大值的目标密度时,在步骤1008中,服务器170被配置为推荐用于田地的固定或半灵活杂种。
在一些实施例中,接下来,服务器170被编程为对目标田地内的区域可变性作出响应。具体地,在步骤1010中,服务器170被配置为确定在田地内的不同区域之间播种速率是否存在显著可变性,目前为止考虑的当前聚集密度仅仅是遍及田地的聚集。服务器170可以被配置为进一步基于特定区域的当前播种速率相对于当前聚集密度、预期播种速率和目标播种速率之间的差来确定特定区域是否可以受益于来自预期播种速率的较高播种速率。例如,当特定区域的当前播种速率和当前聚集密度之间的差高于特定阈值时(例如当前聚集体密度的30%),并且当预期密度小于目标密度时,特定区域的当前播种速率可以增加至超出预期密度。在针对比预期播种速率更高的播种速率存在产量机会的此类情况下,在步骤1012中,服务器170被配置为由于相对大的密度限制而推荐固定的或半灵活的杂种。在针对高于预期播种速率的播种速率不存在产量机会的其他情况下,在步骤1014中,服务器170被配置为不推荐静态速率田地的杂种改变。此外,服务器170可以被配置为进一步确定某个区域是否可以从预期的播种速率中受益于较低播种速率。这样的区域可以是经受干旱或其他自然或环境攻击的风险区域。因此,在步骤1016中,服务器170可以被配置为推荐对应于相对低的当前播种速率或预期播种速率的此种区域的灵活杂种,以促进水的保留或促进作物进一步生长。
图11示出了针对作物产量提升,由目标种植者田地的田地研究服务器执行的示例过程。
在一些实施例中,在步骤1102中,服务器170被编程为接收在一段时间内关于与多个种植者设备相关联的田地组的作物播种速率数据和相应的作物产量数据。这种数据用于建立确定对种植者的田地的播种速率增加的产物响应性的基准。该田地组可以选自在某些特性中与种植者的田地共享值的那些田地,例如在田地中种植的作物杂种、田地的产量提升管理实践、或田地的位置。数据的时间覆盖允许揭示播种速率增加对作物产量提升的影响。如上所述,可以至少确定最佳播种速率和播种速率增加对作物产量提升的影响的相应阈值,并且可以开发更复杂的方法来表征或确定播种速率变化对种植者的田地中的作物产量的潜在影响,以及最终是否应该将种植者的田地作为提升作物产量的特定实验的目标。在步骤1104中,服务器170被编程为接收与多个种植者设备中的一个相关联的种植者的田地的当前播种速率。当前播种速率可以是遍及田地内不同区域上的聚集。
在步骤1106中,服务器170被编程为进一步基于作物播种速率数据和相应的作物产量数据确定种植者的田地是否将是响应的,以将种植者的田地的作物播种速率从当前播种速率增加至目标播种速率。目标播种速率可被设置为最佳播种速率或与田地的产量提升管理实践或种植者的其他意图更一致的值。实质上,根据由该田地组证明的播种速率和作物产量之间的(可源自作物播种速率数据和相应的作物产量数据的)关系,服务器170被配置或被编程为估计种植者的田地中从当前播种速率到目标播种速率的播种速率变化的影响,进而确定种植者的田地是否将通过产生所期望的作物产量提升而有效地响应播种速率变化。
在步骤1108中,响应于确定种植者的田地将是响应的,服务器170被编程为将种植者的田地作为目标用于实验以增加作物产量并且为实验准备规定,该规定包括新的作物播种速率和将要在种植者的田地中实现的特定作物杂种。新的作物播种速率可以是目标播种速率,除非它被种植者设备提供的预期播种速率超越。作物杂种中的任何推荐的改变通常与播种速率的改变一致,并且它可以在田地内递增地或随时间逐渐地实现,以能够实现尽可能多的估计的农作物产量提升。此外,服务器170可以被配置为用于评估种植者的田地内的作物产量的可变性并准备更细粒度的规定。这种评估可基于来自田地的物理样品或田地的航空图像。比新的播种速率更高的播种速率常可以被附加地指定给具有比当前播种速率更高的播种速率的区域。类似地,比新的播种速率更低的播种速率可以被附加地指定给具有比当前播种速率更低的播种速率的区域。
如图7中所示,服务器170可以被编程为进一步从一个种植者设备或直接从农业器具指定的实验来收集实现指定的实验的结果。具体地,可以针对实际作物产量提升验证预测作物产量提升。然后,服务器170可以被配置为将与实验有关的数据和经验证的结果分发给与该田地组相关联的其他种植者设备。播种速率数据和作物产量数据也可以用经验证的结果更新,以使得能够对作物播种速率与作物产量之间的关系进行更准确地建模。
Claims (20)
1.一种将种植者田地作为目标用于作物产量提升的计算机实现方法,包括:
由处理器接收在一段时间内关于与多个种植者设备相关联的田地组的作物播种速率数据和相应的作物产量数据;
由所述处理器接收与多个种植者设备中的一个相关联的种植者的田地的当前播种速率;
基于所述作物播种速率数据和相应的作物产量数据,确定所述种植者的田地是否将是响应的,以将所述种植者的田地的作物播种速率从所述当前播种速率增加至目标播种速率;
响应于确定所述种植者的田地将是响应的,准备包括新的作物播种速率和将在所述种植者的田地中实现的特定杂种的规定。
2.根据权利要求1所述的计算机实现方法,还包括基于田地中生长的作物杂种、田地的产量提升管理实践和田地的位置中的一个或更多个来识别所述田地组。
3.根据权利要求1所述的计算机实现方法,还包括:
根据所述作物播种速率数据和所述相应的作物产量数据计算最佳播种速率,所述最佳播种速率对应于所述田地组的最大作物产量,
所述目标播种速率达到所述最佳播种速率。
4.根据权利要求3所述的计算机实现方法,还包括:
计算所述作物播种速率数据与所述相应的作物产量数据相关的关系;
根据所述关系估计将作物播种速率从最小值增加至所述最佳播种速率对作物产量提升的潜在影响;
基于所述潜在影响识别对播种速率增加的响应性的阈值。
5.根据权利要求4所述的计算机实现方法,所述确定包括:
根据所述关系估计增加所述种植者的田地的作物播种速率对作物产量提升的更多的潜在影响;
将所述更多的潜在影响与所述阈值进行比较。
6.根据权利要求1所述的计算机实现方法,还包括:
接收关于所述种植者的田地的产量提升管理实践的类型的信息,
所述目标播种速率与所述产量提升管理实践的类型相关。
7.根据权利要求1所述的计算机实现方法,还包括:
从一个种植者的设备接收用于所述种植者的田地的预期播种速率;
基于所述预期播种速率和所述目标播种速率中的一个或更多个来确定所述新的播种速率。
8.根据权利要求7所述的计算机实现方法,所述准备包括:当所述预期播种速率不小于所述目标播种速率时,为所述种植者的田地推荐固定的或半灵活的杂种。
9.根据权利要求1所述的计算机实现方法,还包括:识别所述种植者的田地内的区域,对于所述区域,播种速率从所述当前播种速率变化超过特定水平。
10.根据权利要求9所述的计算机实现方法,还包括,
当所述区域的播种速率高于当前播种速率时,推荐固定或半灵活杂种以及比所述区域的所述新的播种速率更高的播种速率;
当所述区域的播种速率低于所述当前播种速率时,推荐灵活杂种以及比所述区域的所述新的播种速率更低的播种速率。
11.根据权利要求1所述的计算机实现方法,还包括:从在所述种植者的田地中实现所述规定接收特定的作物产量数据。
12.根据权利要求11所述的计算机实现方法,还包括:
基于更新的作物产量数据验证规定的效果;
向所述多个种植者设备分发所验证的结果。
13.一种存储指令的非暂时性存储介质,所述指令在由一个或更多个计算设备执行时,使得执行以种植者田地为目标用于作物产量提升的方法,所述方法包括:
接收在一段时间内关于与多个种植者设备相关联的田地组的作物播种速率数据和相应的作物产量数据;
接收与多个种植者设备中的一个相关联的种植者的田地的当前播种速率;
基于所述作物播种速率数据和相应的作物产量数据,确定所述种植者的田地是否将是响应的,以将所述种植者的田地的作物播种速率从所述当前播种速率增加至目标播种速率;
响应于确定所述种植者的田地将是响应的,准备包括新的作物播种速率和将在所述种植者的田地中实现的特定杂种的规定。
14.根据权利要求13所述的非暂时性存储介质,所述方法还包括基于田地中生长的作物杂种、田地的产量提升管理实践和田地的位置中的一个或更多个识别所述田地组。
15.根据权利要求13所述的非暂时性存储介质,所述方法还包括:
根据所述作物播种速率数据和所述相应的作物产量数据计算最佳播种速率,所述最佳播种速率对应于所述田地组的最大作物产量,
所述目标播种速率达到所述最佳播种速率。
16.根据权利要求15所述的非暂时性存储介质,所述方法还包括:
计算所述作物播种速率数据与所述相应的作物产量数据相关的关系;
根据所述关系估计将作物播种速率从最小值增加至所述最佳播种速率对作物产量提升的潜在影响;
基于所述潜在影响识别对播种速率增加的响应性的阈值。
17.根据权利要求16所述的非暂时性存储介质,所述确定包括:
根据所述关系估计增加所述种植者的田地的作物播种速率对作物产量提升的更多的潜在影响;
将所述更多的潜在影响与所述阈值进行比较。
18.根据权利要求13所述的非暂时性存储介质,所述方法还包括:
接收关于所述种植者的田地的产量提升管理实践的类型的信息,
所述目标播种速率与所述产量提升管理实践的类型相关。
19.根据权利要求13所述的非暂时性存储介质,所述方法还包括:识别所述种植者的田地内的区域,对于所述区域,播种速率从所述当前播种速率变化超过特定水平。
20.根据权利要求19所述的非暂时性存储介质,所述方法还包括:
当所述区域的播种速率高于当前播种速率时,推荐固定或半灵活杂种以及比所述区域的所述新的播种速率更高的播种速率;
当所述区域的播种速率低于所述当前播种速率时,推荐灵活杂种以及比所述区域的所述新的播种速率更低的播种速率。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/989,944 US10999967B2 (en) | 2018-05-25 | 2018-05-25 | Cross-grower study and field targeting |
US15/989,944 | 2018-05-25 | ||
PCT/US2019/033728 WO2019226884A1 (en) | 2018-05-25 | 2019-05-23 | Cross-grower study and field targeting |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112166453A true CN112166453A (zh) | 2021-01-01 |
Family
ID=68613901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980035167.2A Pending CN112166453A (zh) | 2018-05-25 | 2019-05-23 | 杂交种植研究与田地目标 |
Country Status (10)
Country | Link |
---|---|
US (3) | US10999967B2 (zh) |
EP (1) | EP3803771A4 (zh) |
CN (1) | CN112166453A (zh) |
AR (1) | AR115167A1 (zh) |
AU (1) | AU2019272880A1 (zh) |
BR (1) | BR112020023684A8 (zh) |
CA (1) | CA3098196C (zh) |
MX (1) | MX2020012606A (zh) |
UA (1) | UA126359C2 (zh) |
WO (1) | WO2019226884A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379188A (zh) * | 2021-05-06 | 2021-09-10 | 贵州省烟草公司贵阳市公司 | 基于物联网的烟草轮作种植方法和系统 |
TWI807611B (zh) * | 2022-01-24 | 2023-07-01 | 悠由數據應用股份有限公司 | 農業操作動態調整系統 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10999967B2 (en) | 2018-05-25 | 2021-05-11 | The Climate Corporation | Cross-grower study and field targeting |
US11861737B1 (en) * | 2018-08-31 | 2024-01-02 | Climate Llc | Hybrid seed supply management based on prescription of hybrid seed placement |
CA186549S (en) * | 2018-09-28 | 2021-03-27 | Rockwool Int | Display screen with graphical interface |
DE102020102149A1 (de) * | 2020-01-29 | 2021-07-29 | 365Farmnet Group Kgaa Mbh & Co Kg | Verfahren zum Analysieren landwirtschaftlicher Daten |
US11295331B2 (en) * | 2020-07-01 | 2022-04-05 | X Development Llc | Analyzing crop fields based on agricultural management practices |
US11896002B2 (en) * | 2020-10-30 | 2024-02-13 | Lindsay Corporation | Systems and methods for scheduling and coordinating applications of fertilizers, pesticides, and water in agricultural fields |
US11369055B1 (en) * | 2021-05-21 | 2022-06-28 | Advanced Agrilytics Holdings, Llc | Methods and systems for modeling soil processes and properties |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7440901B1 (en) * | 2000-11-02 | 2008-10-21 | Sureharvest | Method and system to communicate agricultural product information to a consumer |
US7047133B1 (en) * | 2003-01-31 | 2006-05-16 | Deere & Company | Method and system of evaluating performance of a crop |
NZ562316A (en) * | 2007-10-09 | 2009-03-31 | New Zealand Inst For Crop And | Method and system of managing performance of a tuber crop |
CA2776577C (en) * | 2010-10-05 | 2021-03-30 | Bayer Cropscience Lp | A system and method establishing an agricultural pedigree for at least one agricultural product |
US9058633B2 (en) * | 2010-10-25 | 2015-06-16 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
US8855937B2 (en) * | 2010-10-25 | 2014-10-07 | Trimble Navigation Limited | Crop characteristic estimation |
US20150206255A1 (en) * | 2011-05-13 | 2015-07-23 | HydroBio, Inc | Method and system to prescribe variable seeding density across a cultivated field using remotely sensed data |
CN103047346B (zh) | 2012-12-19 | 2014-06-11 | 哈尔滨工业大学 | 滚动关节轴承角度解耦的磁浮零刚度隔振器与隔振系统 |
US10104836B2 (en) * | 2014-06-11 | 2018-10-23 | John Paul Jamison | Systems and methods for forming graphical and/or textual elements on land for remote viewing |
US20160232621A1 (en) * | 2015-02-06 | 2016-08-11 | The Climate Corporation | Methods and systems for recommending agricultural activities |
US20160260021A1 (en) | 2015-03-06 | 2016-09-08 | William Marek | System and method for improved agricultural yield and efficiency using statistical analysis |
US20170270446A1 (en) * | 2015-05-01 | 2017-09-21 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses for determining yield limits |
US10342174B2 (en) * | 2015-10-16 | 2019-07-09 | The Climate Corporation | Method for recommending seeding rate for corn seed using seed type and sowing row width |
US11266056B2 (en) * | 2015-10-23 | 2022-03-08 | Deere & Company | System and method for residue detection and implement control |
US11062223B2 (en) | 2015-12-02 | 2021-07-13 | The Climate Corporation | Forecasting field level crop yield during a growing season |
US10091925B2 (en) * | 2015-12-09 | 2018-10-09 | International Business Machines Corporation | Accurately determining crop yield at a farm level |
US10251347B2 (en) | 2016-01-07 | 2019-04-09 | The Climate Corporation | Generating digital models of crop yield based on crop planting dates and relative maturity values |
US10331931B2 (en) | 2016-02-05 | 2019-06-25 | The Climate Corporation | Modeling trends in crop yields |
AU2016415250A1 (en) | 2016-07-19 | 2018-11-29 | Visa International Service Association | Method of distributing tokens and managing token relationships |
US10999967B2 (en) | 2018-05-25 | 2021-05-11 | The Climate Corporation | Cross-grower study and field targeting |
-
2018
- 2018-05-25 US US15/989,944 patent/US10999967B2/en active Active
-
2019
- 2019-05-23 WO PCT/US2019/033728 patent/WO2019226884A1/en unknown
- 2019-05-23 AU AU2019272880A patent/AU2019272880A1/en active Pending
- 2019-05-23 CN CN201980035167.2A patent/CN112166453A/zh active Pending
- 2019-05-23 EP EP19806618.5A patent/EP3803771A4/en active Pending
- 2019-05-23 AR ARP190101389A patent/AR115167A1/es active IP Right Grant
- 2019-05-23 CA CA3098196A patent/CA3098196C/en active Active
- 2019-05-23 MX MX2020012606A patent/MX2020012606A/es unknown
- 2019-05-23 BR BR112020023684A patent/BR112020023684A8/pt unknown
- 2019-05-23 UA UAA202007218A patent/UA126359C2/uk unknown
-
2021
- 2021-05-09 US US17/315,307 patent/US11707016B2/en active Active
-
2023
- 2023-07-24 US US18/225,634 patent/US20230363305A1/en active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379188A (zh) * | 2021-05-06 | 2021-09-10 | 贵州省烟草公司贵阳市公司 | 基于物联网的烟草轮作种植方法和系统 |
CN113379188B (zh) * | 2021-05-06 | 2022-10-25 | 贵州省烟草公司贵阳市公司 | 基于物联网的烟草轮作种植方法和系统 |
TWI807611B (zh) * | 2022-01-24 | 2023-07-01 | 悠由數據應用股份有限公司 | 農業操作動態調整系統 |
Also Published As
Publication number | Publication date |
---|---|
BR112020023684A8 (pt) | 2023-03-21 |
UA126359C2 (uk) | 2022-09-21 |
AU2019272880A1 (en) | 2020-11-26 |
WO2019226884A1 (en) | 2019-11-28 |
BR112020023684A2 (pt) | 2021-02-17 |
US20210307243A1 (en) | 2021-10-07 |
EP3803771A4 (en) | 2022-08-24 |
US11707016B2 (en) | 2023-07-25 |
US20230363305A1 (en) | 2023-11-16 |
AR115167A1 (es) | 2020-12-02 |
MX2020012606A (es) | 2021-01-29 |
US10999967B2 (en) | 2021-05-11 |
CA3098196C (en) | 2024-04-30 |
EP3803771A1 (en) | 2021-04-14 |
US20190357425A1 (en) | 2019-11-28 |
CA3098196A1 (en) | 2019-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11882786B2 (en) | Method for recommending seeding rate for corn seed using seed type and sowing row width | |
CN112740258B (zh) | 通过田地健康影像生成农艺产量地图 | |
US11557116B2 (en) | Generating pixel maps from non-image data and difference metrics for pixel maps | |
EP3465257B1 (en) | Computing radar based precipitation estimate errors based on precipitation gauge measurements | |
AU2021209300A1 (en) | Generating digital models of relative yield of a crop based on nitrate values in the soil | |
US11707016B2 (en) | Cross-grower study and field targeting | |
US20200042890A1 (en) | Automatic prediction of yields and recommendation of seeding rates based on weather data | |
AU2017316292A1 (en) | Optimizing split fertilizer application | |
CN113226009B (zh) | 针对大豆的预测性的种子脚本处理 | |
WO2017180692A1 (en) | Estimating rainfall adjustment values | |
CN112889007A (zh) | 使用特定于农艺田地的空间分布值来改进数字养分模型 | |
CN113226010B (zh) | 利用空间统计模型实现农艺试验 | |
US11906621B2 (en) | Quantitative precipitation estimate quality control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: San Francisco, California, USA Applicant after: Clemet Co.,Ltd. Address before: San Francisco, California, USA Applicant before: THE CLIMATE Corp. |
|
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Missouri, USA Applicant after: Clemet Co.,Ltd. Address before: San Francisco, California, USA Applicant before: Clemet Co.,Ltd. |
|
CB02 | Change of applicant information |