CN112889063A - 基于天气数据的产量自动预测和播种率推荐 - Google Patents

Abstract

公开了一种预测产量并为具有告知风险的子田地推荐播种率的计算机实现方法。该方法包括：通过处理器接收针对第一时段的天气数据，该第一时段包括针对田地的一个或多个子田地的多个子时段；针对一个子田地的多个子时段中的每个子时段，从天气数据计算水分应力指示符；针对播种率的列表中的每个播种率，使用经训练的模型来从水分应力指示符来预测产量；基于预测产量的列表来选择播种率的列表中的一个播种率；标识预测产量中与所选择的播种率相对应的一个预测产量；由处理器基于所标识的在多个子时段内的预测产量来确定针对与一个子田地的产量范围相关联的风险简档；将与风险简档有关的数据传输到与一个子田地相关联的设备。

Description

基于天气数据的产量自动预测和播种率推荐

版权声明

该专利文件的公开内容的一部分包含受版权保护的材料。版权所有者不反对任何人按照如专利商标局专利文件或记录中的那样对专利文件或专利公开内容进行复制但是保留全部版权或任何权利。

Climate公司。

技术领域

本公开涉及农业数据管理的技术领域，更具体地，涉及预测土壤水分和产量并且处方具有告知风险的播种率的技术领域。

背景技术

本章节中所描述的方案是可能想要获得的方案，但并不一定是先前已经设想或追求的途径。因此，除非另有说明，否则不应假设本章节所描述的方案中的任一方案仅仅由于其被包括在该章节中而被认为是现有技术。

许多因素可能影响种植者的田地产量。传统上讲，某些类型的土壤数据用于预测产量，诸如土壤拓扑数据。这些类型的土壤数据通常不包括相对较短时间段内的显著变化，并且它们本身可能并非通常会显著波动的产量的良好指示符。在预测产量时考虑更多类型的土壤数据(诸如土壤水分数据，其经常受不可预测的天气影响，尤其在粒度子田地级)会很有帮助。

鉴于可能有大量田地和子田地以及安装并维护土壤水分探测器的总成本，消除需要探测每个田地或每个子田地中的水分还会很有帮助。为了实现这个目标，利用土壤水分探测器针对其他子田地的测量结果或可能指示土壤水分含量的其他数据来估计某些子田地的土壤水分可能会有帮助。

更进一步地，当种植者知道他们如何有针对性地实现预测产量时，对产量的预测可能会更加有用。播种率对产量具有实质性影响，因此推荐播种率来作为用于实现预测产量的处方的一部分可能会有帮助。

另外，天气的不可预测性意味着任何基于天气的预测都存在固有风险。因此，估计与预测产量和对应播种率相关联的风险可能会有帮助。

发明内容

所附权利要求可以用作本公开的发明内容。

附图说明

在附图中：

图1图示了被配置为执行本文中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该系统可以与之互操作的其他装置一起示出。

图2图示了当示例移动应用被加载以执行时在主存储器中的指令集合的示例逻辑组织的两个视图。

图3图示了编程的过程，通过该编程的过程，农业智能计算机系统使用由一个或多个数据源提供的农艺数据来生成一个或多个预配置的农艺模型。

图4是图示了可以在其上实现本发明的实施例的计算机系统的框图。

图5描绘了用于数据录入的时间线视图的示例实施例。

图6描绘了用于数据录入的电子表格视图的示例实施例。

图7图示了播种率与预测产量之间的示例关系。

图8图示了形成分位数的产量的示例分布。

图9图示了与风险简档有关的图形用户界面的示例计算机生成的屏幕显示。

图10图示了由服务器计算机执行的示例方法，该服务器计算机被编程为用于预测产量并且推荐具有告知风险的针对子田地的播种率。

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透彻理解。然而，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，公知结构和设备以框图形式示出，以免不必要地模糊本公开。根据以下概述，在各章节中公开了实施例：

1.总体概述

2.示例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.计算机系统的数据摄取

2.4.处理概述—农艺模型训练

2.5.实现示例—硬件概述

3.功能描述

3.1收集土壤性质和产量的训练数据

3.2估计水分数据

3.3构建产量预测模型

3.4收集目标田地的土壤性质

3.5确定最佳播种率及对应的预测产量

3.6确定与预测产量相关联的风险值

3.7生成播种率处方

3.8示例过程

4.扩展和备选

*

1.总体概述

公开了一种用于预测产量并推荐具有告知风险的针对子田地的播种率的农业数据管理过程。在一个实施例中，可以使用分布式客户端-服务器系统中的服务器计算机来计算机实现该过程。在一些实施例中，针对一个或多个田地的多个子田地中的每个子田地以及某个时段的多个子时段中的每个子时段，服务器被编程为接收不同类型的数字土壤数据，诸如土壤化学数据、土壤拓扑数据、或田地图像数据。该服务器被编程为还接收播种率数据或土壤水分数据以及肥料数据、种子遗传数据或其他田地数据，如下文所进一步讨论的。另外，服务器被编程为接收对应的产量数据。基于这些数据，服务器被配置为构建产量预测模型。在本上下文中，“模型”是指彼此相关联的以电子数字化存储的可执行指令和数据值集合，它们能够基于指定输入值来接收并且响应程序性或其他数字呼叫、调用或解析请求，以得出一个或多个存储或计算的输出值，该一个或多个存储或计算的输出值可以用作计算机实现的推荐、输出数据显示或机器控制等的基础。

在一些实施例中，服务器被编程为基于从其他子田地的水分探测器获得的土壤水分数据来以计算方式得到某个子田地的土壤水分数据。服务器被配置为对水分预测模型进行建模，该水分预测模型捕获时间维度和空间维度中的关系。然后，所测量的土壤水分数据和以计算方式得到的土壤水分数据被用于构建产量预测模型。

在一些实施例中，服务器被编程为接下来接收在最近子时段内的与多个子田地不同的特定子田地的不同类型的数字土壤数据，诸如土壤化学数据、土壤拓扑数据、田地图像数据、或土壤水分。该服务器被编程为用多个播种率中的每个播种率对特定子田地的土壤数据执行产量预测模型。然后，产生最高产量的播种率被视为是最佳播种率。

在一些实施例中，服务器被编程为还接收特定子田地的在最近时间点之前的特定时段的多个子时段内的不同类型的数字土壤数据。服务器被编程为针对多个子时段中的每个子时段来重复获得最佳播种率和对应最高产量的过程。服务器还被编程为通过比较最佳播种率与至少相邻子田地的最佳播种率来获得针对每个子时段的最佳播种率的经调整的播种率。更进一步地，服务器被编程为确定与经调整的播种率相对应的经调整的产量。

在一些实施例中，服务器被编程为确定风险简档，该风险简档基于多个子时段内的经调整的产量而做出反应。服务器可以被配置为计算并聚合田地的所有子田地上的经调整的产量及对应的经调整的播种率。然后，服务器可以被配置为构建聚合的经调整的产量的分位数，其中分位数数字指示风险百分比。另外，服务器被编程为标识与属于指示给定风险的下限和上限的分位数的经调整的产量相对应的经调整的播种率，并且将所标识的经调整的播种率推荐给该子田地或田地的种植者。

服务器产生许多技术益处。该服务器提供了土壤水分预测模型，该土壤水分预测模型可以捕获天气系统中存在的复杂多维关系。尽管没有实际土壤测量，但是土壤水分模型还可以实现准确的产量预测。服务器还从包括土壤水分数据在内的许多不同类型的土壤数据来提供产量预测模型。因此，产量预测模型解释了影响田地的产量的许多因素，其包括由于天气不可预测性而趋于波动的土壤水分。另外，服务器还向种植者提供具有告知风险的播种率的处方，从而允许种植者在了解可能结果的情况下采取动作。

根据从本公开的其他部分，实施例的其他方面和特征变得清楚。

2.示例农业智能计算机系统

2.1结构概述

图1示出了被配置为执行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该系统可以与之进行互操作的其他装置一起示出。在一个实施例中，用户102拥有、操作或占有田地位置中的或与田地位置(诸如用于农业活动的田地或用于一个或多个农田的管理位置)相关联的田地管理器计算设备104。田地管理器计算机设备104被编程或配置为经由一个或多个网络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)标识数据(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，以及可用于标识农田的任何其他合适数据，诸如公共土地单位(CLU)、地块和街段编号、宗地编号、地理坐标和边界、农场序列号(FSN)、农场编号、地带编号、田地编号、地区、镇区和/或范围)；(b)收获数据(例如，作物类型，作物品种，作物轮换，是否以有机方式种植作物，收获日期，实际生产历史(APH)，预期产量，产量，作物价格，作物收入，谷物水分，耕作实践，以及先前的生长季节信息)；(c)土壤数据(例如，类型，组成，pH，有机质(OM)，阳离子交换能力(CEC))；(d)种植数据(例如，种植日期，一个或多个种子的类型，所种植的一个或多个种子的相对成熟度(RM)，种子种群)；(e)肥料数据(例如，营养物类型(氮，磷，钾)，施用类型，施用日期，数量，来源，方法)；(f)化学施用数据(例如，农药，除草剂，杀真菌剂，旨在用作植物调节剂、脱叶剂或干燥剂的其他物质或物质混合物，施用日期，数量，来源，方法)；(g)灌溉数据(例如，施用日期，数量，来源，方法)；(h)天气数据(例如，降水量，降雨率，预测的降雨，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)图像数据(例如，来自农业装置传感器、相机、计算机、智能电话、平板、无人驾驶飞行器、飞机或卫星的图像和光谱信息)；(j)侦察观察(照片，视频，自由形式的笔记，语音记录，语音转录，天气情况(温度，降水(当前和随着时间推移)，土壤湿度，作物生长阶段，风速，相对湿度，露点，黑层))；以及(k)土壤，种子，作物物候，病虫害报告，以及预测来源和数据库。

数据服务器计算机108通信地耦合到农业智能计算机系统130，并且被编程或配置为经由一个或多个网络109将外部数据110发送到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，或者由不同的人或实体(诸如政府机构、非政府组织(NGO)和/或私人数据服务提供商)拥有或操作。外部数据的示例包括天气数据、图像数据、土壤数据或与作物产量有关的统计数据等。外部数据110可由与田地数据106相同类型的信息组成。在一些实施例中，外部数据110由拥有和/或操作农业智能计算机系统130的同一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可包括专门专注于否则可能从第三方来源获得的一类数据(诸如天气数据)的数据服务器。在一些实施例中，外部数据服务器108实际上可被并入系统130内。

农业装置111可具有固定在其上的一个或多个远程传感器112，这些传感器经由农业装置111直接或间接地通信耦合到农业智能计算机系统130并被编程或配置为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，播种机，卡车，化肥设备，包括无人驾驶飞行器的飞行器，以及任何其他物理机械或硬件项目，其通常为移动机械，并且可用于与农业相关联的任务。在一些实施例中，装置111的单个单元可包括在该装置上的网络中本地耦合的多个传感器112；控制器区域网络(CAN)是可以安装在联合收割机、收割机、喷雾器和中耕机中的这种网络的示例。应用控制器114经由一个或多个网络109通信地耦合到农业智能计算机系统130，并且被编程或配置为从农业智能计算机系统130接收用于控制农业车辆的操作参数或实施的一个或多个脚本。例如，控制器区域网络(CAN)总线接口可用于实现从农业智能计算机系统130到农业装置111的通信，例如可从加利福尼亚州旧金山市的气候公司获得的CLIMATE FIELDVIEW DRIVE如何被使用。传感器数据可以由与田地数据106相同类型的信息组成。在一些实施例中，远程传感器112可能不被固定到农业装置111，而是可以远程位于田地中并且可以与网络109通信。

装置111可包括用驾驶室应用编程的驾驶室计算机115，该驾驶室应用可包括用于在本文的其他部分中进一步描述的设备104的移动应用的版本或变体。在一个实施例中，驾驶室计算机115包括紧凑型计算机，通常是平板尺寸的计算机或智能电话，其具有安装在装置111的操作者的驾驶室内的图形屏幕显示，诸如彩色显示器。驾驶室计算机115可实现本文中针对移动计算机设备104进一步描述的一些或全部的操作和功能。

一个或多个网络109广义地表示使用有线或无线链路(包括陆地或卫星链路)中的任何链路的包括局域网、广域网、互联网或因特网在内的一个或多个数据通信网络的任何组合。这一个或多个网络可以由提供图1的各种元件之间的数据交换的任何介质或机制来实现。图1的各种元件还可具有直接(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一个或多个网络109兼容的接口，并且被编程或配置为使用用于跨网络的通信的标准化协议，诸如TCP/IP、蓝牙、CAN协议以及更高层协议(诸如HTTP、TLS等)。

农业智能计算机系统130被编程或配置为从田地管理器计算设备104接收田地数据106，从外部数据服务器计算机108接收外部数据110，并从远程传感器112接收传感器数据。农业智能计算机系统130可被进一步配置为托管、使用或执行一个或多个计算机程序、其他软件元素、数字编程的逻辑(诸如FPGA或ASIC)或其任意组合，以便以在本公开的其他部分中进一步描述的方式执行数据值的转换和存储、一个或多个田地上的一个或多个作物的数字模型的构造、推荐和通知的生成以及生成脚本并将其发送到应用控制器114。

在一个实施例中，农业智能计算机系统130被编程有通信层132、表示层134、数据管理层140、硬件/虚拟化层150以及模型和田地数据存储库160，或者包括通信层132、表示层134、数据管理层140、硬件/虚拟化层150以及模型和田地数据存储库160。该上下文中的“层”指的是电子数字接口电路、微控制器、固件(诸如驱动程序)和/或计算机程序或其他软件元素的任何组合。

通信层132可被编程或配置为执行输入/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可被编程或配置为将接收到的数据发送到模型和田地数据存储库160以存储为田地数据106。

表示层134可被编程或配置为生成要在田地管理器计算设备104、驾驶室计算机115或通过网络109耦合到系统130的其他计算机上显示的图形用户界面(GUI)。该GUI可包括用于输入要发送到农业智能计算机系统130的数据、生成对模型和/或推荐的请求和/或显示推荐、通知、模型和其他田地数据的控件。

数据管理层140可被编程或配置为管理涉及存储库160和系统的其他功能元素的读取操作和写入操作，包括在系统的功能元素与存储库之间传送的查询和结果集。数据管理层140的示例包括JDBC、SQL服务器接口代码和/或HADOOP接口代码等。存储库160可包括数据库。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)或指两者。如本文所使用的，数据库可包括数据的任何集合(包括分层数据库、关系数据库、平面文件数据库、对象关系数据库、面向对象的数据库、分布式数据库)，以及在计算机系统中存储的记录或数据的任何其他结构化的集合。RDBMS的示例包括但不限于

MYSQL、

DB2、

SQL SERVER、

和POSTGRESQL数据库。然而，可以使用实现本文描述的系统和方法的任何数据库。

当未经由与农业智能计算机系统交互的一个或多个农业机械或农业机械设备直接向农业智能计算机系统提供田地数据106时，可以经由(农业智能计算机系统所服务的)用户设备上的一个或多个用户界面提示用户输入这样的信息。在示例实施例中，用户可以通过访问(农业智能计算机系统所服务的)用户设备上的地图并选择已经在该地图上以图形方式示出的特定CLU来指定标识数据。在替代实施例中，用户102可以通过访问(农业智能计算机系统130所服务的)用户设备上的地图并在该地图上绘制田地的边界来指定标识数据。这样的CLU选择或地图绘制表示地理标识符。在替代实施例中，用户可以通过经由用户设备访问来自美国农业部农场服务局或其他来源的(作为形状文件或以类似格式提供的)田地标识数据并将这样的田地标识数据提供给农业智能计算机系统来指定标识数据。

在示例实施例中，农业智能计算机系统130被编程为生成包括用于数据输入的数据管理器的图形用户界面并使得显示该图形用户界面。在已经使用上述方法识别出一个或多个田地之后，数据管理器可提供一个或多个图形用户界面窗口小部件，其当被选择时可以标识田地、土壤、作物、耕作或养分实践的变化。数据管理器可包括时间线视图、电子表格视图和/或一个或多个可编辑的程序。

图5描绘了数据输入的时间线视图的示例实施例。使用在图5中描述的显示，用户计算机可以输入对特定田地和特定日期的选择以添加事件。在时间线顶部描述的事件可包括氮、种植、实践和土壤。为了添加氮施用事件，用户计算机可提供输入以选择氮标签。用户计算机然后可以为特定田地选择时间线上的位置，以指示氮在所选择的田地上的施用。响应于接收到对特定田地在时间线上的位置的选择，数据管理器可以显示数据输入覆盖图，从而允许用户计算机输入与氮施用、种植过程、土壤施用、耕作过程、灌溉实践有关的数据，或与特定田地有关的其他信息。例如，如果用户计算机选择时间线的一部分并指示氮的施用，则数据输入覆盖图可包括用于输入所施用的氮的数量、施用日期、所使用的肥料的类型以及与氮的施用有关的任何其他信息的字段。

在一个实施例中，数据管理器提供用于创建一个或多个程序的界面。该上下文中的“程序”指的是与氮施用、种植过程、土壤施用、耕作过程、灌溉实践有关的一组数据，或者可能与一个或多个田地相关并可以存储在数字数据存储中以供在其他操作中作为一组重复使用的其他信息。在已经创建程序之后，可以在概念上将其应用于一个或多个田地，并且可以将对该程序的引用与标识这些田地的数据相关联地存储在数字存储中。因此，代替针对多个不同田地手动输入与相同氮施用有关的相同数据，用户计算机可以创建指示氮的特定施用的程序，然后将该程序应用于多个不同田地。例如，在图5的时间线视图中，前两条时间线选择了“春季施用”程序，其中包括在4月初施用150lbs N/ac。数据管理器可提供用于编辑程序的界面。在一个实施例中，当特定程序被编辑时，已经选择该特定程序的每个田地都被编辑。例如，在图5中，如果编辑了“春季施用”程序以将氮的施用减少到130lbs N/ac，则可以基于编辑后的程序用减少的氮施用来更新前两个田地。

在一个实施例中，响应于接收到对选择了程序的田地的编辑，数据管理器去除该田地与所选择的程序的对应关系。例如，如果氮施加被添加到图5中的顶部田地，则界面可以更新以指示“春季施用”程序不再被应用于顶部田地。尽管4月初的氮施用可能保留，但是对“春季施用”程序的更新将不会改变氮的4月施用。

图6描绘了用于数据输入的电子表格视图的示例实施例。使用在图6中描绘的显示，用户可以创建和编辑一个或多个田地的信息。数据管理器可包括如在图6中描绘的电子表格，该电子表格用于输入关于氮、种植、实践和土壤的信息。为了编辑特定条目，用户计算机可以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的更新。此外，用户计算机可以选择一个或多个田地以便应用一个或多个程序。响应于接收到针对特定田地的程序选择，数据管理器可以基于所选择的程序来自动完成特定田地的条目。与时间线视图一样，数据管理器可以响应于接收到对特定程序的更新而更新与该程序相关联的每个田地的条目。此外，数据管理器可以响应于接收到对田地的条目之一的编辑而删除所选择的程序与该田地的对应关系。

在一个实施例中，模型和田地数据存储在模型和田地数据存储库160中。模型数据包括为一个或多个田地创建的数据模型。例如，作物模型可包括一个或多个田地上的作物的发育的数字构建模型。该上下文中的“模型”指的是彼此相关联的可执行指令和数据值的电子数字存储集合，它们能够接收程序化或其他数字调用、调用或解析请求并基于指定的输入值来响应该程序化或其他数字调用、调用或解析请求，以产生一个或多个存储或计算出的输出值，这些输出值可以用作计算机实现的建议、输出数据显示或机器控制等的基础。本领域技术人员发现使用数学方程式来表达模型是方便的，但是该表达形式不将本文公开的模型局限于抽象概念；相反，本文中的每个模型都以存储的可执行指令和数据的形式在计算机中具有实际应用，存储的可执行指令和数据使用计算机来实现该模型。该模型可包括一个或多个田地上的过去事件的模型、一个或多个田地的当前状态的模型和/或一个或多个田地上的预测事件的模型。模型和田地数据可以存储在存储器中的数据结构中、数据库表中的行中、平面文件或电子表格中或其他形式的存储数字数据中。

在一个实施例中，农业智能计算机系统130被编程为包括农业数据管理服务器计算机(服务器)170。服务器170还被配置为包括土壤数据收集指令172、土壤水分估计指令模块174、产量预测和播种率确定指令176、产量风险确定指令178、以及产量风险呈现指令180。

土壤数据收集指令172提供计算机可执行指令，以在一时段(诸如10年的时段)的多个子时段内收集一个或多个田地的多个子田地的不同类型的土壤数据。土壤数据可以是土壤化学数据、土壤拓扑数据、田地图像数据、或土壤水分数据。土壤水分数据可能以较高频率(诸如每月一次)获得。为了训练产量预测模型，土壤数据通常还包括播种率及对应产量。可以从种植者设备、公共数据源、田地探测器或航空设备上的相机接收不同类型的土壤数据。

土壤水分估计指令174提供用以分析土壤水分数据以构建土壤水分预测模型的计算机可执行指令。土壤水分数据通常包括多个子田地中的一些子田地的观测的土壤水分，其可以用于基于空间相关性来估计其他子田地的土壤水分。土壤水分预测模型还可以考虑土壤水分数据中的时间相关性。土壤水分估计指令174还提供用以执行土壤水分预测模型并产生附加土壤水分数据的计算机可执行指令。

产量预测和播种率确定指令176提供用以根据土壤水分数据构建产量预测模型的计算机可执行指令。还可以在附加数据(诸如土壤化学数据、土壤拓扑数据、田地图像数据、播种率数据、肥料数据、或种子遗传数据)上训练产量预测。产量预测和播种率确定指令176还提供用以执行产量预测模型的计算机可执行指令。某些播种率可以被馈送到产量预测模型，以确定对应于最高估计产量的最佳播种率。

产量风险确定指令178提供用以在考虑到历史产量数据的情况下确定与估计产量相关联的风险的计算机可执行指令。风险确定指令178可以与服务器170内的其他指令结合工作，以模拟历史产量数据中的一些历史产量数据。

产量风险呈现指令180提供用以呈现与通过执行服务器170内的其他指令而产生的风险值有关的数据的计算机可执行指令。这样的数据可以包括估计的土壤水分量、预测产量、用于实现预测产量而推荐的播种率、或与预测产量相关联的风险。分析结果可以被直接传输到适当目的地，诸如种植者设备，或可以通过图形用户接口传输。具体地，计算机可执行指令使得生成图形用户接口，该图形用户接口允许用户查看变化的预计风险如何导致不同的预测产量。

在一个实施例中，服务器170的每个组件包括农业智能计算机系统130中的主存储器(诸如RAM)的一组一个或多个页面，可执行指令已被加载到其中并且其当被执行时使农业智能计算系统执行本文中参考那些模块描述的功能或操作。例如，疾病识别组件174可包括RAM中的一组页面，该组页面包含指令，这些指令当被执行时导致执行本文中描述的位置选择功能。这些指令可能在CPU的指令集中的机器可执行代码中，并且可能已经单独基于以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进行编译，或者与JAVASCRIPT中的脚本、其他脚本语言和其他编程源文本结合基于以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进行编译。术语“页面”旨在广义地指代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根据存储器架构或处理器架构而变化。在另一实施例中，服务器170的每个组件还可表示以数字方式存储在农业智能计算机系统130或单独的存储库系统中的诸如非易失性RAM或磁盘存储之类的大容量存储设备中的一个或多个源代码文件或项目，其当被编译或解释时导致生成可执行指令，这些可执行指令当被执行时使农业智能计算系统执行本文中参考那些模块描述的功能或操作。换句话说，附图可以表示程序员或软件开发者组织和安排源代码以便以后编译为可执行文件或解释为字节码或等效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包括一个或多个中央处理单元(CPU)、存储器控制器以及计算机系统的其他设备、组件或元件，诸如易失性或非易失性的存储器、非易失性存储(诸如磁盘)以及例如结合图4说明和描述的I/O设备或接口。层150还可包括被配置为支持虚拟化、容器化或其他技术的编程指令。

出于说明清楚示例的目的，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个不同移动计算设备104。另外，系统130和/或外部数据服务器计算机108可以使用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位于同一位置的两个或更多个处理器、核心、群集或者物理机或虚拟机的实例来实现。

2.2.应用程序概述

在一个实施例中，使用被加载到一个或多个通用计算机中并使用一个或多个通用计算机执行的一个或多个计算机程序或其他软件元件来实现本文描述的功能将使这些通用计算机被配置为特定机器或配置为专门用于执行本文描述的功能的计算机。另外，本文进一步描述的每个流程图可以单独用作可用于将计算机或逻辑编程为实现所描述的功能的算法、计划或指导，或与本文中的散文形式的过程和功能的描述结合用作这些算法、计划或指导。换句话说，本文中的所有散文和所有附图一起旨在提供如下算法、计划或指导的公开，这些算法、计划或指导足以允许技术人员考虑到适用于该类型的发明和公开的技能水平结合此类人员的技能和知识将计算机编程为执行本文描述的功能。

在一个实施例中，用户102使用配置有操作系统和一个或多个应用程序或应用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且自动地与农业智能计算机系统进行互操作，并且直接的用户交互不是总被要求。田地管理器计算设备104广义地表示以下各项中的一个或多个：智能电话，PDA，平板计算设备，膝上型计算机，台式计算机，工作站，或者能够发送和接收信息以及执行本文描述的功能的任何其他计算设备。田地管理器计算设备104可以使用在田地管理器计算设备104上存储的移动应用程序经由网络进行通信，并且在一些实施例中，可以使用电缆113或连接器将该设备耦合到传感器112和/或控制器114。特定用户102可以一次拥有、操作或拥有和结合系统130使用多于一个田地管理器计算设备104。

移动应用程序可以经由网络向一个或多个移动计算设备提供客户端侧功能。在示例实施例中，田地管理器计算设备104可以经由网络浏览器或本地客户端应用程序或应用来访问移动应用程序。田地管理器计算设备104可以使用基于网络的协议或格式(诸如HTTP、XML和/或JSON)或应用专用协议向一个或多个前端服务器发送数据和从一个或多个前端服务器接收数据。在示例实施例中，数据可以采用到移动计算设备中的请求和用户信息输入(诸如田地数据)的形式。在一些实施例中，移动应用程序与田地管理器计算设备104上的位置跟踪硬件和软件进行交互，该位置跟踪硬件和软件使用标准的跟踪技术(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应用从该操作系统获得数据来获得与设备104、用户102和/或一个或多个用户帐户相关联的位置数据或其他数据。

在一个实施例中，田地管理器计算设备104将田地数据106发送到农业智能计算机系统130，田地数据106包含或包括但不限于表示以下各项中的一个或多个的数据值：一个或多个田地的地理位置，一个或多个田地的耕作信息，在一个或多个田地中种植的作物，以及从一个或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的指定一个或多个田地的数据值的用户输入而发送田地数据106。此外，当数据值中的一个或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可以通信地耦合到远程传感器112和/或应用控制器114，远程传感器112和/或应用控制器114包括灌溉传感器和/或灌溉控制器。响应于接收到表明应用控制器114曾将水释放到一个或多个田地上的数据，田地管理器计算设备104可以将田地数据106发送到农业智能计算机系统130，从而表明水在一个或多个田地上曾被释放。可以使用电子数字数据来输入和传送在本公开中标识的田地数据106，该电子数字数据是使用通过HTTP的参数化URL或另一合适的通信或消息收发协议在计算设备之间传送的。

移动应用程序的商业示例是可从加利福尼亚州旧金山市的气候公司购买的CLIMATE FIELDVIEW。CLIMATE FIELDVIEW应用程序或其他应用程序可被修改、扩展或调整，以包括在本公开的申请日之前尚未被公开的特征、功能和编程。在一个实施例中，移动应用程序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定，因为它将与种植者的田地有关的历史数据与种植者希望比较的任何其他数据结合。结合和比较可以实时进行，并且基于科学模型，这些科学模型提供了可能的情景，以允许种植者做出更好、更明智的决定。

图2示出了当示例移动应用程序被加载以供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，每个命名的元素表示RAM或其他主存储器的一个或多个页面的区域，或者磁盘存储或其他非易失性存储的一个或多个块的区域，以及那些区域内的编程指令。在一个实施例中，在视图(a)中，移动计算机应用程序200包括账户—田地—数据摄取—共享指令202，概述和警报指令204，数字地图手册指令206，种子和种植指令208，氮指令210，天气指令212，田地健康指令214，以及执行指令216。

在一个实施例中，移动计算机应用程序200包括账户、田地、数据摄取、共享指令202，其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，产量图，种植图，土壤测试结果，施用图，和/或管理区等。数据格式可包括形状文件，第三方的原生数据格式，和/或农场管理信息系统(FMIS)导出等。接收数据可以经由以下方式发生：手动上传，带有附件的电子邮件，将数据推送到移动应用程序的外部API，或者调用外部系统的API来将数据拉取到移动应用程序中的指令。在一个实施例中，移动计算机应用程序200包括数据收件箱。响应于接收到对数据收件箱的选择，移动计算机应用程序200可以显示用于手动上传数据文件和将上传的文件导入到数据管理器的图形用户界面。

在一个实施例中，数字地图簿指令206包括在设备存储器中存储的田地地图数据层，并被编程有数据可视化工具和地理空间田地注释。这为种植者提供了近在咫尺的方便信息，以供参考、记录和对田地表现的视觉洞察力。在一个实施例中，概述和警报指令204被编程为提供对种植者重要之物的操作范围视图，以及采取行动或专注于特定问题的及时建议。这允许种植者将时间集中在需要关注什么，以节省时间并在整个季节保持产量。在一个实施例中，种子和种植指令208被编程为基于科学模型和经验数据来提供用于种子选择、混合放置和脚本创建(包括可变速率(VR)脚本创建)的工具。这使种植者能够通过优化的种子购买、放置和种群来使产量或投资回报最大化。

在一个实施例中，脚本生成指令205被编程为提供用于生成脚本(包括可变速率(VR)肥力脚本)的界面。该界面使种植者能够为田地器具(诸如养分施用、种植和灌溉)创建脚本。例如，种植脚本界面可包括用于识别用于种植的种子的类型的工具。在接收到对种子类型的选择之后，移动计算机应用程序200可以显示被划分为管理区域的一个或多个田地，诸如作为数字地图簿指令206的一部分而被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面板，该面板标识每个土壤区域以及每个区域的土壤名称、质地、排水或其他田地数据。移动计算机应用程序200还可在一个或多个田地的地图上显示用于编辑或创建此类的工具，诸如用于绘制管理区域(诸如土壤区域)的图形工具。种植过程可以应用于所有管理区域，或者不同的种植过程可以应用于管理区域的不同子集。当脚本被创建时，移动计算机应用程序200可以使该脚本可用于以应用控制器可读的格式(诸如存档或压缩的格式)下载。此外，和/或可替代地，脚本可以被从移动计算机应用程序200直接发送到驾驶室计算机115和/或被上传到一个或多个数据服务器并被存储以供进一步使用。

在一个实施例中，氮指令210被编程为提供通过使氮对作物的可用性可视化来告知氮决策的工具。这使种植者能够通过季节期间的优化的氮施用来使产量或投资回报最大化。示例编程功能包括：显示图像(诸如SSURGO图像)以使得能够以高空间分辨率(取决于传感器的接近度和分辨率，精细到毫米或更小)绘制肥料施用区域和/或根据子田地土壤数据(诸如从传感器获得的数据)生成的图像；上传现有的种植者定义的区域；提供植物养分可用性的图和/或使得能够调节跨多个区域的一次或多次氮施用的地图；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。该上下文中的“大量数据输入”可能表示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；示例数据可包括对于相同种植者的许多田地和/或区域都相同的氮施用数据，但是这样的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程序200中。例如，氮指令210可被编程为接受氮施用和实践程序的定义以及接受指定跨多个田地应用那些程序的用户输入。该上下文中的“氮施用程序”指的是与以下各项相关联的所存储的命名的数据集：名称，颜色代码或其他标识符，一个或多个施用日期，每个日期的材料或产品类型以及数量，施用或掺入的方法(诸如注入或播撒)，和/或每个日期的施用量或施用速率，作为施用对象的作物或杂种，等等。该上下文中的“氮实践程序”指的是与以下各项相关联的所存储的命名的数据集：实践名称；先前的作物；耕作系统；主要耕作的日期；曾使用的一个或多个先前的耕作系统；曾使用的施用类型(诸如施肥)的一个或多个指示符。氮指令210也可被编程为生成并导致显示氮图，该氮图指示对指定氮的植物使用的预测以及是预测到盈余还是预测到不足；在一些实施例中，不同的颜色指示符可以表示盈余的幅度或不足的幅度。在一个实施例中，氮图包括：计算机显示设备中的包括多行的图形显示，每一行与田地相关联并标识该田地；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，具有图形指示符的按月的时间线指定与月份名称相关的点处的每次氮施用和数量；以及数字和/或有颜色的盈余指示符或不足指示符，其中颜色指示幅度。

在一个实施例中，氮图可包括诸如刻度盘或滑动条之类的用于动态地改变氮种植和实践程序的一个或多个用户输入特征，使得用户可以优化其氮图。用户然后可以使用其优化的氮图以及相关的氮种植和实践程序来实现一个或多个脚本，包括可变速率(VR)肥力脚本。氮指令210也可被编程为生成并导致显示氮地图，该氮地图指示对指定氮的植物使用的预测以及是预测到盈余还是预测到不足；在一些实施例中，不同的颜色指示符可以表示盈余的幅度或不足的幅度。氮地图可以使用数字和/或有颜色的盈余指示符或不足指示符来显示对指定氮的植物使用的预测以及针对过去和未来的不同时间(诸如每天、每周、每月或每年)是预测到盈余还是预测到不足，其中颜色指示幅度。在一个实施例中，氮地图可包括诸如刻度盘或滑动条之类的用于动态地改变氮种植和实践程序的一个或多个用户输入特征，使得用户可以优化其氮地图，例如以获得优选量的盈余到不足。用户然后可以使用其优化的氮地图以及相关的氮种植和实践程序来实现一个或多个脚本，包括可变速率(VR)肥力脚本。在其他实施例中，与氮指令210类似的指令可以用于其他养分(诸如磷和钾)的施用、农药的施用以及灌溉程序。

在一个实施例中，天气指令212被编程为提供田地专用的最近天气数据和预报天气信息。这使得种植者能够节省时间以及具有关于日常操作决策的高效集成显示。

在一个实施例中，田地健康指令214被编程为提供及时的遥感图像，这些遥感图像突出显示应季作物变化和潜在担忧。示例编程功能包括：云检查，以识别可能的云或云阴影；基于田地图像确定氮指数；对例如包括与田地健康有关的那些的侦察层的图形可视化，以及对侦察笔记的查看和/或共享；和/或从多个来源下载卫星图像，并优先考虑种植者的图像，等等。

在一个实施例中，表现指令216被编程为提供报告、分析和洞察力工具，这些工具使用农场数据进行评估、洞察力和决策。这使种植者能够通过关于为何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洞察力来寻求下一年的改进结果。表现指令216可被编程为经由一个或多个网络109向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传送，并且被配置为分析诸如产量、产量差异、杂种、种群、SSURGO区域、土壤测试属性或海拔等的度量。编程的报告和分析可包括：产量可变性分析，治疗效果估计，基于从许多种植者收集的匿名数据或种子和种植的数据对照其他种植者的产量和其他度量的基准测试，等等。

具有以这种方式配置的指令的应用程序可以针对不同的计算设备平台来实现，同时保持相同的一般用户界面外观。例如，移动应用程序可被编程以便在使用客户端计算机处的浏览器访问的平板、智能电话或服务器计算机上执行。另外，针对平板计算机或智能电话配置的移动应用程序可以提供适合于驾驶室计算机115的显示和处理能力的完整的应用程序体验或驾驶室应用程序体验。例如，现在参考图2的视图(b)，在一个实施例中，驾驶室计算机应用程序220可包括地图—驾驶室指令222、远程视图指令224、数据收集和传送指令226、机器警报指令228、脚本传送指令230和侦察—驾驶室指令232。视图(b)的指令的代码基可以与视图(a)的相同，并且实现该代码的可执行文件可被编程为检测它们所执行于的平台的类型，并被编程为通过图形用户界面仅暴露适用于驾驶室平台或完整平台的那些功能。该方法使系统能够识别出适用于驾驶室内环境和驾驶室的不同技术环境的截然不同的用户体验。地图—驾驶室指令222可被编程为提供田地、农场或区域的地图视图，这些地图视图在指导机器操作时有用。远程视图指令224可被编程为打开、管理实时的或近乎实时的机器活动的视图并将其经由无线网络、有线连接器或适配器等提供给连接到系统130的其他计算设备。数据收集和传送指令226可被编程为打开、管理在传感器和控制器处收集的数据，并提供将其经由无线网络、有线连接器或适配器等传送到系统130。机器警报指令228可被编程为检测与驾驶室相关联的机器或工具的操作问题并生成操作者警报。脚本传送指令230可被配置为以指令脚本的方式传送，这些指令脚本被配置为指导机器操作或数据的收集。侦查—驾驶室指令232可被编程为基于田地管理器计算设备104、农业装置111或传感器112在田地中的位置来显示从系统130接收到的基于位置的警报和信息，并且摄取、管理基于位置的侦察观察结果并提供基于农业装置111或传感器112在田地中的位置将基于位置的侦察观察结果传送到系统130。

2.3.计算机系统的数据摄取

在一个实施例中，外部数据服务器计算机108存储外部数据110，其包括表示一个或多个田地的土壤组成的土壤数据以及表示一个或多个田地上的温度和降水的天气数据。天气数据可包括过去和当前的天气数据以及对未来天气数据的预测。在一个实施例中，外部数据服务器计算机108包括由不同实体托管的多个服务器。例如，第一服务器可包含土壤组成数据，而第二服务器可包括天气数据。此外，土壤组成数据可存储在多个服务器中。例如，一个服务器可存储表示土壤中的沙子、淤泥和粘土的百分比的数据，而第二服务器可存储表示土壤中的有机物(OM)的百分比的数据。

在一个实施例中，远程传感器112包括一个或多个传感器，这一个或多个传感器被编程或配置为生成一个或多个观察结果。远程传感器112可以是空中传感器(诸如卫星)，车辆传感器，种植设备传感器，耕作传感器，肥料或杀虫剂施用传感器，收割机传感器，以及能够从一个或多个田地接收数据的任何其他器具。在一个实施例中，应用控制器114被编程或配置为从农业智能计算机系统130接收指令。应用控制器114还可被编程或配置为控制农业车辆或用具的操作参数。例如，应用控制器可被编程或配置为控制车辆(诸如拖拉机)、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用具(诸如水阀)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，其中以下仅仅是选中的示例。

系统130可以在用户102的控制下大规模地从已经将数据贡献给共享数据库系统的大量种植者获得或摄取数据。当请求或触发一个或多个用户控制的计算机操作以获得供系统130使用的数据时，该形式的获取数据可以称为“手动数据摄取”。例如，可以操作可从加利福尼亚州旧金山市的气候公司购买的CLIMATE FIELDVIEW应用程序以将数据导出到系统130，以存储在存储库160中。

例如，种子监视器系统既可以控制播种机装置组件，也可以获得种植数据，包括经由信号线束来自种子传感器的信号，该信号线束包括CAN主干网以及用于注册和/或诊断的点对点连接。种子监视器系统可被编程或配置为经由驾驶室计算机115或系统130内的其他设备向用户显示播种间距、种群和其他信息。在美国专利第8,738,243号和美国专利公开20150094916中公开了示例，并且本公开假定那些其他专利公开的知识。

同样，产量监视器系统可包含用于收割机装置的产量传感器，其将产量测量数据发送至驾驶室计算机115或系统130内的其他设备。产量监视器系统可利用一个或多个远程传感器112来获得联合收割机或其他收割机中的谷物水分测量结果，并经由驾驶室计算机115或系统130内的其他设备将这些测量结果发送到用户。

在一个实施例中，可以与在本文中其他地方描述的类型的任何移动车辆或装置一起使用的传感器112的示例包括运动学传感器和位置传感器。运动学传感器可包括任何速度传感器，诸如雷达或车轮速度传感器、加速计或陀螺仪。位置传感器可包括GPS接收器或收发器，或者基于WiFi的位置或地图应用程序等，这些应用程序被编程为基于附近的WiFi热点来确定位置。

在一个实施例中，可以与拖拉机或其他移动车辆一起使用的传感器112的示例包括：发动机转速传感器，燃料消耗传感器，与GPS或雷达信号交互的面积计数器或距离计数器，PTO(动力输出装置)速度传感器，被配置为检测液压参数(诸如压力或流量)和/或液压泵速度的拖拉机液压传感器，轮速传感器或轮滑传感器。在一个实施例中，可以与拖拉机一起使用的控制器114的示例包括：液压方向控制器，压力控制器，和/或流量控制器；液压泵速度控制器；速度控制器或调速器；悬挂装置位置控制器；或者车轮位置控制器提供自动转向。

在一个实施例中，可以与诸如种植机、条播机或空气播种机之类的种子种植设备一起使用的传感器112的示例包括：种子传感器，其可以是光学、电磁或碰撞传感器；下压力传感器，诸如称重销、称重传感器、压力传感器；土壤性质传感器，诸如反射率传感器、湿度传感器、电导率传感器、光学残留传感器或温度传感器；组件操作标准传感器，诸如种植深度传感器、下压力缸压力传感器、种子盘速度传感器、种子驱动电机编码器、种子输送机系统速度传感器或者真空度传感器；或者杀虫剂施加传感器，诸如光学或其他电磁传感器或碰撞传感器。在一个实施例中，可以与这样的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，诸如用于与液压缸相关联的阀的控制器；下压力控制器，诸如用于与气压缸、安全气囊或液压缸相关联的阀的控制器，并被编程用于将下压力施加到单个行单元或整个种植机框架上；种植深度控制器，诸如线性致动器；计量控制器，诸如电动排种器驱动马达、液压排种器驱动马达或刈幅控制离合器；混合选择控制器，诸如排种器驱动马达，或者被编程用于选择性地允许或阻止种子或空气种子混合物将种子递送到排种器或中央散装料斗中或从排种器或中央散装料斗中递送种子的其他致动器；计量控制器，诸如电动排种器驱动马达或液压排种器驱动马达；种子输送机系统控制器，诸如用于带式种子递送输送机马达的控制器；标记控制器，诸如用于气动或液压致动器的控制器；或者杀虫剂施用速率控制器，诸如计量驱动控制器、孔口尺寸或位置控制器。

在一个实施例中，可以与耕作设备一起使用的传感器112的示例包括：用于诸如柄或盘之类的工具的位置传感器；用于被配置为检测深度、同轴角或侧向间距的此类工具的工具位置传感器；下压力传感器；或牵伸力传感器。在一个实施例中，可以与耕作设备一起使用的控制器114的示例包括下压力控制器或工具位置控制器，诸如被配置为控制工具深度、同轴角或侧向间距的控制器。

在一个实施例中，可以联系用于施用肥料、杀虫剂、杀真菌剂等的装置(诸如播种机上的起动肥料系统、底土肥料施用器或肥料喷雾器)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管线阀为打开的传感器；与罐相关联的传感器，诸如液位传感器；分段或全系统的供应线传感器，或者行专用的供应线传感器；或者运动学传感器，诸如布置在喷雾器喷杆上的加速度计。在一个实施例中，可以与这样的装置一起使用的控制器114的示例包括：泵速度控制器；阀控制器，其被编程为控制压力、流量、方向、PWM等；或者诸如用于喷杆高度、深耕铲深度或喷杆位置的位置致动器。

在一个实施例中，可以与收割机一起使用的传感器112的示例包括：产量监视器，诸如冲击板应变仪或位置传感器、电容式流量传感器、负载传感器、重量传感器或者与升降机或绞龙相关联的扭矩传感器，或者光学或其他的电磁谷物高度传感器；谷物水分传感器，诸如电容传感器；谷物损失传感器，包括碰撞传感器、光学传感器或电容传感器；割台操作标准传感器，诸如割台高度传感器、割台类型传感器、甲板间隙传感器、送料机速度传感器和拨禾轮速度传感器；分离器操作标准传感器，诸如凹板间隙、转子速度、闸瓦间隙或筛间隙传感器；用于位置、操作或速度的绞龙传感器；或者发动机转速传感器。在一个实施例中，可以与收割机一起使用的控制器114的示例包括：用于诸如割台高度、割台类型、甲板间隙、送料机速度或拨禾轮速度之类的元素的割台操作标准控制器；用于诸如凹板间隙、转子速度、闸瓦间隙或筛间隙之类的特征的分离器操作标准控制器；或者用于绞龙位置、操作或速度的控制器。

在一个实施例中，可以与谷物拖车一起使用的传感器112的示例包括重量传感器或者用于绞龙位置、操作或速度的传感器。在一个实施例中，可以与谷物拖车一起使用的控制器114的示例包括用于绞龙位置、操作或速度的控制器。

在一个实施例中，传感器112和控制器114的示例可以安装在无人驾驶飞行器(UAV)装置或“无人机”中。这样的传感器可包括具有对包括可见光、红外、紫外线、近红外(NIR)等在内的电磁频谱的任何范围都有效的检测器的相机；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探测装置；其他电磁辐射发射器和反射电磁辐射检测装置。这样的控制器可包括：引导或马达控制设备，控制面控制器，相机控制器，或者被编程为打开任何前述传感器、操作任何前述传感器、从任何前述传感器获得数据、管理和配置任何前述传感器的控制器。在美国专利申请第14/831,165号中公开了示例，并且本公开假定该其他专利公开的知识。

在一个实施例中，传感器112和控制器114可以固定到土壤采样和测量装置，该装置被配置或编程为对土壤进行采样以及执行土壤化学测试、土壤湿度测试和其他与土壤有关的测试。例如，在美国专利第8,767,194号和美国专利第8,712,148号中公开的装置可被使用，并且本公开假定那些专利公开的知识。

在一个实施例中，传感器112和控制器114可包括用于监视田地的天气状况的天气设备。例如，在2015年4月29日提交的美国临时申请第62/154,207号、2015年6月12日提交的美国临时申请第62/175,160号、2015年7月28日提交的美国临时申请第62/198,060号和2015年9月18日提交的美国临时申请第62/220,852号中公开的装置可被使用，并且本公开假定那些专利公开的知识。

2.4.处理概述-农艺模型训练

在一个实施例中，农业智能计算机系统130被编程或配置为创建农艺模型。在该上下文中，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，诸如一个或多个田地的标识数据和收获数据。农艺模型还可包括计算出的农艺特性，其描述了可能影响田地上的一个或多个作物的生长的条件或一个或多个农作物的特性或两者。此外，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、收割建议和其他作物管理建议。农艺因素也可用于估计一个或多个作物相关结果，诸如农艺产量。作物的农艺产量是对所生产的作物的数量的估计，或者在一些示例中是从所生产的作物获得的收入或利润。

在一个实施例中，农业智能计算机系统130可使用预先配置的农艺模型来计算与当前接收到的一个或多个田地的位置和作物信息有关的农艺特性。预先配置的农艺模型基于先前处理的田地数据，其包括但不限于标识数据、收获数据、肥料数据和天气数据。预先配置的农艺模型可能已被交叉验证，以确保模型的准确性。交叉验证可包括与地面实况的比较，其将预测结果与田地上的实际结果进行比较，诸如将降雨估计与提供相同或附近位置的天气数据的雨量计或传感器进行比较，或将氮含量的估计与土壤样品测量结果进行比较。

图3示出了编程的处理，通过该处理，农业智能计算机系统使用由一个或多个数据源提供的田地数据来生成一个或多个预先配置的农艺模型。图3可以用作用于将农业智能计算机系统130的功能元件编程为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被配置或编程为实现对从一个或多个数据源接收的田地数据的农艺数据预处理。可以出于去除噪声、失真影响以及农艺数据内的混杂因素的目的而对从一个或多个数据源接收的田地数据进行预处理，这些混杂因素包括可能对接收到的田地数据值产生不利影响的测量异常值。农艺数据预处理的实施例可包括但不限于：去除通常与异常数据值相关联的数据值、已知不必要地使其他数据值倾斜的特定测量数据点，数据平滑、聚合，或者用于去除或减少来自噪声的加性或乘性影响的采样技术，以及用于提供正数据输入和负数据输入之间的明显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被配置或编程为使用预处理后的田地数据来执行数据子集选择，以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可实现数据子集选择技术，其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，遗传算法选择技术基于自然选择和遗传学的进化原理使用自适应启发式搜索算法来确定和评估预处理农艺数据内的数据集。

在框315处，农业智能计算机系统130被配置或编程为实现田地数据集评估。在一个实施例中，通过创建农艺模型并对所创建的农艺模型使用特定质量阈值来评估特定田地数据集。可以使用一种或多种比较技术(诸如但不限于留一交叉验证均方根误差(RMSECV)、平均绝对误差和平均百分比误差)来比较和/或验证农艺模型。例如，RMSECV可以通过将由农艺模型创建的预测农艺属性值与所收集和分析的历史农艺属性值进行比较来交叉验证农艺模型。在一个实施例中，将农艺数据集评估逻辑用作反馈回路，其中在未来的数据子集选择步骤期间使用不满足已配置质量阈值的农艺数据集(框310)。

在框320处，农业智能计算机系统130被配置或编程为基于经交叉验证的农艺数据集来实现农艺模型创建。在一个实施例中，农艺模型创建可实施多变量回归技术以创建预先配置的农艺数据模型。

在框325处，农业智能计算机系统130被配置或编程为存储预先配置的农艺数据模型以用于未来的田地数据评估。

2.5.实现示例-硬件概述根据一个实施例，本文描述的技术由一个或多个专用计算设备实现。专用计算设备可被硬连线以执行这些技术，或者可包括诸如一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA)之类的被永久编程为执行这些技术的数字电子设备，或者可包括被编程为根据固件、存储器、其他存储或组合中的程序指令来执行这些技术的一个或多个通用硬件处理器。这样的专用计算设备还可以将定制的硬连线逻辑、ASIC或FPGA与定制的编程相结合，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，手持式设备，联网设备，或是包含用来实现这些技术的硬连线和/或程序逻辑的任何其他设备。

例如，图4是示出了可以在其上实现本发明的实施例的计算机系统400的框图。计算机系统400包括总线402或用于传送信息的其他通信机制，以及与总线402耦合的用于处理信息的硬件处理器404。硬件处理器404可以例如是通用微处理器。

计算机系统400还包括耦合到总线402的用于存储信息和要由处理器404执行的指令的主存储器406，诸如随机存取存储器(RAM)或其他动态存储设备。主存储器406也可用于在要由处理器404执行的指令的执行期间存储临时变量或其他中间信息。这样的指令当存储在处理器404可访问的非暂时性存储介质中时使计算机系统400成为专用于执行在这些指令中指定的操作的专用机器。

计算机系统400还包括耦合到总线402的用于存储静态信息和处理器404的指令的只读存储器(ROM)408或其他静态存储设备。诸如磁盘、光盘或固态驱动器之类的存储设备410被提供并耦合到总线402以存储信息和指令。

计算机系统400可以经由总线402耦合到诸如阴极射线管(CRT)之类的用于向计算机用户显示信息的显示器412。包括字母数字键和其他键的输入设备414耦合到总线402，以向处理器404传送信息和命令选择。另一种类型的用户输入设备是用于向处理器404传送方向信息和命令选择并用于控制显示器412上的光标移动的光标控制416，诸如鼠标、跟踪球或光标方向键。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，这允许设备指定平面中的位置。

计算机系统400可以使用定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实现本文描述的技术，该程序逻辑与计算机系统结合使计算机系统400成为专用机器或将计算机系统400编程为专用机器。根据一个实施例，由计算机系统400响应于处理器404执行在主存储器406中包含的一个或多个指令的一个或多个序列而执行本文中的技术。可以从诸如存储设备410之类的另一存储介质将这样的指令读取到主存储器406中。执行在主存储器406中包含的指令序列使处理器404执行本文描述的处理步骤。在替代实施例中，可以使用硬连线电路来代替软件指令或者与软件指令结合使用硬连线电路。

本文所使用的术语“存储介质”指的是存储数据和/或使机器以特定方式运行的指令的任何非暂时性介质。这样的存储介质可以包括非易失性介质和/或易失性介质。非易失性介质包括例如光盘、磁盘或固态驱动器，诸如存储设备410。易失性介质包括动态存储器，诸如主存储器406。存储介质的常见形式例如包括：软盘，柔性盘，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，具有孔图案的任何物理介质，RAM，PROM，和EPROM，FLASH-EPROM，NVRAM，任何其他存储器芯片或盒式磁带。

存储介质不同于传输介质，但是可以与传输介质结合使用。传输介质参与在存储介质之间传送信息。例如，传输介质包括同轴电缆、铜线和光纤，包括构成总线402的电线。传输介质还可以采用声波或光波的形式，诸如在无线电波和红外数据通信期间生成的那些。

各种形式的介质可参与将一个或多个指令的一个或多个序列运送到处理器404以供执行。例如，指令最初可被携带在远程计算机的磁盘或固态驱动器上。远程计算机可以将指令加载到其动态存储器中，并使用调制解调器通过电话线来发送指令。在计算机系统400本地的调制解调器可以接收电话线上的数据，并使用红外发射器将数据转换为红外信号。红外检测器可以接收红外信号中携带的数据，并且适当的电路可以将数据放置在总线402上。总线402将数据运送到主存储器406，处理器404从主存储器406中检索并执行指令。由主存储器406接收的指令可以可选地在处理器404执行之前或之后存储在存储设备410上。

计算机系统400还包括耦合到总线402的通信接口418。通信接口418向连接到本地网络422的网络链路420提供双向数据通信耦合。例如，通信接口418可以是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器，或者用于向对应类型的电话线提供数据通信连接的调制解调器。作为另一个示例，通信接口418可以是用于向兼容的LAN提供数据通信连接的局域网(LAN)卡。无线链路也可被实现。在任何这样的实现中，通信接口418发送和接收电信号、电磁信号或光信号，这些电信号、电磁信号或光信号携带表示各种类型的信息的数字数据流。

网络链路420通常向其他数据设备提供通过一个或多个网络的数据通信。例如，网络链路420可以向主机计算机424或向由因特网服务提供商(ISP)426操作的数据设备提供通过本地网络422的连接。ISP 426继而通过现在通常称为“因特网”428的全球分组数据通信网络来提供数据通信服务。本地网络422和因特网428都使用携带数字数据流的电信号、电磁信号或光信号。通过各种网络的信号和在网络链路420上并通过通信接口418的信号是传输介质的示例形式，这些信号向和从计算机系统400传送数字数据。

计算机系统400可以通过一个或多个网络、网络链路420和通信接口418发送消息和接收包括程序代码在内的数据。在因特网示例中，服务器430可以通过因特网428、ISP426、本地网络422和通信接口418来发送所请求的应用程序的代码。

所接收的代码可以在其被接收时由处理器404执行，并且/或者存储在存储设备410或其他非易失性存储中以供以后执行。

3.功能描述

3.1收集土壤性质和产量的训练数据

在一些实施例中，每个田地被分成子田地。例如，每个子田地可以是10米乘10米。出于模型训练目的，服务器170被编程为在时段内的不同点处接收或获得关于特定田地内的不同子田地的不同类型的数据。不同类型的数据可以包括土壤化学数据，诸如与有机物、阳离子交换量或pH标度有关的数据。不同类型的数据可以包括土壤拓扑数据，诸如海拔、坡度、曲率或坡向。不同类型的数据还可以包括图像数据，诸如卫星图像或其他航拍图像，其可以指示特定田地的水分、植被、疾病状态或其他土壤性质，因此可以用于导出其他类型的数据。另外，不同类型的数据可以包括肥料数据(诸如养分类型)或种子遗传数据(诸如种质(基础遗传+性状)、谱系信息、基因簇模式或基因组标记关系)。时段可以是一个或多个年。对于随时间变化不大的那些类型的数据，不同点的频率可能是每小时、每天、每月、每季度、或甚至更不频繁。用户102可以经由手动输入接收这些数据。这些数据还可以是田地数据106或外部数据110的一部分。另外，如果这些数据先前已被收集以用于其他应用，则还可以从存储库160中检索这些数据。

在一些实施例中，服务器170被编程为在该时段内的各个点处接收关于不同子田地的天气相关数据。在这种情况下，各个点的频率可能高于其他类型的数据可用的不同点的频率。天气数据可以包括降雨数据和水分进入土壤的灌溉数据或蒸散数据、排水数据、径流数据、或土壤中水分的初始或最小土壤饱和数据。可以例如经由经参数化URL、API调用或其他编程机制从第三方在线天气信息数据库或服务器获得天气数据，作为外部数据110的一部分。

服务器170被编程为进一步接收水分探测器所测量的关于在该时段内的各个点处的不同子田地中的一些不同子田地的水分数据。水分探测器数据可以形成田地数据106的一部分，或可以由用户102使用编程用户接口输入。由于可以实现的水分探测器的数目通常相对较小，所以通常会限制这样的水分数据的可用性。服务器170可以被编程为通过基于可用水分数据预测尚未实现水分探测器的那些子田地的水分来扩展水分信息的范围，如下文所进一步讨论的。

在一些实施例中，服务器170被编程为进一步接收土壤密度数据，诸如播种率、以及关于该时段内的不同点处的不同子田地的产量数据。在其他实施例中，服务器170被编程为通过内插、外推、聚类或其他技术，或通过依赖于用户提供的默认值来填充所接收的数据中覆盖的土壤性质中的任一土壤性质的缺失值。

3.2估计水分数据

在一些实施例中，服务器170被编程为预测时段内各个点处的一些子田地的土壤水分含量。考虑到降水数据p和灌溉数据irr，可以经由动态空间时间模型(DSTM)来定义土壤水分动力学：

Y_t(s)＝w_t(s)+e_t(s)…(1)

w_t(s)＝w_t-1(s)+α(s)(p+irr)_t-1-θ(s)(w_t-1(s)-μ)+u_t(s)…(2)

其中Y_t(s)是通过水分探测器在时间t处观测的子田地s的土壤水分，w_t(s)是子田地s在时间t处实际或估计的土壤水分，e_t(s)是随机观测误差，α(s)是吸收率，θ(s)是排水率，μ(或μ(s))是最小饱和数据，并且u_t(s)是真实的未观测土壤水分的空间相关误差。对于该时段内的特定时间段，考虑到其中土壤水分探测器可用的否则可以观察到土壤水分的选择子田地的特定时段内的特定点的Y_t(s)值以及选择子田地的特定点处的p和irr的值，可以确定α(s)、θ(s)和μ的值。考虑到没有观测到土壤水分数据的另一子田地的特定点处的p和irr的值，公式(2)然后可以用于在考虑到至少一个时间点的w_t(s)的值的情况下预测特定点处的该子田地的实际土壤水分和最小饱和数据。例如，特定时段可以是一年或生长季节，并且特定点可以与单独天、周或月相对应。

3.3构建产量预测模型

在一些实施例中，服务器170被编程为基于收集和估计的数据来构建子田地的产量预测模型。首先，服务器170可以被编程为依据图像的性质和分辨率将图像数据转换为与整个图像或图像的特定特征相对应的某些图像向量。

在一些实施例中，服务器170被编程为根据土壤水分数据计算每个子田地的水分应力指示符(MSI)。每个MSI可以被定义为土壤水分处于湿应力或干应力的特定时段的百分比。湿应力可以被定义为高于某个湿阈值的水分值。干应力可以同样被定义为水分值低于某个干阈值。例如，特定时段可以为一年，而MSI可以是子田地处于湿应力或干应力时的年份百分比(关于月份或天为单位)。湿阈值或干阈值可以特定于具有许多子田地的每个田地、具有多个田地的到达地区、或每个天气类型(例如，关于年降雨量或太阳辐射)，或它们可以跨越各地区或天气类型不变。

服务器107可以被配置为根据历史数据确定湿阈值或干阈值。例如，湿阈值和干阈值可以分别是过去十年期间最大每日或每月水分用量与最小每日或每月水分用量之间的范围的90％点和10％点。再例如，湿阈值和干阈值可以分别是产量与聚合每日或每月聚合产量偏离一定量以上的点。

在一些实施例中，服务器170被编程为从土壤水分数据确定或改进针对每个子田地的蓄水区和干旱区的预测。例如，当子田地的土壤水分在整个生长季节的大部分天内达到或超过高阈值时，该子田地被视为蓄水区。同样，当子田地的土壤水分在整个生长季节的大部分天内都低于低阈值时，该子田地可以被视为干旱区。服务器170可以被编程为预测产量并基于蓄水或干旱的风险来推荐最佳播种率，其例如可以与置信度得分相对应，该置信度得分与蓄水区或干旱区的预测相关联。

在一些实施例中，服务器170可以被配置为根据土壤水分数据计算每个子田地的附加特征，诸如平均水分、水分簇、或水分主要成分。

在一些实施例中，服务器170被编程为基于各种特征(诸如来自土壤化学数据的值、来自土壤拓扑数据的值、来自田地图像数据的值(诸如图像向量)、来自肥料数据的值(诸如“氮”或“磷”)、来自种子遗传数据的值、来自土壤水分数据的值或特征(诸如MSI或蓄水或干旱的风险)以及来自土壤密度数据的值、以及特定田地内子田地的作为对应结果的产量数据)来构建产量预测模型。产量预测模型可以是任何离散或统计学分类或回归模型，诸如随机森林、聚类算法、神经网络、或逻辑回归分类器。例如，于2015年12月14日提交的美国专利申请号14/968,728、于2018年10月24日提交的美国临时申请号62/750,153、于2015年10月24日提交的美国临时申请号62/750,156、于2018年12月21日提交的美国临时申请号62/784,276以及于2019年4月10日提交的美国临时申请号62/832c148可以被用于包含肥料数据、种子遗传数据、田地图像数据、或其他相关数据，并且本公开假设那些专利公开的知识。

3.4收集目标田地的土壤性质

在一些实施例中，服务器170被编程为接收某些田地的子田地的在某个时段内的某些点处的不同类型的土壤数据。如上文所讨论的，某个时段通常比应用DSTM时所使用的特定时段长得多，因此DSTM和产量预测模型可以在某个时段的不同子时段内重复应用于子田地，以估计与子田地的预测产量相关联的风险，如下文所进一步讨论的。例如，某个时段可以为10年或20年。

在一些实施例中，如上文所讨论的，不同类型的土壤数据可以包括土壤化学数据、土壤拓扑数据、田地图像数据、或土壤水分数据。如上文所讨论的，图像数据可以被转换为图像向量。如上文所讨论的，某些田地内的选择田地的所测量的水分数据可以用于估计某些田地内其他子田地的水分数据。在某些实施例中，根据训练数据构建的DTSM可以用于估计某些田地内其他子田地的水分数据。如上文所讨论的，然后水分数据可以被转换为MSI。在其他实施例中，如上文所讨论的，可以估计某些田地内的子田地的缺失值。

3.5确定最佳播种率及对应预测产量

在一些实施例中，服务器170被编程为选择某些田地内的子田地的播种率列表并且基于最新近土壤数据和播种率列表中的每个播种率来执行产量预测模型，以获得预测产量。最近土壤数据对应于某个时段之外的间隔。播种率的列表可以跨越若干个子田地相同，或可以基于位置、要种植的作物、历史种植模式或其他因素而特定于子田地。服务器170被编程为进一步标识子田地的播种率的列表中的一个播种率，通常为对应于最高预测产量的最佳播种率。

图7图示了播种率与预测产量之间的示例关系。绘图700具有单位为每英亩千种子的播种率的X轴702以及单位为每英亩蒲式耳的对应预测产量的Y轴704。在该示例中，播种率的列表从每英亩两万八千个种子到每英亩四万种子(递增量为一千)。对应的预测产量在点706处达到峰值，点706对应于每英亩四万个种子的播种率和每英亩约为185蒲式耳的对应预测产量。因此，以每英亩185蒲式耳为最高预测产量，每英亩三万七千个种子作为最佳播种率。

在一些实施例中，服务器170被编程为跨子田地来调整或平滑所标识的播种率，因为通常不期望或不可能在相邻子田地中实现完全不同的播种率。服务器170可以被配置为通过改变子田地的任何标识的播种率来调整所标识的播种率，该标识的播种率偏离该子田地中的最近的子田地的所标识的播种率中的一个或多个所标识的播种率超过一个阈值。可以使用其他平滑技术，诸如聚类所标识的播种率并且将其自身簇(或大小低于某个阈值的簇)中的每个标识的播种率改变为最近的簇的聚合标识的播种率。服务器170被编程为进一步确定与任何经调整的播种率相对应的预测产量。当经调整的播种率是播种率列表中的另一个播种率时，这种预测产量已经可用，或可以使用经调整的播种率重新应用产量预测模型以获得经调整的预测产量。

3.6确定与预测产量相关联的风险值

在一些实施例中，服务器170被编程为基于历史数据来计算风险值，该风险值表示与(原始、或者如果可用的话，经调整)预测产量相关联的风险。从土壤水分数据和附加天气数据导出的产量可以用于估计预测产量的风险或由于不可预测的天气而未出现预测产量的概率。更具体地，服务器170被编程为将某个时段划分为子时段，并且在子时段中的每个子时段内执行产量预测模型。例如，某个时段可以为10年，并且每个子时段可以为一年。对于每个子田地，每年的水分数据都可以通过水分探测器进行测量，或根据每个月的测量或卫星图像进行估计。如上文所讨论的，对于子时段中的每个子时段，服务器170可以被配置为：对某些田地的所有子田地重复该过程，并且经由平滑操作调整所标识的播种率并且获得经调整的产量。

在一些实施例中，对于每个子田地，服务器170被编程为然后在所有子时段内以设定增量构造(如果可用或原始，则经调整)预测产量的分位数集合，该分位数集合与风险简档相对应，该风险简档与预测产量相关联。可以对子时段内的预测产量进行加权。例如，由于最新近子时段的水分数据更可能类似于当前水分数据，所以可以对更新近子时段的预测产量进行更多加权。服务器170被编程为进一步标识最新近间隔的预测产量在哪个分位数中，其中最新近间隔位于特定时段之外；并且将其作为与该预测产量相关联的估计风险。例如，如果最新近间隔的预测产量在30％的分位数中，则可能意味着在过去10年中，约30％的预测产量低于最新近间隔的预测产量，因此与该预测产量相关联的风险可能估计为30％。

图8图示了形成分位数的产量的示例分布。绘图800包括用于单位为每英亩蒲式耳的预测产量的X轴和用于计数的Y轴。因此，绘图800示出了为了增加预测产量，在某个时段期间发生多少次预测。沿着线806可以看出，在约10％的时间内，预测产量下降到低于大约每英亩175蒲式耳；沿着线808可以看出，在约50％的时间内，预测产量下降到大约低于每英亩192蒲式耳；并且沿着线810可以看出，在约90％的时间内，预测产量低于大约每英亩约206蒲式耳。因此，通过标识预测产量属于哪个分位数，该分位数可以被视为与该预测产量相关联的估计风险。

在一些实施例中，服务器170被编程为呈现具有关联风险的(如果可用或原始，则经调整)预测产量，诸如通过向与子田地相关联的远程设备传输这种数据或使得这种数据显示给该远程设备。

3.7.生成播种率处方

在一些实施例中，服务器170被编程为假设天气条件在整个田地上基本不会发生变化，基于在子田地内聚合到田地水平的数据来估计风险。更具体地，服务器170被编程为聚合所有子田地的在某个时段的每个子时段内的(原始、或者如果可用，则经调整)预测产量及对应播种率。因此，可以在子田地中加权并计算某个时段内的聚合的预测产量，以构建经更新的风险简档。

在一些实施例中，服务器170被编程为基于该经更新的风险简档来确定播种率处方。服务器170可以被配置为预先选择与预测产量相关联的风险的上界和下界，或获得作为输入的这种界限。服务器170可以被配置为然后在与界限相对应的经更新的风险简档中的分位数中标识聚合的预测产量，并且进一步标识对应聚合的播种率，从而提供播种率范围作为与子田地相关联的种植者或种植者设备的处方。下界和上界可以恒定，也可以取决于基于子田地的最近土壤水分数据的预测产量。例如，基于最近土壤水分数据的预测产量的估计风险可能为30％。上界和下界可以被设置为低于和高于估计风险的某个百分比，诸如从25％到35％，或从特定百分比直到估计风险，诸如从10％到30％。

图9图示了与风险简档有关的图形用户界面的示例计算机生成的屏幕显示。该屏幕允许查看最佳播种率如何随着估计的风险基于由历史数据构建的风险简档而跨子田地改变而发生改变。屏幕900包括田地部分902、标度904、滑块906、以及统计数据部分908。滑块906用于指定估计风险，1对应于10％、2对应于25％2、3对应于50％、4对应于75％、5对应于90％相对应的5。田地部分902示出了对应于预测产量的最佳播种率，预测产量具有基于风险简档经由滑块906所指定的估计风险。如上文所讨论的，部分902的每个单元或像素可以对应于子田地或田地。像素的值被表示为以每英亩千蒲式耳为单位的标度904。统计数据部分908包括与选择的估计风险相对应的总度量，诸如平均最佳播种率、对应的平均预测产量、或跨越田地部分902中覆盖的子田地的对应平均种子成本(给定种子单价)。

3.8示例过程

图10图示了由服务器计算机执行的示例方法，该服务器计算机被编程为用于预测产量并且推荐具有告知风险的针对子田地的播种率。图10旨在公开一种算法、计划或概要，其可以用于实现一个或多个计算机程序或其他软件元件，这些计算机程序或其他软件元件当被执行时，使得执行本文中所描述的功能改进和技术进步。更进一步地，本文中的流程图以与本领域普通技术人员通常用于就形成他们计划使用他们积累的技能和知识进行编码或实现的软件程序的基础的算法、计划或规格进行相互通信的相同详细程度来进行描述。

在一些实施例中，在步骤1002中，服务器被编程或配置为接收第一时段的天气数据，该第一时段由田地的一个或多个子田地的多个子时段组成，如第3.1章节所进一步描述的。例如，可以以第3.1章节先前所描述的方式获得天气数据。子田地可以是10米乘10米或具有类似大小。第一时段可以为10年，而每个子时段可以为一年。天气数据可以包括探测器测量的土壤水分数据或估计的水分用量。在其他实施例中，服务器被编程为接收子田地的第一时段的附加土壤数据，诸如土壤化学数据、土壤拓扑数据、或田地图像数据。可以从种植者设备、公共数据源、田地探测器、或空中设备上的相机中收集数据中的至少一些数据。

在一些实施例中，在步骤1004中，服务器被编程或配置为针对一个子田地的多个子时段中的每个子时段采取某些步骤，其包括步骤1006、1008、1010和1012。因此，步骤1004表示一次或重复执行通过步骤1006、1008、1010和1012的编程迭代，直到与一个子田地相关联的所有子时段都已被处理为止。

在一些实施例中，在步骤1006中，服务器被编程或配置为根据天气数据计算水分应力指示符。更具体地，服务器被配置为将收集的数据中的一些数据转换为要用于预测子田地的产量的特性，如第3.4章节所进一步描述的。一个变换是要计算水分应力指示符，其可以被定义为土壤水分处于湿应力或干应力的子时段的百分比。例如，子时段可以为一年，而百分比可以被表达为土壤水分处于湿应力或干应力的一年中的几个月或几天的百分比。另一变换是从田地图像数据中提取特征。

在一些实施例中，在步骤1008中，服务器被编程或配置为对于播种率列表中的每个播种率，使用经训练的模型根据水分应力指示符来预测产量，如第3.5章节所进一步描述的。针对不同田地的子田地和不同时段的子时段，该模型可能已经在包括水分应力指示符和播种率在内的各种土壤性质上被训练。服务器被配置为将经训练的模型应用于针对该子田地计算出的水分应力指示符和播种率列表中的每个播种率，以获得该子田地的预测产量列表。

在一些实施例中，在步骤1010中，服务器被编程或配置为基于预测产量列表来选择播种率列表中的一个播种率，如第3.5章节所进一步描述的。例如，可以选择对应于最高预测产量的播种率。在其他实施例中，服务器被配置为通过考虑至少相邻子田地的选择的播种率来进一步获得经调整的播种率。在步骤1012中，服务器170被编程或配置为进一步标识预测产量中与选择的播种率或经调整的播种率相对应的一个预测产量。

在一些实施例中，在步骤1014中，服务器被编程或配置为基于在多个子时段内标识的预测产量或任何可用的经调整的播种率来确定与一个子田地的产量范围相关联的风险简档，如第3.6章节所描述的。服务器可以被配置为仅使用子田地的预测产量来构建风险简档。可替代地，服务器可以被配置为通过聚合田地的所有子田地上的、在多个子时段中的每个子时段内的预测产量(或可用时，经调整的预测产量)和田地的所有子田地上的对应的所选择的播种率(或可用时，经调整的选择的播种率)来构建风险简档，以用于多个子田地中的每个子田地。更进一步地，服务器可以被编程为计算(聚合的)预测产量的分位数，作为与预测产量相关联的风险简档。

在一些实施例中，在步骤1016中，服务器被编程或配置为将与风险简档有关的数据传输到与一个子田地相关联的设备，如第3.6章节和第3.7章节所进一步描述的。数据可以是风险简档本身。可替代地，数据可以是与落入某些分位数的预测产量相对应的播种率，以使该设备接收可行动项以及关于预测结果和关联风险的信息。

4.扩展和备选

在前述说明书中，已经参考可能根据实现方式而发生变化的许多具体细节对本发明的实施例进行了描述。因而，说明书和附图要被认为是说明性的而非限制性的。本发明的范围以及申请人意图作为本发明保护范围的唯一且排他性的指示是本申请发出的权利要求书的字面和等同范围，其具有这些权利要求的具体形式，包括任何后续补正在内。

Claims (20)

1.一种用于预测产量并且推荐具有告知风险的针对子田地的播种率的计算机实现的方法，包括：

由处理器接收针对第一时段的天气数据，所述第一时段包括针对田地的一个或多个子田地的多个子时段；

针对所述一个子田地的所述多个子时段中的每个子时段：

从所述天气数据计算水分应力指示符；

针对播种率的列表中的每个播种率，使用经训练的模型来从所述水分应力指示符预测产量；

基于预测产量的列表来选择所述播种率的列表中的一个播种率；以及

标识所述预测产量中与所选择的所述播种率相对应的一个预测产量；

由所述处理器基于针对所述多个子时段所标识的所述预测产量来确定与针对所述一个子田地的产量范围相关联的风险简档；

将与所述风险简档有关的数据传输到与所述一个子田地相关联的设备。

2.根据权利要求1所述的计算机实现的方法，

所述天气数据包括针对所述一个或多个子田地中的某个子田地的观测的土壤水分数据，

所述计算包括：使用动态空间时间模型(DSTM)从所述天气数据估计所述一个或多个子田地中的特定子田地的土壤水分数据。

3.根据权利要求2所述的计算机实现的方法，所述估计包括：

给定所述一个或多个子田地的子集的降水数据p、灌溉数据irr和观测的土壤水分数据，求解下式中的α(s)和θ(s)和μ：

Y_t(s)＝w_t(s)+e_t(s)，

w_t(s)＝w_t-1(s)+α(s)(p+irr)_t-1-θ(s)(w_t-1(s)–μ)+u_t(s)，

Y_t(s)是针对所述子田地s在时间t处的观测的土壤水分，w_t(s)是子田地s中在时间t处的实际或估计的的土壤水分，μ是最小饱和数据，e_t(s)是随机观测误差，并且u_t(s)是真实、未观测的土壤水分的空间相关误差，

α(s)是吸收率，并且θ(s)是排水率，

t对应于所述子时段内的间隔中的多个点。

4.根据权利要求3所述的计算机实现的方法，所述估计还包括：

给定所述特定子田地的在至少一个t内的降水数据p、灌溉数据irr、以及w_t(s)，根据下式计算针对所述特定子田地的土壤水分数据：

w_t(s)＝w_t-1(s)+α(s)(p+irr)_t-1-θ(s)(w_t-1(s)–μ)+u_t(s)。

5.根据权利要求1所述的计算机实现的方法，所述计算还包括：

从所述天气数据确定特定的所述子田地的、针对所述子时段的土壤水分；

将所述水分应力指示符计算为在所述子时段内所述一个子田地的所述土壤水分高于湿阈值或低于干阈值的时间在所述子时段的百分比。

6.根据权利要求1所述的计算机实现的方法，还包括

接收所述一个或多个子田地的、针对所述第一时段的土壤化学数据、土壤拓扑数据或田地图像数据，

所述预测还基于所述土壤化学数据、所述土壤拓扑数据或所述田地图像数据而被执行。

7.根据权利要求6所述的计算机实现的方法，

所述土壤化学数据包括与有机物、阳离子交换量或pH标度有关的数据，

所述土壤拓扑数据包括与海拔、坡度、曲率或坡向有关的数据，

所述田地图像数据包括卫星图像或其他航拍图像。

8.根据权利要求1所述的计算机实现的方法，还包括：

接收用于构建所述经训练的模型的训练数据，

所述训练数据包括子田地集合中的每个子田地的、针对某个时段的如下数据：在所述某个时段内一点处的土壤水分数据、土壤化学数据、土壤拓扑数据、田地图像数据、以及土壤播种率数据，以及对应的产量。

9.根据权利要求1所述的计算机实现的方法，所述经训练的模型是随机森林、聚类算法、神经网络、或逻辑回归分类器。

10.根据权利要求1所述的计算机实现的方法，所述一个播种率是所述播种率的列表中对应于最高预测产量的最佳播种率。

11.根据权利要求1所述的计算机实现的方法，还包括：

针对所述一个子田地的所述多个子时段中的每个子时段：

将所选择的所述播种率调整为更接近于针对相邻子田地的所选择的播种率或经调整的播种率；以及

确定与经调整的所述播种率相对应的经调整的产量，

所述风险简档基于针对所述多个子田地的所述经调整的预测产量而被确定。

12.根据权利要求1所述的计算机实现的方法，所述确定还包括：

计算针对所述多个子时段所标识的所述多个预测产量的分位数，

预测产量所属的所述分位数指示所述风险简档中与所述预测产量相关联的风险，

所述风险是实际产量低于所述预测产量的百分比几率。

13.根据权利要求1所述的计算机实现的方法，所述确定还包括：

针对所述多个子时段中的每个子时段：

聚合所述一个或多个子田地上的多个所标识的所述预测产量；以及

聚合所述一个或多个子田地上的多个所选择的所述播种率；计算针对所述多个子时段的多个聚合的所述预测产量的分位数，

聚合的预测产量所属的所述分位数指示所述风险简档中与所述聚合的预测产量相关联的风险。

14.根据权利要求13所述的计算机实现的方法，还包括：

选择属于较低分位数的第一聚合的预测产量和属于较高分位数的第二聚合的预测产量；

标识与所述第一聚合的预测产量相对应的第一聚合的播种率和与所述第二聚合的预测产量相对应的第二聚合的播种率；

向与所述田地相关联的设备传输第一播种率和第二播种率，所述第一播种率具有与所述第一聚合的预测产量相关联的较低风险，所述第二播种率具有与所述第二聚合的预测产量相关联的较高风险。

15.根据权利要求1所述的计算机实现的方法，还包括：

计算在所述第一时段之后的最近子时段内的最近水分应力指示符；

对于播种率的最近列表中的每个播种率，使用所述经训练的模型从所述最近水分应力指示符来预测产量；

在预测产量的所述列表中选择对应于最高预测产量的最佳播种率；

从所述风险简档标识与所述最高预测产量相关联的风险；

所述传输包括向与所述一个子田地相关联的所述设备发送所标识的所述风险。

16.一种或多种存储指令的非暂态存储介质，所述指令当由一个或多个计算设备执行时，使执行一种预测产量并且推荐具有告知风险的针对子田地的播种率的方法，所述方法包括：

接收针对第一时段的天气数据，所述第一时段包括针对田地的一个或多个子田地的多个子时段；

针对所述一个子田地的所述多个子时段中的每个子时段：

从所述天气数据计算水分应力指示符；

针对播种率的列表中的每个播种率，使用经训练的模型来从所述水分应力指示符预测产量；以及

基于预测产量的列表来选择所述播种率的列表中的一个播种率；

标识所述预测产量中与所选择的所述播种率相对应一个预测产量；

基于针对所述多个子时段所标识的所述预测产量来确定与针对所述一个子田地的产量范围相关联的风险简档；

将与所述风险简档有关的数据传输到与所述一个子田地相关联的设备。

17.根据权利要求15所述的一种或多种非暂态存储介质，

所述天气数据包括针对所述一个或多个子田地中的某个子田地的观测的土壤水分数据，

所述计算包括：使用动态空间时间模型(DSTM)从所述天气数据估计所述一个或多个子田地中的特定子田地的土壤水分数据。

18.根据权利要求15所述的一种或多种非暂态存储介质，所述计算还包括：

从所述天气数据确定所述特定子田地、针对所述子时段的土壤水分；

将所述水分应力指示符计算为在所述子时段内所述一个子田地的所述土壤水分高于湿阈值或低于干阈值的时间在所述子时段的百分比。

19.根据权利要求15所述的一种或多种非暂态存储介质，所述确定还包括：

针对所述多个子时段中的每个子时段：

聚合所述一个或多个子田地上的多个所标识的所述预测产量；以及

聚合所述一个或多个子田地上的多个所选择的所述播种率；计算针对所述多个子时段的多个聚合的所述预测产量的分位数，

聚合的预测产量所属的所述分位数指示所述风险简档中与所述聚合的预测产量相关联的风险。

20.根据权利要求19所述的一种或多种非暂态存储介质，所述方法还包括：

选择属于较低分位数的第一聚合的预测产量和属于较高分位数的第二聚合的预测产量；

标识与所述第一聚合的预测产量相对应的第一聚合的播种率和与所述第二聚合的预测产量相对应的第二聚合的播种率；

向与所述田地相关联的设备传输第一播种率和第二播种率，所述第一播种率具有与所述第一聚合的预测产量相关联的较低风险，所述第二播种率具有与所述第二聚合的预测产量相关联的较高风险。

Images