CN113168598B - 由田间的风险调整的杂交种子选择和作物产量优化 - Google Patents

Abstract

提供了技术以用于：接收历史农业数据第一集合和历史农业数据第二集合；使用历史农业数据第一集合和历史农业数据第二集合、通过生成历史产量分布，来生成多个预计目标产量范围；使用历史农业数据第一集合生成针对种植者的一个或多个田地的一个或多个产量的排名得分，并且基于该一个或多个产量排名得分将多个预计目标产量范围中的预计目标产量范围分配给一个或多个田地中的每个田地，以生成经分配的预计目标产量范围；接收包括种子优化数据的历史农业数据第三集合，并且生成种子种群的建议的变化或者种子密度的建议的变化；致使显示针对一个或多个田地中的每个田地的产量改善建议。

Description

由田间的风险调整的杂交种子选择和作物产量优化

版权声明

本专利文档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以专利商标局专利文件或记录中的形式复制专利文档或专利公开内容，但保留任何所有版权或权利。

2015-2019气候公司(The Climate Corporation)。

技术领域

本公开涉及在农业中有用的计算机系统。本公开更具体地涉及计算机系统，该计算机系统被编程为使用与杂交种子和一个或多个目标田地相关的农业数据来提供建议的杂交种子集合，所建议的杂交种子集合被标识为产生超过针对一个或多个目标田地的平均产量值的成功产量值。本公开还涉及计算机系统，该计算机系统被编程为使用与杂交种子和一个或多个田地相关的农业数据来提供种子种群和种子密度的建议，以提高产量并且生成预测性和比较性产量数据。

背景技术

本节中描述的方法是可以实行的方法，但不一定是先前已经设想或实行的方法。因此，除非另外指出，否则不应仅由于将本节中所描述的任何方法包括在本节中而认为其有资格作为现有技术。

成功的收获取决于许多因素，包括杂交种选择、土壤施肥、灌溉和害虫防治，这些均有助于玉米植物的生长率。最重要的农业管理因素之一是选择在目标田地上种植哪种杂交种子。杂交种子的品种范围从适合短生长季节到较长生长季节、较高温或较低温、较干燥或较潮湿的气候的杂交种子以及适合特定土壤成分的不同杂交种子。实现针对特定杂交种子的最佳性能取决于田地条件是否与针对特定杂交种子的最佳生长条件相吻合。例如，特定玉米杂交种可以被评定以针对种植者生产特定数量的产量，但是，如果田地条件与被用来评定特定玉米杂交种的优化条件不匹配，则玉米杂交种不太可能满足针对种植者的产量预期。

一旦选择了杂交种子集合进行种植，然后种植者就必须确定种植策略。种植策略包括确定被选择的杂交种子种的每个被选择的杂交种子的数量和放置。用于确定数量和放置的策略可能会决定收获产量是否满足预期。例如，如果条件有利的话，种植具有相似强度和脆弱性的杂交种子可能会引起高产量。但是，如果条件波动的话，诸如接收到少于预期的降雨或者经历高于正常温度的温度，那么针对类似杂交种子的总产量可能会减少。为了克服不可预见的环境波动，可能优选的是多样化的种植策略。

本文描述的技术有助于减轻这些问题中的一些，并帮助种植者确定在哪个田地种植什么种子。

发明内容

所附权利要求可以用作本公开的概要。

附图说明

在附图中：

图1图示出了示例计算机系统，该计算机系统被配置为执行本文中所描述的功能，在田地环境中与该系统可以与之交互的其他装置一起被示出。

图2图示出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的示例逻辑组织的两个视图。

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

图4是图示出了可以在其上实现本发明实施例的计算机系统的框图。

图5描绘了针对数据条目的时间线视图的示例实施例。

图6描绘了针对数据条目的电子表格视图的示例实施例。

图7描绘了用于基于杂交种子的农业数据记录和与目标田地相关联的地理位置数据来生成针对在目标田地上的最佳产量性能而被标识的杂交种子的目标成功产量组的示例流程图。

图8描绘了在州内基于生长季节持续时间而具有不同的被分配的相对成熟度的不同区域的示例。

图9描绘了描述针对在已分类的相对成熟度内的杂交种子的标准化产量值的范围的图。

图10描绘了用于基于杂交种子的农业数据记录和与目标田地相关联的地理位置数据来生成针对在目标田地上的最佳产量性能和受管理风险而被标识的目标杂交种子集合的示例流程图。

图11描绘了针对一个或多个杂交种子的产量值对风险值的示例图。

图12描绘了用于使用每个田地的历史产量分布和产量排名来按田地生成产量改善建议的示例流程图。

图13A描绘了针对种植者的历史产量的钟形分布示例。

图13B描绘了针对具有目标产量范围的种植者的历史产量的钟形分布示例。

图14描绘了用于按田地对种植者特定的目标产量进行排名和分配的示例表格。

图15A描绘了针对由种植者订购的袋数的百分比变化的示例建议图。

图15B描绘了针对种植者的种子密度的百分比变化的示例建议图。

图16描绘了用于使用按田地的历史农业数据和产量改善建议来生成预测产量的示例流程图。

图17描绘了将历史产量与从对历史产量的建议的追溯应用中的预测产量进行比较的示例图。

具体实施方式

在下面的描述中，出于解释的目的，阐述了许多具体细节以便提供对本公开的透彻理解。然而，将显而易见的是，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，以框图的形式示出了熟知的结构和设备，以避免不必要地模糊本公开。根据以下梗概，在各部分中公开了实施例：

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.过程概述—农艺模型训练

2.5.杂交种子分类子系统

2.6.杂交种子建议子系统

2.7.实施示例—硬件概述

3.功能概述—生成并且显示杂交种子的目标成功产量组

3.1.数据输入

3.2.农业数据处理

3.3.呈现目标成功产量组

4.功能概述—生成并且显示用于种植的目标杂交种子

4.1.数据输入

4.2.杂交种子选择

4.3.生成针对杂交种子的风险值

4.4.生成目标杂交种子的数据集

4.5.种子组合分析

4.6.呈现目标杂交种子集合

5.功能概述—生成并且显示按田地的产量改善建议

5.1 数据输入

5.2 产量分布和预计目标产量

5.3 生成产量排名得分

5.4 种子优化和建议生成

5.5 呈现产量改善建议

6.功能概述—建议的针对性追溯应用

6.1 数据输入

6.2 建议和预测产量

6.3 生成和显示比较

*

1.总体概述

本文公开的计算机系统和计算机实现的方法，用于生成在一个或多个目标田地上具有高概率的成功产量的杂交种子的目标成功产量组的集合。在实施例中，可以使用服务器计算机系统来生成杂交种子的目标成功产量组，该服务器计算机系统被配置为通过数字数据通信网络接收一个或多个农业数据记录，该农业数据记录表示描述一个或多个杂交种子的产量特性和种子的作物种子数据以及针对已种植一个或多个杂交种子的一个或多个农业田地的第一田地地理位置数据。然后，服务器计算机系统接收针对将要种植杂交种子的一个或多个目标田地的第二地理位置数据。

服务器计算机系统包括杂交种子标准化指令，其被配置为生成杂交种子特性的数据集，该数据集描述针对来自一个或多个农业数据记录的每个杂交种子的代表性产量值和环境分类。服务器计算机系统上的成功概率生成指令被配置为然后生成成功概率得分的数据集，其描述了在一个或多个目标田地上的成功产量的概率。成功产量可以被定义为针对环境分类的特定杂交种子的估计产量值，其超过了针对相同环境分类的平均产量一个特定产量值。针对每个杂交种子的成功概率值是基于杂交种子属性的数据集和针对一个或多个目标田地的第二地理位置数据的。

服务器计算机系统包括产量分类指令，其被配置为生成由一个或多个杂交种子的子集和与一个或多个杂交种子的该子集中的每个杂交种子相关联的成功概率构成的目标成功产量组。目标成功产量组的生成是基于已配置的成功产量阈值和针对每个杂交种子的成功概率得分的数据集，其中如果针对杂交种子的成功概率值超过目标成功产量阈值，则将杂交种子添加到目标成功产量组。

服务器计算机系统被配置为在通信地耦接到服务器计算机系统的显示设备上显示目标成功产量组和与目标成功产量组中的每个杂交种子相关联的产量值。

在实施例中，目标成功产量组(或种子和田地的另一集合)可以被用来生成被选择用于种植在一个或多个目标田地上的目标杂交种子集合。服务器计算机系统被配置为接收候选杂交种子的目标成功产量组，候选成功种子可以是用于种植在一个或多个目标田地上的候选者。目标成功产量组中包括一个或多个杂交种子、描述成功产量概率的与一个或多个杂交种子中的每个杂交种子相关联的成功概率值以及与一个或多个杂交种子中的每个杂交种子相关联的历史农业数据。然后，服务器计算机接收与一个或多个目标田地相关的特性信息。

服务器计算机系统内的杂交种子过滤指令被配置为选择具有成功概率值大于目标概率过滤阈值的杂交种子的子集。服务器计算机系统包括杂交种子标准化指令，该杂交种子标准化指令被配置为基于历史农业数据生成针对一个或多个杂交种子的子集中的杂交种子的代表性产量值。

服务器计算机系统包括风险生成指令，该风险生成指令被配置为生成针对一个或多个杂交种子的子集的风险值的数据集。风险值的数据集基于历史农业数据描述了与每个杂交种子相关联的风险。服务器计算机系统包括优化分类指令，该优化分类指令被配置为基于的数据集风险值、针对一个或多个杂交种子的子集的代表性产量值以及针对一个或多个目标田地的一个或多个特性，生成用于种植在一个或多个目标田地上的目标杂交种子的数据集。目标杂交种子的数据集包括具有满足在一个或多个目标田地上的风险值的数据集中的一系列风险值的特定目标阈值的代表性产量值的目标杂交种子。

服务器计算机系统被配置为在通信地耦接到服务器计算机系统的显示设备上显示目标杂交种子的数据集，其包括在一个或多个目标田地和目标杂交种子的数据集中与每个目标杂交种子相关联的风险值的数据集中的风险值和代表性产量值。

在另一实施例中，一种计算机实现的方法包括：在服务器计算机处通过数字数据通信网络，来接收包括针对种植者的一个或多个田地的产量数据和种植者种子放置数据的历史农业数据第一集合，以及针对具有相似条件的一个或多个相似田地的区域产量数据和区域种子放置数据的历史农业数据第二集合。该方法还包括使用服务器计算机，使用历史农业数据第一集合和第二集合、通过产生历史产量分布，来生成针对种植者的多个预计目标产量范围。该方法还包括：使用服务器计算机，使用历史农业数据第一集合来生成针对种植者的一个或多个田地的一个或多个产量排名得分，并且基于一个或多个产量排名得分将多个预计目标产量范围中的预计目标产量范围分配给一个或多个田地中的每个田地，以生成经分配的预计目标产量范围。该方法还包括：在服务器计算机处接收包括种子优化数据的历史农业数据第三集合，并且基于经分配的预计目标产量范围和历史农业数据第三集合来生成针对一个或多个田地中的每个田地的产量改善建议，其中产量改善建议包括种子种群的建议的变化或者种子密度的建议的变化。该方法还包括：致使在通信地耦接到服务器计算机的显示器上显示针对一个或多个田地中的每个田地的产量改善建议。

在另一实施例中，一种计算机实现的方法包括：在服务器计算机处通过数字数据通信网络接收包括针对种植者的一个或多个田地的产量数据和种子放置数据的历史农业数据第一集合以及包括描述针对一个或多个杂交种子中的每个杂交种子的代表性产量值和环境分类的杂交种子特性的数据集的历史农业数据第二集合。该方法还包括：使用服务器计算机交叉参考历史农业数据第一集合和历史农业数据第二集合，以生成针对一个或多个田地中的每个田地的产量范围改善建议，其中产量改善建议包括种子种群的建议的变化或种子密度的建议的变化。该方法还包括：使用服务器计算机通过将产量改善建议应用于历史农业数据第一集合来生成针对一个或多个田地的预测产量数据。该方法还包括：使用服务器计算机，使用针对一个或多个田地的种植者产量数据和预测产量数据来生成比较产量数据。该方法还包括致使在通信地耦接到服务器计算机的显示器上显示针对种植者的比较产量数据。

2.示例农业智能计算机系统

2.1结构概述

图1图示了示例计算机系统，该计算机系统被配置为执行本文中所描述的功能，在田地环境中与该系统可以与之交互的其他装置一起被示出。在一个实施例中，用户102拥有、操作或支配在田地位置中或与田地位置相关联的田地管理者计算设备104，田地位置诸如打算用于农业活动的田地或针对一个或多个农田的管理位置。田地管理者计算机设备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，英亩数、田地名称、田地标识符、地理标识符、边界标识符、作物标识符，以及可以被用来标识农地的任何其他合适的数据，诸如公共土地单位(CLU)、地段和地块编号、宗地编号、地理坐标和边界、农场序列编号(FSN)、农场编号、地带编号、田地编号、区域、乡镇、和/或范围)，(b)收获数据(例如，作物类型、作物品种、作物轮换、作物是否以有机方式生长、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、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、成分、pH、有机物(OM)、阳离子交换容量(CEC))，(d)种植数据(例如，种植日期、(多种)种子类型、播种的(多种)种子的相对成熟度(RM)、种子种群)，(e)肥料数据(例如：养分类型(氮、磷、钾)、施用类型、施用日期、数量、来源、方法)，(f)化学施用数据(例如，农药、除草剂、杀真菌剂，其他拟用作植物调节剂的其他物质或物质混合物、脱叶剂或干燥剂、施用日期、用量、来源、方法)，(g)灌溉数据(例如，施用日期、用量、来源、方法)，(h)天气数据(例如，降水量、降雨率、预测降雨、径流率区域、温度、风、预报、压力、能见度、云、热指数、露点、湿度、雪深、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、平板计算机、无人驾驶飞机、飞机或卫星的图像和光谱信息；(j)侦察观测(照片、视频、自由形式的注释、语音记录、语音转录、天气情况(温度、降水(当前和长期)、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被通信地耦接到农业智能计算机系统130，并且被编程或配置为经由(多个)网络109将外部数据110发送给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，或者由诸如政府机关、非政府组织(NGO)和/或私人数据服务提供方之类的不同人或实体拥有或操作。外部数据的示例尤其包括天气数据、图像数据、土壤数据、或与作物产量有关的统计数据等。外部数据110可以由与田地数据106相同类型的信息组成。在一些实施例中，外部数据110由拥有和/或操作农业智能计算机系统130的相同实体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可以包括专门专注于可能从第三方源获取的数据类型(诸如天气数据)的数据服务器。在一些实施例中，外部数据服务器108实际上可以被并入系统130内。

农业装置111可以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接到农业智能计算机系统130，并且被编程或配置为将传感器数据发送给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、施肥装备、包括无人驾驶飞行器在内的飞行器、以及任何通常为移动机械的其他物理机械或硬件，并且它们可用于与农业相关联的任务。在一些实施例中，装置111的单个单元可以包括在装置上在网络中本地耦接的多个传感器112；控制器局域网(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。施用控制器114经由(多个)网络109被通信地耦接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接收被用来控制农业车辆的操作参数或实现的一个或多个脚本。例如，控制器局域网(CAN)总线接口可以被用来实现从农业智能计算机系统130到农业装置111的通信，诸如如何使用从加利福利亚的旧金山的气候公司可获得的CLIMATEFIELDVIEW DRIVE。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可以不固定在农业装置111上，而是可以远程放置在田地中并且可以与网络109通信。

装置111可以包括利用驾驶室应用编程的驾驶室计算机115，驾驶室计算机115可以包括针对设备104的移动应用版本或变体，其在本文的其他部分中被进一步描述。在实施例中，驾驶室计算机115包括紧凑型计算机，通常是平板大小的计算机或智能电话，其具有安装在装置111的操作员驾驶室中的图形屏幕显示器，诸如彩色显示器。驾驶室计算机115可以实现本文中针对移动计算机设备104进一步描述的操作和功能的一些或全部。

(多个)网络109广泛地表示使用有线或无线链路(包括地面或卫星链路)中任何的一个或多个数据通信网络的任何组合，包括局域网、广域网、互连网络或互联网。(多个)网络可以由提供图1的各种元素之间的数据交换的任何介质或机制来实现。图1的各种元素还可以具有直接(有线或无线)通信链路。传感器112、控制器114、外部数据服务器计算机108和系统的其他元素均包括与(多个)网络109兼容的接口，并且被编程或配置为使用标准化协议来在网络上进行通信，诸如TCP/IP、蓝牙、CAN协议，以及更高层的协议(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者计算设备104接收田地数据106，从外部数据服务器计算机108接收外部数据110，以及从远程传感器112接收传感器数据。农业智能计算机系统130还可以被配置为托管、使用或执行一个或多个计算机程序、其他软件元素、诸如FPGA或ASIC的数字编程逻辑或其任意组合，以便以在本公开其他部分中进一步描述的方式执行对数据值进行转换和存储，构建一个或多个田地上的一种或多种作物的数字模型，生成建议和通知，以及生成脚本并且将脚本发送给施用控制器114。

在实施例中，农业智能计算机系统130用通信层132、呈现层134、数据管理层140、硬件/虚拟化层150以及模型和田地数据储存库160进行编程，或者包括通信层132、呈现层134、数据管理层140、硬件/虚拟化层150以及模型和田地数据储存库160。在此上下文中，“层”指代电子数字接口电路、微控制器、诸如驱动的固件、和/或计算机程序或其他软件元素的任意组合。

通信层132可以被编程或被配置为执行输入/输出接口功能，包括分别向田地管理者计算设备104、外部数据服务器计算机108和远程传感器112发送对田地数据、外部数据和传感器数据的请求。通信层132可以被编程或配置为将接收到的数据发送给模型和田地数据储存库160以存储为田地数据106。

呈现层134可以被编程或配置为生成要在田地管理者计算设备104、驾驶室计算机115或通过网络109耦接到系统130的其他计算机上显示的图形用户界面(GUI)。GUI可以包括控件，该控件用于输入要发送给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、模型以及其他田地数据。

数据管理层140可以被编程或配置为管理涉及储存库160和系统的其他功能元素的读操作和写操作，包括在系统的功能元素和储存库之间传递的查询和结果集。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”可以指代数据主体、关系数据库管理系统(RDBMS)或指代这两者。如本文所使用的，数据库可以包括数据的任何集合，包括分层数据库，关系数据库、平面文件数据库、对象关系数据库、面向对象的数据库、分布式数据库、以及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、

SQL SERVER、

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

当没有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，可以经由用户设备(由农业智能计算机系统提供服务)上的一个或多个用户界面提示用户输入这种信息。在示例实施例中，用户可以通过访问用户设备(由农业智能计算机系统提供服务)上的地图并且选择已经在该地图上以图形方式示出的具体CLU来指定标识数据。在备选实施例中，用户102可以通过访问用户设备上的地图(由农业智能计算机系统130提供服务)并且在该地图上绘制田地边界来指定标识数据。这种CLU选择或地图绘制表示地理标识符。在备选实施例中，用户可以通过经由用户设备访问来自美国农业部农业服务局或其他来源的田地标识数据(以形状文件或类似格式提供)来指定标识数据，并且将这种田地标识数据提供给农业智能计算机系统。

在示例实施例中，农业智能计算机系统130被编程为生成并且引起显示包括针对数据输入的数据管理器的图形用户界面。在已经使用上文描述的方法标识一个或多个田地之后，该数据管理器可以提供一个或多个图形用户界面小部件，该小部件当被选择时可以标识对田地、土壤、作物、耕作、或养分实践的变化。数据管理器可以包括时间线视图、电子表格视图和/或一个或多个可编辑程序。

图5描绘了针对数据条目的时间线视图的示例实施例。使用图5中所描绘的显示，用户计算机可以输入特定田地的选择和针对事件添加的特定日期。在时间线顶部描述的事件可以包括氮、种植、实践和土壤。为了添加氮施用事件，用户计算机可以提供输入以选择氮标签。然后，用户计算机可以在时间线上选择针对特定田地的位置，以便指示在所选择田地上的氮的施用。响应于接收到在时间线上针对特定田地的位置的选择，数据管理器可以显示数据条目覆盖，从而允许用户计算机输入与氮施用、种植程序、土壤施用、耕作程序、灌溉实践、或与特定田地有关的其他信息有关的数据。例如，如果用户计算机选择时间线的一部分并且指示氮的施用，则数据条目覆盖可以包括用于输入氮施用量、施用日期、使用的肥料类型以及与施氮有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多个程序的界面。在此上下文中，“程序”指代涉及氮施用、种植程序、土壤施用、耕作程序、灌溉实践或可能与一个或多个田地相关的其他信息的数据集，这些数据可以被存储在数字数据存储装置中以供在其他操作中作为数据集重复使用。在程序已经被创建之后，可以在概念上将其应用到一个或多个田地，并且可以将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装置中。因此，替代于手动输入与针对多个不同田地的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，然后将该程序应用到多个不同田地。例如，在图5的时间线视图中，最上面的两个时间线选择了“春季施用”程序，该程序包括在4月初每英亩施用150磅氮。数据管理器可以提供界面以用于编辑程序。在实施例中，当对特定程序进行编辑时，对已经选择该特定程序的每个田地进行编辑。例如，在图5中，如果“春季施用”程序被编辑以将氮施用减少到每英亩130磅氮，则可以基于所编辑的程序以减少氮施用对前两个田地进行更新。

在实施例中，响应于接收到对具有所选程序的田地的编辑，数据管理器移除该田地与所选程序的对应关系。例如，如果在图5的顶部田地中增加了氮施用，该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。尽管可能会保留4月初的氮施用，但是对“春季施用”程序的更新不会更改4月的氮施用。

图6描绘了针对数据条目的电子表格视图的示例实施例。使用图6中所描绘的显示，用户可以创建和编辑针对一个或多个田地的信息。数据管理器可以包括电子表格，电子表格用于输入如图6中所描绘的关于氮、种植、实践和土壤的信息。为了编辑特定的条目，用户计算机可以在电子表格中选择特定条目并且更新值。例如，图6描绘了针对第二田地的目标产量值的正在进行的更新。附加地，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程序自动完成针对特定田地的条目。与时间线视图一样，响应于接收到对特定程序的更新，数据管理器可以更新针对与该程序相关联的每个田地的条目。附加地，响应于接收到针对该田地的条目中的一个条目的编辑，数据管理器可以移除所选程序与该田地的对应关系。

在实施例中，模型和田地数据被存储在模型和田地数据储存库160中。模型数据包括针对一个或多个田地创建的数据模型。例如，作物模型可以包括一个或多个田地上的作物发育的数字构建模型。在此上下文中，“模型”指代彼此相关联的电子数字存储的可执行指令集和数据值，它们能够接收程序或其他数字调用、唤出或解析请求并且基于指定输入值对其做出响应，以产生一个或多个存储或计算的输出值，这些输出值可以充当计算机实现的建议、输出数据显示、或机器控制等的基础。本领域技术人员发现使用数学方程式表达模型是方便的，但是这种表达形式并没有将本文所公开的模型限制为抽象概念；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，该可执行指令和数据使用计算机来实现模型。模型可以包括一个或多个田地上的过去事件的模型、一个或多个田地的当前状态的模型和/或一个或多个田地的预测事件的模型。模型和田地数据可以被存储在存储器中的数据结构中，存储在数据库表中的行中，存储在平面文件或电子表格中，或者存储在其他形式的经存储数字数据中。

在实施例中，杂交种子分类子系统170包含特别配置的逻辑，包括但不限于杂交种子标准化指令172、成功概率生成指令174和产量分类指令176，包括农业智能计算机系统130中诸如RAM的主存储器的一个或多个页面集，其中可执行指令已经加载到页面集中，并且页面集在被执行时使农业智能计算系统执行参考那些模块在本文中所描述的功能或操作。在实施例中，杂交种子建议子系统180包含专门配置的逻辑，包括但不限于杂交种子过滤指令182、风险生成指令184和优化分类指令186，包括农业智能计算机系统130中诸如RAM的主存储器的一个或多个页面集，其中可执行指令已经加载到页面集中，并且页面集在被执行时使农业智能计算系统执行参考那些模块在本文中所描述的功能或操作。例如，杂交种子标准化指令172可以包括RAM中包含指令的页面集，这些指令在被执行时使得执行本文所述的目标标识功能。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源代码而被编译，源代码单独以JAVA、C、C++、OBJECTIVE-C或任何其他人类可读编程语言或环境编写，或者可以是JAVA、C、C++、OBJECTIVE-C或任何其他人类可读编程语言或环境与JAVASCRIPT中的脚本、其他脚本语言和其他编程源文本结合编写的。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取决于存储器架构或处理器架构而变化。在另一实施例中，杂交种子标准化指令172、成功概率生成指令174、产量分类指令176、杂交种子过滤指令182、风险生成指令184和优化分类指令186中的每个指令也可以表示源代码的一个或多个文件或项目，其被数字地存储在诸如非易失性RAM或磁盘存储装置的大容量存储设备中，存储在农业智能计算机系统130或分离的储存库系统中，当其被编译或被解释致使生成可执行指令，可执行指令在被执行时使农业智能计算系统执行参考那些模块在本文中所描述的功能或操作。换句话说，附图可以表示程序员或软件开发人员组织和安排源代码以供随后将其编译为可执行文件，或者解释为字节码或等效代码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、组件或元素，诸如易失性或非易失性存储器、诸如磁盘的非易失性存储装置，以及例如结合图4所图示和描述的I/O设备或接口。层150还可以包括被配置为支持虚拟化、容器化或其他技术的编程指令。

为了图示出清楚的示例，图1示出了某些功能元素的有限数目的实例。然而，在其他实施例中，可以有任何数目的这种元素。例如，实施例可以使用与不同用户相关联的数千或数百万个不同的移动计算设备104。此外，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的处理器、核心、群集、或物理机或虚拟机的实例来实现，它们被配置在离散位置或与数据中心中的其他元素共置一地，共享计算设施或云计算设施。

2.2.应用程序概述

在实施例中，使用被加载到一个或多个通用计算机中并且使用一个或多个通用计算机执行的一个或多个计算机程序或其他软件元素在本文中所描述的功能的实现，将使通用计算机被配置为特别适合执行本文中所描述功能的特定机器或计算机。此外，本文进一步描述的流程图中的每个流程图可以单独地或与本文中的过程和功能的描述结合地充当算法、计划或方向，这些算法、计划或方向可以被用来对计算机或逻辑进行编程以实现所描述的功能。换句话说，本文中的所有散文文本以及所有附图一起旨在，与具有适合这类发明和披露的技能水平的这种人员的技能和知识相结合来提供算法、计划或方向的公开，该公开足以允许技术人员对计算机进行编程以执行本文中所描述的功能。

在实施例中，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程序的田地管理者计算设备104与农业智能计算机系统130进行交互；田地管理者计算设备104还可以在程序控制或逻辑控制下独立并且自动地与农业智能计算机系统进行互操作，并且并不总是需要直接的用户交互。田地管理者计算设备104广泛地表示以下一项或多项：智能电话、PDA、平板计算设备、膝上型计算机、台式计算机、工作站，或者能够传送和接收信息并且执行本文中所描述功能的任何其他计算设备。田地管理者计算设备104可以使用存储在田地管理者计算设备104上的移动应用经由网络进行通信，并且在一些实施例中，该设备可以使用电缆113或连接器耦接到传感器112和/或控制器114。具体的用户102可以与系统130相关联地一次拥有、操作或支配和使用多于一个的田地管理者计算设备104。

移动应用可以经由网络向一个或多个移动计算设备提供客户端侧功能。在示例实施例中，田地管理者计算设备104可以经由Web浏览器或者本地客户端应用或应用程序访问移动应用。田地管理者计算设备104可以使用基于Web的协议或格式(诸如HTTP、XML和/或JSON)或者专用于应用的协议，来向一个或多个前端服务器传送数据并且从一个或多个前端服务器接收数据。在示例实施例中，数据可以采取到移动计算设备中的请求和用户信息输入(诸如田地数据)的形式。在一些实施例中，移动应用与田地管理者计算设备104上的位置跟踪硬件和软件进行交互，田地管理者计算设备104使用诸如无线电信号的多边定位、全球定位系统(GPS)、WiFi定位系统或其他移动定位方法的标准跟踪技术来确定田地管理者计算设备104的位置。在一些情况下，通过查询设备的操作系统或请求设备上的应用程序从操作系统获取数据，可以获取与设备104、用户102和/或(多个)用户账户相关联的位置数据或者其他数据。

在实施例中，田地管理者计算设备104向农业智能计算机系统130发送田地数据106，包括或包含但不限于表示以下一项或多项的数据值：一个或多个田地的地理位置、针对一个或多个田地的耕作信息、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。田地管理者计算设备104可以响应于来自用户102的用户输入来发送田地数据106，用户输入指定针对一个或多个田地的数据值。附加地，当一个或多个数据值变得可用于田地管理者计算设备104时，田地管理者计算设备104可以自动发送田地数据106。例如，田地管理者计算设备104可以被通信地耦接到远程传感器112和/或施用控制器114，其包括灌溉传感器和/或灌溉控制器。响应于接收到指示施用控制器114放水到一个或多个田地上的数据，田地管理者计算设备104可以将田地数据106发送给农业智能计算机系统130，田地数据106指示已经在一个或多个田地上放水。可以使用电子数字数据来输入和传递在本公开中标识的田地数据106，电子数字数据通过使用HTTP上的参数化URL或另一合适的通信或消息收发协议在计算设备之间传递。

移动应用的商业示例是CLIMATE FIELDVIEW，其可以从加利福尼亚州旧金山的气候公司商购。CLIMATE FIELDVIEW应用或其他应用可以进行修改、扩展或适配，以包括尚未在本公开的申请日之前公开的特征、功能和程序。在一个实施例中，移动应用包括集成的软件平台，该平台允许种植者对其操作做出基于事实的决策，因为它组合了有关种植者田地的历史数据与种植者希望比较的任何其他数据。组合和比较可以实时进行并且基于科学模型，该模型提供了可能的情景以允许种植者做出更好、更明智的决策。

图2图示出了当示例移动应用被加载以供执行时在主存储器中的指令集的示例逻辑组织的两个视图。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，或者磁盘存储装置或其他非易失性存储装置的一个或多个块的区域，以及那些区域内的经编程指令。在一个实施例中，在视图(a)中，移动计算机应用200包括账户—田地—数据摄取—共享指令202、概述和警报指令204、数字地图手册指令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和执行指令216。

在一个实施例中，移动计算机应用200包括账户、田地、数据摄取、共享指令202，它们被编程为经由手动上传或API从第三方系统接收、转化和摄取田地数据。数据类型可以包括田地边界、产量地图、按种植地图、土壤测试结果、按施用地图和/或管理区等。数据格式可以包括形状文件、第三方的本机数据格式和/或农场管理信息系统(FMIS)导出等。接收数据可以经由手动上传、带有附件的电子邮件、将数据推送到移动应用的外部API或调用外部系统的API将数据拉入移动应用的指令来发生。在一个实施例中，移动计算机应用200包括数据收件箱。响应于接收到对数据收件箱的选择，移动计算机应用200可以显示图形用户界面以用于手动上传数据文件并且将上传的文件导入数据管理器。

在一个实施例中，数字地图手册指令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而被编程。这为种植者提供了触手可得的方便信息，以用于对田地性能进行参考、日志记录和视觉洞察。在一个实施例中，概述和警报指令204被编程为提供对种植者重要的内容的操作范围视图，并且提供及时建议以采取行动或集中于特定问题。这样可使种植者将时间集中在需要注意的地方，以节省时间并且在整个季节保持产量。在一个实施例中，对种子和种植指令208进行编程，以基于科学模型和经验数据来提供针对种子选择、杂交种放置和脚本创建(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，来最大化产量或投资回报。

在一个实施例中，脚本生成指令205被编程为提供用于生成包括可变速率(VR)肥力脚本的脚本的界面。该界面使种植者能够为田地器具(诸如养分施用、种植和灌溉)创建脚本。例如，种植脚本界面可以包括用于标识用于种植的种子类型的工具。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，诸如作为数字地图手册指令206的一部分而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标识每个土壤区域的面板以及用于每个区域的土壤名称、质地、排水情况或其他田地数据。移动计算机应用200还可以在一个或多个田地的地图上显示用于编辑或创建的工具，诸如用于绘制管理区域(诸如土壤区域)的图形工具。种植程序可以被应用到所有管理区域，或者不同的种植程序可以被应用到管理区域的不同子集。当脚本被创建时，移动计算机应用200可以使脚本可用于以施用控制器可读的格式下载，诸如存档或压缩格式。附加地和/或备选地，脚本可以从移动计算机应用200直接发送给驾驶室计算机115和/或上载到一个或多个数据服务器并且被存储，以供进一步使用。

在一个实施例中，氮指令210被编程以提供通过可视化氮对作物的可用性来告知氮决策的工具。通过优化季节期间的氮施用，这使种植者能够最大程度地提高产量或投资回报。示例的经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，精细到毫米或毫米以下)，来绘制肥料施用区域和/或根据子田地土壤数据(诸如从传感器获取的数据)生成的图像；上传现有的种植者定义区域；提供植物养分可用性的图表和/或地图，以调节跨多个区域的(多个)氮施用；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。在此上下文中，“大量数据输入”可以意味着一次输入数据，然后将相同的数据应用到系统中已定义的多个田地和/或区域；示例数据可以包括对于相同种植者的许多田地和/或区都相同的氮施用数据，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可以被编程为接受氮施用和实践程序的定义，并且接受指定跨多个田地应用那些程序的用户输入。在此上下文中，“氮施用程序”指代与以下内容相关联的已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、针对日期中的每个日期的材料或产品类型以及数量、诸如注射或播撒的施用或掺入方法、和/或对于日期中的每个日期的施用量或施用率、作为施用对象的作物或杂交种等等。在此上下文中，“氮实践程序”指代与以下内容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、主要耕作日期、用过的一个或多个先前的耕作系统、使用过的施用类型(诸如肥料)的一个或多个指示符。氮指令210也可以被编程为生成并且引起显示氮图，氮图指示植物对指定氮的使用的预测以及是否预测了盈余或短缺；例如，在一些实施例中，不同的颜色指示符可以表示盈余的幅度或短缺的幅度。在一个实施例中，氮图包括计算机显示设备中的图形显示，包括：多行，每行与田地相关联并且标识田地；数据，其指定在田地中种植哪种作物、田地大小、田地位置和田地周长的图形表示；在每行中，带有图形指示符的按月时间线在与月份名称相关的点处指定每个氮施用和氮施用量；以及数字和/或彩色的盈余或短缺指示符，其中颜色指示幅度。

在一个实施例中，氮图可以包括一个或多个用户输入特征，诸如刻度盘或滑动条，以动态地改变氮种植和实践程序，以使用户可以优化他的氮图。然后，用户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也可以被编程为生成并且致使显示氮地图，该氮地图指示植物对指定氮的使用预测以及是否预测了盈余或短缺；在一些实施例中，不同的颜色指示符可以标志盈余的幅度或短缺的幅度。使用数字和/或彩色的盈余或短缺指示符，其中颜色指示幅度，氮地图可以显示指定氮的植物使用的预测，以及过去和未来的不同时间(诸如每天、每周、每月或每年)是否预测了盈余或短缺。在一个实施例中，氮地图可以包括一个或多个用户输入特征，诸如刻度盘或滑动条，以动态地改变氮种植和实践程序，以使用户可以优化他的氮地图，诸如以获取优选的盈余或短缺量。然后，用户可以使用他的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相似的指令可能被用于其他养分(诸如磷和钾)的施用、农药的施用以及灌溉程序。

在一个实施例中，天气指令212被编程以提供特定田地的最近天气数据和经预报天气信息。这使种植者能够节省时间，并且在日常操作决策方面具有高效的集成显示。

在一个实施例中，田地健康指令214被编程以提供及时的遥感图像，这些遥感图形突出显示应季作物变化和潜在问题。示例经编程功能包括：云检查，以标识可能的云或云阴影；基于田地图像确定氮指数；侦察层的图形可视化，包括例如与田地健康有关的那些侦察层，以及查看和/或共享侦察笔记；和/或从多个来源下载卫星图像，并且为种植者确定图像的优先级等。

在一个实施例中，执行指令216被编程以使用在农场的数据进行评估、洞察和决策，以提供报告、分析和洞察工具。这使种植者能够通过基于事实的结论(关于为何投资回报率处于先前水平)以及对产量限制因素的洞察来寻求下一年的改善结果。执行指令216可以被编程为经由(多个)网络109与后端分析程序通信，后端分析程序在农业智能计算机系统130和/或外部数据服务器计算机108处被执行并且被配置为分析诸如产量、产量差异、杂交种、种群、SSURGO区、土壤测试特性或海拔之类的度量。经编程报告和分析可以包括：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进行针对其他种植者的产量和其他度量的标杆分析、或者针对种子和种植的数据等。

具有以此方式配置的指令的应用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，移动应用可以被编程，以在使用客户端计算机上的浏览器访问的平板计算机、智能电话或服务器计算机上执行。此外，针对平板计算机或智能电话配置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220可以包括地图—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。用于视图(b)的指令的代码库可以与用于视图(a)的代码库的指令相同，并且实现代码的可执行文件可以被编程以检测其执行平台的类型，并且以通过图形用户界面仅揭露那些适合驾驶室平台或全平台的功能。这种方法使系统能够标识出适合驾驶室内环境和驾驶室的不同技术环境的截然不同的用户体验。地图—驾驶室指令222可以被编程以提供有用于指导机器操作的田地、农场或地区的地图视图。远程视图指令224可以被编程以实时地或近乎实时地开启、管理机器活动的视图并且将其提供给经由无线网络、有线连接器或适配器等连接到系统130的其他计算设备。数据收集和传送指令226可以被编程为开启、管理在传感器和控制器处收集的数据，并且经由无线网络、有线连接器或适配器等并将其传输到系统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问题并且生成操作者警报。脚本传送指令230可以被配置为以指令脚本的形式传送，指令脚本被配置为指导机器操作或数据收集。侦查驾驶室指令232可以被编程为，基于田地管理者计算设备104、农业装置111或传感器112在田地中的位置来显示从系统130接收的基于位置的警报和信息，以及基于农业装置111或传感器112在田地中的位置来摄取、管理基于位置的侦察观测结果并且将其传送给系统130。

2.3.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，包括表示针对一个或多个田地的土壤成分的土壤数据和表示针对一个或多个田地的温度和降水的天气数据。天气数据可以包括过去和现在的天气数据以及对未来天气数据的预报。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。附加地，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，而第二个服务器可以存储表示土壤中的有机物(OM)的百分比的数据。

在实施例中，远程传感器112包括被编程或配置为产生一个或多个观测结果的一个或多个传感器。远程传感器112可以是诸如卫星的空中传感器、交通工具传感器、种植装备传感器、耕作传感器、肥料或杀虫剂施用传感器、收割机传感器，以及能够从一个或多个田地接收数据的任何其他器具。在实施例中，施用控制器114被编程或配置为从农业智能计算机系统130接收指令。施用控制器114也可以被编程或配置为控制农业交通工具或器具的操作参数。例如，施用控制器可以被编程或配置为控制交通工具的操作参数，交通工具诸如是拖拉机、种植装备、耕种装备、肥料或杀虫剂设备、收割机装备，或者诸如水阀的其他农具。其他实施例可以使用传感器和控制器的任何组合，以下仅仅是其选择的示例。

系统130可以在用户102的控制下大规模地从将数据贡献给共享数据库系统的大量种植者那里获取或摄取数据。当一个或多个用户控制的计算机操作被请求或触发以获取数据供系统130使用时，这种数据获取形式可以被称为“手动数据摄取”。作为示例，加利福尼亚州、旧金山的气候公司可商购的CLIMATE FIELDVIEW应用可以被操作以将数据导出到系统130，以用于存储在储存库160中。

例如，种子监视器系统既可以控制播种机装置组件，也可以获取种植数据，包括经由信号线束来自种子传感器的信号，信号线束包括CAN主干网和针对注册和/或诊断的点对点连接。种子监视器系统可以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种子间距、种群和其他信息。在美国专利号8,738,243和美国专利申请号20150094916中披露了若干示例，并且本公开假定了解那些其他专利公开。

同样，产量监视器系统可以包含针对收割机装置的产量传感器，收割机装置将产量测量数据发送给驾驶室计算机115或系统130内的其他设备。产量监视器系统可以利用一个或多个远程传感器112来获取联合收割机或其他收割机中的谷物水分测量结果，并且经由驾驶室计算机115或系统130中的其他设备将这些测量结果传送给用户。

在实施例中，可以与在本文其他各处描述的类型的任何移动交通工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，诸如雷达或车轮速度传感器、加速度计、或陀螺仪。位置传感器可以尤其包括GPS接收器或收发器，或被编程为基于附近的WiFi热点来确定位置的基于WiFi的位置或映射应用程序。

在实施例中，可以与拖拉机或其他移动交通工具一起使用的传感器112的示例包括：引擎速度传感器、燃料消耗传感器、与GPS或雷达信号交互的面积计数器或距离计数器、PTO(取力器)速度传感器、被配置为检测诸如压力或流量和/或液压泵速度之类的液压参数的拖拉机液压传感器、轮速传感器或轮滑传感器。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：液压方向控制器、压力控制器、和/或流量控制器；液压泵速度控制器；速度控制器或调速器；挂钩位置控制器；或提供自动转向的车轮位置控制器。

在实施例中，可以与诸如播种机、钻机或空气播种机的种子种植装备一起使用的传感器112的示例包括：种子传感器，其可以是光学、电磁或冲击传感器；下压力传感器，诸如称重销、称重传感器、压力传感器；土壤特性传感器，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、种子圆盘速度传感器、种子驱动电机编码器、种子输送系统速度传感器、或真空度传感器；或农药施用传感器，诸如光学或其他电磁传感器、或撞击传感器。在实施例中，可以与此类种子种植装备一起使用的控制器114的示例包括：工具栏折叠控制器，诸如针对与液压缸相关联的阀门的控制器；下压力控制器，诸如与气压缸、安全气囊或液压缸相关联的阀门的控制器，该控制器被编程用于将下压力施用到个体的行单元或整个播种机框架上；种植深度控制器，诸如线性执行器；计量控制器，诸如电动种子计量器驱动马达、液压种子计量器驱动马达、或条带控制离合器；杂交种选择控制器，诸如种子计量器驱动马达，或其他经编程的执行器，用于选择性地允许或阻止种子或空气种子混合物向种子计量器或中央散装料斗输送种子或从种子计量器或中央散装料斗输送种子；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，诸如针对带式种子输送机马达的控制器；标记器控制器，诸如针对气动或液压执行器的控制器；或农药施用率控制器，诸如计量驱动控制器、孔口尺寸或位置控制器。

在实施例中，可以与耕作装备一起使用的传感器112的示例包括：针对诸如柄或盘之类的工具的位置传感器；针对这种工具的工具位置传感器，其被配置为检测深度、组合角度或横向间距；下压力传感器；或牵引力传感器。在实施例中，可以与耕作装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、组合角度或横向间隔的控制器。

在实施例中，可以与用于施用肥料、杀虫剂、杀真菌剂等的装置(诸如播种机上施肥系统、下层土壤施用器、或肥料喷雾器)关联使用的传感器112的示例包括：流体系统标准传感器，诸如流量传感器或压力传感器；传感器，其指示哪个喷头阀或流体管线阀是打开的；与储罐相关联的传感器，诸如液位传感器；分段或系统范围的供应线传感器，或行专用的供应线传感器；或者运动学传感器，诸如安置在喷雾机吊杆上的加速度计。在实施例中，可以与这种装置一起使用的控制器114的示例包括：泵速度控制器；阀门控制器，其被编程以控制压力、流量、方向、PWM等；或者诸如用于动臂高度、下土层深度或动臂位置的位置执行器。

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、重量传感器或与升降机或螺旋钻相关联的扭矩传感器、或者光学或其他电磁谷物高度传感器；谷物水分传感器，诸如电容传感器；谷物损失传感器，包括撞击、光学或电容传感器；割台运行标准传感器，诸如割台高度、割台类型、盖板间隙、进料器速度和卷盘速度传感器；分离器操作标准传感器，诸如凹形间隙、转子速度、鞋间隙或颖壳筛间隙传感器；针对位置、操作或速度的螺旋钻传感器；或者引擎转速传感器。在实施例中，可以与收割机一起使用的控制器114的示例包括：针对诸如割台高度、割台类型、甲板间隙、进料器速度或卷筒速度等元素的割台操作标准控制器；以及针对诸如有凹入间隙、转子速度、鞋间隙或颖壳筛间隙的特征的分离器操作标准控制器；或者针对位置、操作或速度的螺旋钻控制器。

在实施例中，可以与谷物推车一起使用的传感器112的示例包括重量传感器，或者针对螺旋钻位置、操作或速度的传感器。在实施例中，可以与谷物推车一起使用的控制器114的示例包括针对螺旋钻位置、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飞行器(UAV)装置或“无人机”中。这种传感器可以包括：带有检测器的摄像头，该检测器对包括可见光、红外、紫外线、近红外(NIR)等在内的电磁频谱的任何范围都有效；加速度计；高度计；温度传感器；湿度传感器；皮托管传感器、或者其他空速或风速传感器；电池寿命传感器；或者雷达发射器和反射式雷达能量检测装置；其他电磁辐射发射器和反射式电磁辐射检测装置。这种控制器可以包括引导或马达控制装置、控制面控制器、摄像头控制器，或者被编程为对任何前述传感器进行开启、操作、从中获取数据、管理和配置的控制器。在美国专利申请号14/831,165中披露了若干示例，并且本公开假定了解其他专利公开。

在实施例中，传感器112和控制器114可以被贴附到土壤采样和测量装置，该装置被配置或编程为对土壤采样并且执行土壤化学测试、土壤湿度测试，以及其他与土壤有关的测试。例如，可以使用在美国专利号8,767,194和美国专利号No.8,712,148中披露的装置，并且本公开假定了解那些专利公开。

在实施例中，传感器112和控制器114可以包括用于监视田地的天气状况的天气设备。例如，在于2015年4月29日提交的美国临时申请号62/154,207、于2015年6月12日提交的美国临时申请号62/175,160、于2015年7月28日提交的美国临时申请号62/198,060、于2015年9月18日提交的美国临时申请号62/220,852中披露的装置可以被使用，并且本公开假定了解那些专利公开。

2.4.过程概述-农艺模型训练

在实施例中，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的存储器中包括田地数据106的数据结构，诸如针对一个或多个田地的标识数据和收获数据。农艺模型还可以包括计算出的农艺特性，农艺特性描述可能影响田地上一种或多种作物生长的条件、或者一种或多种作物的特性、或者其两者。附加地，农艺模型可以包括基于农艺因素的建议，诸如作物建议、灌溉建议、种植建议、肥料建议、杀真菌剂建议、农药建议、收获建议，以及其他作物管理建议。农艺因素也可以被用来估计与一种或多种作物有关的结果，诸如农艺产量。作物的农艺产量是对所生产作物的数量的估计，或者在某些示例中是从所生产作物获取的收入或利润。

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针对一个或多个田地的当前接收的位置和作物信息有关的农艺特性。预配置的农艺模型是基于先前经处理的田地数据，包括但不限于标识数据、收获数据、肥料数据和天气数据。预配置的农艺模型可能已经经过交叉验证，以确保模型的准确性。交叉验证可以包括与真实值的比较，这比较的是预测结果与田地上的实际结果，诸如将降水估计与雨量计或提供相同或附近位置的天气数据的传感器进行比较，或者将氮含量与土壤样本测量结果进行比较。

图3图示出了经编程的过程，农业智能计算机系统通过该过程使用由一个或多个数据源提供的田地数据来生成一个或多个预配置的农艺模型。图3可以充当用于对农业智能计算机系统130的功能元素进行编程以执行现在所描述的操作的算法或指令。

在框305处，农业智能计算机系统130被配置或编程为对从一个或多个数据源接收的田地数据实现农艺数据预处理。可以对从一个或多个数据源接收的田地数据进行预处理，以用于移除噪声、失真影响以及农艺数据中的混杂因素，包括可能对接收到的田地数据值产生不利影响的经测量离群值。农艺数据预处理的实施例可以包括但不限于：移除通常与离群值数据值相关联的数据值，已知会不必要地扭曲其他数据值的具体测量数据点，或者被用来移除或降低噪声带来的加性或乘性效应的数据平滑、聚合或采样技术，以及被用来明确区分正负数据输入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的田地数据来执行数据子集选择，以便标识对初始的农艺模型的生成有用的数据集。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，以及蚁群优化方法。例如，基于遗传学和自然选择的进化原理，遗传算法选择技术使用自适应启发式搜索算法来确定并且评估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且使用针对所创建的农艺模型的具体质量阈值来评估具体的田地数据集。可以使用一种或多种比较技术来比较和/或验证农艺模型，诸如但不限于：均方根误差和留一法交叉验证(RMSECV)、平均绝对误差和平均百分比误差。例如，通过比较由农艺模型创建的预测农艺特性值与被收集并且分析的历史农艺特性值，RMSECV可以对农艺模型进行交叉验证。在实施例中，农艺数据集评估逻辑被用作反馈回路，其中在未来的数据子集选择步骤期间使用不满足所配置的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。在实施例中，农艺模型创建可以实现多变量回归技术以创建预配置的农艺数据模型。

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

2.5.杂交种子分类子系统

在实施例中，农业智能计算机系统130除了其他组件之外尤其包括杂交种子分类子系统170。杂交种子分类子系统170被配置为生成针对在目标田地上的最佳性能而被专门标识的杂交种子的目标成功产量组。如本文中所使用的，术语“最佳”和相关术语(例如“优化的”、“优化”等)是指代关于任何结果、系统数据等的“最好或最有效”的广义术语，(“一般优化”)以及改进是“更好或更有效的”(“相对优化”)。目标成功产量组包括一个或多个杂交种子的子集、针对每个杂交种子的估计产量预测以及超过针对相似分类的杂交种子的平均估计产量预测的成功概率。

在实施例中，基于由农业智能计算机系统130接收的输入来标识将在目标田地上最佳执行的杂交种子，该输入包括但不限于针对多个不同杂交种子的农业数据记录以及与收集到农业数据记录的田地相关的地理位置。例如，如果接收到针对一百个杂交种子的农业数据记录，那么农业数据记录将包括针对一百个杂交种子的生长和产量数据以及有关一百个杂交种子被种植的田地的地理位置数据。在实施例中，农业智能计算机系统130还接收针对第二组田地的地理位置和农业数据。第二组田地是种植者打算种植被选择杂交种子的目标田地。有关目标田地的信息对于将特定的杂交种子与目标田地的环境进行匹配而言特别相关。

杂交种子标准化指令172提供指令以生成杂交种子特性的数据集，该数据集描述了代表性的产量值和环境分类，其是对于农业智能计算机系统130接收到的每个杂交种子而言更被偏爱的环境条件。成功概率生成指令174提供指令以生成与每个杂交种子相关联的成功概率得分的数据集。成功概率得分描述了在目标田地上成功产量的概率。产量分类指令176提供指令以生成杂交种子的目标成功产量组，该目标成功产量组基于与每个杂交种子相关联的成功概率得分针对在目标田地上的最佳性能而已经被标识。

在实施例中，农业智能计算机系统130被配置为经由呈现层134来呈现被选择的杂交种子的目标成功产量组及其标准化产量值和成功概率得分。

杂交种子分类子系统170和相关指令另外在本文其他地方进行描述。

2.6.杂交种子建议子系统

在实施例中，农业智能计算机系统130除了其他组件之外尤其包括杂交种子建议子系统180。杂交种子建议子系统180被配置为以最小化的风险生成针对在目标田地上的最佳性能而专门选择的目标杂交种子集合。目标杂交种子集合包括一个或多个杂交种子的子集，其具有高于特定产量阈值的估计产量预测并且具有低于特定风险目标的关联风险值。

在实施例中，基于已经被标识为具有在目标田地上产生成功产量的特定概率的杂交种子的输入集合，来标识将在目标田地上最佳执行的目标杂交种子集合。农业智能计算机系统130可以被配置为接收杂交种子集合，作为由杂交种子分类子系统170生成的目标成功产量组的一部分。目标成功产量组还可以包括指定针对每个杂交种子的成功概率的农业数据和诸如产量值、相对成熟度以及来自先前观测到的收获中的环境观测结果的其他农业数据。在实施例中，农业智能计算机系统130还接收针对目标田地集合的地理位置和农业数据。“目标田地”是种植者正在考虑或打算种植目标杂交种子的田地。

杂交种子过滤指令182提供指令以过滤和标识具有超过经指定的成功产量阈值的成功概率值的杂交种子的子集。风险生成指令184提供指令以生成与每个杂交种子相关联的风险值的数据集。风险值描述了相关于每个杂交种子的估计产量值而与每个杂交种子相关联的风险量。优化分类指令186提供指令以生成目标杂交种子的数据集，该目标杂交种子的数据集的平均产量值高于来自风险值的数据集中的风险值范围的目标阈值。

在实施例中，农业智能计算机系统130被配置为经由呈现层134来呈现目标杂交种子集合并且包括它们的平均产量值。

杂交种子建议子系统180和相关指令另外在本文其他地方进行描述。

2.7.实现示例—硬件概述

根据一个实施例，本文描述的技术由一个或多个专用计算设备实现。专用计算设备可以硬连线以执行这些技术，或者可以包括数字电子设备，诸如一个或多个经过永久编程以执行该技术的专用集成电路(ASIC)或现场可编程门阵列(FPGA)，或者可以包括一个或多个通用硬件处理器，一个或多个硬件处理器被编程为以固件、存储器、其他存储装置或组合来执行符合程序指令的技术。这种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来实现该技术。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，或结合硬连线和/或程序逻辑以实现该技术的任何其他设备。

例如，图4是例示出了其上可以实现本发明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耦接以用于处理信息的硬件处理器404。例如，硬件处理器404可以是通用微处理器。

计算机系统400还包括耦接到总线402的主存储器406，诸如随机存取存储器(RAM)或其他动态存储设备，用于存储信息和处理器404要执行的指令。主存储器406也可以被用于在执行处理器404要执行的指令期间存储临时变量或其他中间信息。当这些指令被存储在处理器404可访问的非暂态存储介质中时，它们将计算机系统400渲染成定制为执行指令中指定操作的专用机器。

计算机系统400还包括耦接到总线402的只读存储器(ROM)408或其他静态存储设备，用于存储静态信息和针对处理器404的指令。存储设备410，诸如磁盘、光盘、或固态驱动器被提供并且耦接到总线402以存储信息和指令。

计算机系统400可以经由总线402被耦接到诸如阴极射线管(CRT)之类的显示器412，以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被耦接到总线402，以用于将信息和命令选择传达给处理器404。另一类用户输入设备是光标控件416，诸如鼠标、轨迹球或光标方向键，用于将方向信息和命令选择传达给处理器404并且用于控制显示器412上的光标移动。此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中所描述的技术，它们与计算机系统结合使得计算机系统400成为专用机器。根据一个实施例，本文中的技术由计算机系统400响应于处理器404执行主存储器406中包含的一个或多个指令的一个或多个序列来执行。这种指令可以从另一存储介质(诸如存储设备410)被读入到主存储器406中。主存储器406中包含的指令序列的执行使处理器404执行本文中所描述的处理步骤。在备选实施例中，可以使用硬连线电路系统来代替软件指令或与软件指令结合使用。

本文所用的术语“存储介质”是指任何非暂态介质，其存储使得机器以特定方式操作的数据和/或指令。这种存储介质可以包括非易失性介质和/或易失性介质。例如，非易失性介质包括光盘、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。例如，存储介质的常见形式包括软盘、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、具有孔的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递。例如，传输介质包括同轴电缆、铜线和光纤，包括包括总线402的导线。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声波或光波。

各种形式的介质可以涉及将一个或多个指令的一个或多个序列携带给处理器404以供执行。例如，指令最初可以在远程计算机的磁盘或固态驱动器上被携带。远程计算机可以将指令加载到其动态存储器中，并且使用调制解调器通过电话线发送该指令。计算机系统400的本地调制解调器可以在电话线上接收数据，并且使用红外发射器将数据转换为红外信号。红外检测器可以接收红外信号中所携带的数据，并且适当的电路系统可以将数据放置于总线402上。总线402将数据携带给主存储器406，处理器404从主存储器406取回并且执行指令。可选地，由主存储器406接收的指令可以在处理器404执行之前或之后被存储在存储设备410上。

计算机系统400还包括耦接到总线402的通信接口418。通信接口418提供耦接到网络链路420的双向数据通信，网络链路420被连接到局域网422。例如，通信接口418可以是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器，或提供与相应类型的电话线的数据通信连接的调制解调器。作为另一个示例，通信接口418可以是提供到兼容LAN的数据通信连接的局域网(LAN)卡。也可以实现无线链路。在任何这种实现中，通信接口418发送并且接收电、电磁或光信号，这些信号携带表示各类信息的数字数据流。

网络链路420通常通过一个或多个网络向其他数据设备提供数据通信。例如，网络链路420可以通过本地网络422向主机计算机424或向由互联网服务提供方(ISP)426操作的数据设备提供连接。ISP426又通过全球分组数据通信网络(现在通常被称为“互联网”428)来提供数据通信服务。局域网422和互联网428两者都使用携带数字数据流的电、电磁或光信号。经过各种网络的信号以及在网络链路420上并且经过通信接口418的信号是传输介质的示例形式，其携带去往和来自计算机系统400的数字数据。

计算机系统400可以通过(多个)网络、网络链路420和通信接口418来发送消息并且接收包括程序代码在内的数据。在互联网示例中，服务器430可以通过互联网428、ISP426、本地网络422和通信接口418传送对应用程序的请求代码。

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

3.功能概述—生成并且显示杂交种子的目标成功产量组

图7描绘了基于杂交种子的农业数据记录和与目标田地相关联的地理位置数据来生成被标识为在目标田地上的最佳产量性能的杂交种子的目标成功产量组的详细示例。

3.1.数据输入

在步骤705处，农业智能计算机系统130从针对多个不同杂交种子的一个或多个田地接收农业数据记录。在实施例中，农业数据记录可以包括针对一个或多个杂交种子的作物种子数据。作物种子数据可以包括与在一个或多个田地上种植、生长和收获特定杂交种子相关的历史农业数据。作物种子数据的示例可以包括但不限于杂交种子的历史产量值、收获时间信息和相对成熟度，以及有关植物生命周期的任何其他观测数据。例如，农业数据记录可以包括两百(或更多)不同类型的可用的玉米杂交种的杂交种子数据。与每个玉米杂交种相关联的作物种子数据可以包括针对在被观测田地中的每个被观测田地上的玉米杂交种中的每个玉米杂交种的与观测到的收获相关联的历史产量值、相对于种植的收获时间信息以及观测到的相对成熟度。例如，玉米杂交种001可能具有农业数据记录，该农业数据记录包括过去十年(或更长时间)内从二十个(或更多)不同田地中收集的历史产量数据。

在实施例中，农业数据记录可以包括与在该处观测作物种子数据的田地有关的田地特定数据。例如，田地特定数据可以包括但不限于地理位置信息、基于田地地理位置的观测到的相对成熟度、历史天气指数数据、观测到的土壤特性，观测到的土壤水分和水位以及可能特定于在该处收集历史作物种子数据的田地的任何其他环境观测结果。田地特定数据可以被用来对作物种子数据进行进一步量化和分类，因为它与杂交种子中的每个杂交种子相关。例如，基于杂交种子的相对成熟度和生长季节的长度，不同地理位置的不同田地可能更适合于不同的杂交种子。特定区域和子区域内的田地可能具有针对生长季节的经分配的相对成熟度，该相对成熟度是基于与特定地理位置相关联的气候和在生长季节期间可用的生长度天数(GDD)的。

图8描绘了在州内基于生长季节持续时间而具有不同的经分配的相对成熟度的不同区域的示例。州805是伊利诺伊州，并且被划分为多个不同的区域和子区域。子区域的示例可以包括基于县、市或镇边界的区域。区域810、815、820、825和830中的每个区域表示具有不同生长季节持续时间的地理位置特定区域。例如，区域810表示基于其地理位置和关联的气候(由于气候凉爽)而具有较短生长季节的田地区域。作为结果，区域810可以被分类为适合于具有100天的相对成熟度的杂交种子的田地(在图8中被示为阴影和相应GDD的图例)。区域815位于区域100的南部，因此可能具有较温暖的整体气候。区域815中的田地可以被分类为适合于具有105天的相对成熟度的杂交种子的田地。类似地，区域820、825和830位于比区域810和815更靠南的位置，因此分别被分类为110天、115天和120天的相对成熟度分类。针对不同区域的相对成熟度分类与针对杂交种子的历史产量数据可以一起被用来基于被评定的相对成熟度评估杂交种子在田地上的执行得如何。

在实施例中，农业数据记录内的特定田地数据还可以包括作物轮换数据。针对田地的土壤养分管理可以取决于多种因素，诸如建立各种作物轮换以及管理土壤耕作量。例如，一些历史观测已经表明，在田地上的不同作物之间进行轮换的“轮换效应”可以比每年种植相同的作物的作物产量增加5％至15％。作为结果，农业数据记录内的作物轮换数据可以被用来帮助确定更准确的产量估计。

在实施例中，特定田地数据可以包括在作物季节期间使用的耕作数据和管理实践。耕作数据和管理实践指代在特定田地上进行耕作的方式和时间表。土壤质量和土壤中有用养分的量根据表土的量而变化。土壤流失指代表土的移除，表土是有机物和养分价值两者最丰富的土壤层。造成土壤流失的一种这样的实践是耕作。耕作会破坏土壤团聚体并且增加土壤通气量，这可能会加速有机物的分解。因此，跟踪耕作管理实践可有助于理解可能会影响种植作物的总产量的所发生的土壤流失量。

在实施例中，农业数据记录包括预测的作物产量数据，诸如基于农田的数字图像预测的产量数据。预测的作物产量数据可以从经由卫星或飞机捕获的农田的一个或多个田地级别的数字图像中导出。一个或多个田地级别的数字图像可以表示卫星或飞机图像，诸如RapidEye图像。数字图像可以包括具有多个像素值的像素集合，每个像素值包括一个或多个光谱带强度值，其中每个光谱带强度值描述电磁辐射的光谱带的光谱带强度。例如，像素的每个像素值可以具有五个光谱带强度值，针对每个光谱带有一个光谱带强度值：红色(R)、绿色(G)、蓝色(B)、近红外(NIR)和红边(RE)。在其他示例中，取决于数字图像中是否存在光谱带，像素值可以包含针对光谱带的更多或更少的光谱带强度值。

在实施例中，可以处理针对数字图像的像素集合的像素值，以从大气数据集的顶部去除云图像或其他伪像，以对数字图像的光谱带强度值进行标准化，以便确保光谱带强度值具有相同的值标度和/或任何其他数字图像处理技术。然后可以将针对数字图像的像素集合的处理后的像素值作为输入提供给机器学习模型，该机器学习模型被配置为输出针对农业田地的预测的作物产量数据。机器学习模型可以表示深度学习算法，该算法在被执行时生成经训练的存储器内模型或数据网络，其在被应用于数字图像的数据集时会产生有用农业田地的估计产量值。在各种实施例中，可以使用随机森林神经网络、长期记忆(LSTM)神经网络或任何其他常规或专有机器学习方法来实现机器学习模型。本公开涉及对应用于农业数据分析的随机森林和LSTM神经网络的利用充分理解和熟悉的人，并且RF和LSTM的基本细节不在本公开的范围之内。在实施例中，农业智能计算机系统130可以收集和接收使用机器学习模型从卫星图像生成的针对农田的估计作物产量。在于2018年12月21日提交的美国临时申请号62/784,252中披露了使用机器学习模型来生成从卫星图像生成的针对农田的估计作物产量的附加示例和描述，其全部内容为了所有目的通过引用合并于此，就好像在本文中完整阐述一样。

在实施例中，农业数据记录包括来自测试田地集合的田地特定数据和历史作物种子数据，该测试田地集合被用来由制造商确定杂交种子特性。例如，孟山都公司(MonsantoCorporation)生产了若干商业杂交种子，并且在多个试验田地上测试其作物生长。孟山都公司的测试田地可以用作测试田地集合的示例，其中农业数据记录由农业智能计算机系统130收集和接收。在另一实施例中，农业数据记录可以包括来自由个体种植者拥有和操作的田地集合的田地特定数据和历史作物种子数据。收集农业数据记录的这些田地集合也可以是被指明为有用种植新的被选择的作物的目标田地的相同田地。在其他实施例中，当确定杂交种子的目标成功产量组时，由种植者拥有和操作的田地集合可以提供由其他种植者使用的农业数据记录。

返回参照图7，在步骤710处，农业智能计算机系统130接收针对一个或多个目标田地的地理位置信息。目标田地表示种植者正在考虑种植或计划种植从目标成功产量组中选择的杂交种子集合的田地。在实施例中，可以将针对一个或多个目标田地的地理位置信息与特定田地的农业数据记录结合使用，以基于相对成熟度和气候确定哪种杂交种子最适于目标田地。

3.2.农业数据处理

在步骤715处，杂交种子标准化指令172提供指令以生成杂交种子特性的数据集，该数据集描述了作为农业数据记录的一部分而被接收的针对每个杂交种子的代表性产量值和环境分类。在实施例中，与杂交种子相关联的农业数据记录被用来计算针对每个杂交种子的代表性产量值和环境分类。代表性产量值是特定杂交种子如果基于历史产量值和从过去收获中观测到的其他农业数据而被种植在田地中时的预期产量值。

在实施例中，可以通过对来自不同领域的跨不同经观测的生长年的多个不同产量观测值进行标准化来计算标准化产量值。例如，首先种植特定杂交种子的田地可以被用来计算针对特定杂交种子的平均第一年生长周期产量。针对特定杂交种子的平均第一年生长周期产量可以包括将在不同年份从不同田地观测到的产量值进行合并。例如，在从2009年到2015年的时间跨度上在孟山都商业产品周期(PS3、PS4、MD1和MD2)的产品阶段期间进行测试的田地上可能已种植特定杂交种子。然而，特定杂交种子的第一个周期可能已经在不同年份被种植在田地中的每个田地上。下表例示出了这样一个示例：

2009

2010

2011

2012

2013

2014

2015

周期1

PS3

PS4

MD1

MD2

周期2

PS3

PS4

MD1

MD2

周期3

PS3

PS4

MD1

MD2

周期4

PS3

PS4

MD1

MD2

表中的列表示收获年，并且表中的行表示孟山都商业产品开发周期，其中周期1表示在各个田地上种植杂交种子的4年，周期2表示在相同田间环境中种植的另一组杂交种子的4年的第二周期，以此类推。

在实施例中，可以基于在多个田地上种植的杂交种子的相似周期来计算标准化产量值。例如，可以将针对周期1的标准化产量值计算为在田地PS3(2009)、PS4(2010)、MD1(2011)和MD2(2012)上观测到的产量值的平均。通过这样做，可以基于在特定田地上已经发生了多少个生长周期的共同特征来对产量值进行平均。在其他实施例中，可以基于诸如同一年或同一地区/田地之类的来自农业数据记录的其他农业特性，来计算标准化产量值。

在实施例中，可以使用与杂交种子的农业数据记录相关联的相对成熟度田地特性来计算针对杂交种子中的每个杂交种子的环境分类。例如，可能已经在区域820内的若干田地上种植了特定杂交种子。区域820内的田地中的每个田地被分类为具有与110天的相对成熟相吻合的观测到的生长季节。因此，基于与特定杂交种子相关联的田地，针对特定杂交种子的环境分类可以被分配一个相对成熟度，该相对成熟度等于区域820的相对成熟度，其为110天。在其他实施例中，如果与特定杂交种子的历史观测相关联的田地包含被分类在多个区域内的田地，则可以将环境分类计算为不同的经分配的相对成熟度值的平均。

在实施例中，杂交种子特性的数据集包含针对每个杂交种子的标准化产量值和描述与标准化产量值相关联的相对成熟度值的环境分类。在其他实施例中，杂交种子特性的数据集还可以包括与杂交种子生长周期和田地特性相关的特性，诸如轮换、耕作、天气观测、土壤成分和任何其他农业观测。

返回参照图7，在步骤720处，成功概率生成指令174提供指令以生成针对每个杂交种子的成功概率得分的数据集，该数据集将成功产量概率描述为相对于具有相同相对成熟度的其他杂交种子的平均产量实现成功产量的概率。在实施例中，针对杂交种子的成功概率得分基于相关于与目标田地相关联的地理位置的杂交种子特性的数据集。例如，与目标田地的地理位置相关联的相对成熟度值被部分地用来确定要评估的杂交种子集合，以便计算针对特定杂交种子的成功概率得分。例如，玉米杂交种002可以是标准化产量被计算为每英亩7.5蒲式耳并且被分配的相对成熟度为100GDD的杂交种子。然后将玉米杂交种002与具有相似相对成熟度的其他杂交种子进行比较，以便基于玉米杂交种002和其他杂交种子的标准化产量值来确定玉米杂交种002是否是用于种植的良好候选者。

机器学习技术被实现以确定与目标田地相关联的地理位置处的杂交种子的成功概率得分。在实施例中，标准化产量值和经分配的相对成熟度值被用作机器学习模型的预测变量。在其他实施例中，诸如作物轮换、耕作、天气观测、土壤成分之类的附加的杂交种子特性也可以被用作机器学习模型的附加预测变量。机器学习模型的目标变量是范围从0到1的概率值，其中0等于成功产量的概率为0％，并且1等于成功产量的概率为100％。在其他实施例中，目标变量可以是可以标度从0到10、1到10或任何其他测量标度的概率值。成功产量被描述为特定杂交种子的产量比类似分类的杂交种子的平均产量高出一定值的可能性。例如，成功产量可以被定义为每英亩比具有相同经分配的相对成熟度值的杂交种子的平均产量高5蒲式耳的产量。

图9描绘了样本图，其描述在已分类的相对成熟度内的杂交种子的标准化产量值的范围。平均值905表示针对具有相同相对成熟度(诸如110GDD)的杂交种子计算出的平均产量值。在实施例中，可以通过实现最小显著差异计算来计算出确定哪些杂交种子具有高于平均值905的显著标准化产量。最小显著差异是统计概率的特定级别的值。如果两个均值之间的差异超过了该值，那么认为这两个均值是不同的。例如，如果杂交种子的产量值与计算出的平均产量之间的差异值超过最小显著差值，那么针对杂交种子的产量将被视为是不同的。在其他实施例中，可以使用任何其他统计算法来确定产量值与平均值905之间的显著差异。

范围910表示被认为在最小显著差值之内并且因此没有显著不同的产量值的范围。阈值915表示范围910的上限。然后高于阈值915的标准化产量值被认为显著不同于平均值905。在实施例中，范围910和阈值915可以被配置为表示用于确定哪个杂交种子产量被认为显著高于平均值905并且因此是成功产量值的阈值。例如，阈值915可以被配置为等于每英亩比平均值905高5蒲式耳的值。在实施例中，阈值915可以被配置为取决于针对具有相同相对成熟度的特定杂交种子的平均值905、范围910和总产量值范围的产量值。

范围920表示被认为是成功产量的针对杂交种子的产量值的范围。杂交种子925表示在范围920内具有高于阈值915的标准化产量的特定杂交种子。在实施例中，机器学习模型可以被配置为在计算0和1之间的成功概率得分时使用范围910和阈值915。不同的机器学习模型可以包括但不限于逻辑回归、随机森林、向量机建模和梯度增强建模。

在实施例中，逻辑回归可以被实现为机器学习技术，以确定针对目标田地的杂交种子中的每个杂交种子的成功概率得分。对于逻辑回归，针对每个杂交种子的输入值是标准化产量值和被指定为相对成熟度的环境分类。逻辑回归的功能形式为：

其中P(y＝1|x₁＝yld_i ，x₂＝RM_j )

是在给定相对成熟度的目标田地j中并且针对有标准化产量值的产品i的成功概率(y＝1)；常数a、b和c是通过历史数据估计的回归系数。对于每个杂交种子，逻辑回归的输出是基于被分配给与目标田地相关联的地理位置的相对成熟度来指定在目标田地处的成功的介于0和1之间的概率得分集合。

在另一实施例中，可以将随机森林算法实现为机器学习技术，以确定针对目标田地的每个杂交种子的成功概率得分。随机森林算法是一种集成机器学习方法，它通过在训练时段期间构造多个决策树来进行操作，然后输出作为各个树的均值回归的分类。针对每个杂交种子的输入值是标准化产量值和作为相对成熟度的环境分类。输出是针对每个杂交种子的介于0和1之间的概率得分集合。

在另一实施例中，支持向量机(SVM)建模可以被实现为机器学习技术，以确定针对目标田地的杂交种子中的每个杂交种子的成功概率得分。支持向量机建模是一种监督学习模型，被用来对输入是否使用分类和回归分析进行分类。支持向量机模型的输入值是针对每个杂交种子的标准化产量值和环境分类相对成熟度值。输出是针对每个杂交种子的介于0和1之间的概率得分集合。在又一实施例中，梯度增强(GBM)建模可以被实现为机器学习技术，其中输入值是针对每个杂交种子的标准化产量值和环境分类相对成熟度值。梯度增强是一种用于回归和分类问题的技术，它产生集成弱预测模型(诸如决策树)形式的预测模型。

参照图7，在步骤725处，产量分类指令176生成目标成功产量组，该目标成功产量组由杂交种子的子集组成，该子集已被标识为具有产生显著高于在针对目标田地的相同相对成熟度分类内的其他杂交种子的平均产量的高概率。在实施例中，目标成功产量组包含具有超过特定成功概率阈值的成功概率值的杂交种子。成功概率阈值可以被配置为与显著高于其他杂交种子的平均产量的产量相关联的概率值。例如，如果在步骤720处，针对成功产量的产量阈值等于每英亩高于平均值五蒲式耳，那么成功概率阈值可以与和该产量阈值的成功概率值相等的成功概率值相关联。例如，如果该产量阈值等于每英亩高于平均产量五蒲式耳，并且具有0.80的成功概率值，那么成功概率阈值可以被分配为0.80。在此示例中，目标成功产量组将包含成功概率值等于或大于0.80的杂交种子。

在其他实施例中，成功概率阈值可以被配置为更高或更低，这取决于种植者分别是期望较小的目标成功产量组还是较大的目标成功产量组。

3.3.呈现目标成功产量组

在实施例中，目标成功产量组包含具有经分配的相对成熟度值的杂交种子，该相对成熟度值等于与目标田地相关联的相对成熟度。在步骤730处，农业智能计算机系统130的呈现层134被配置为在田地管理者计算设备104上的显示设备上显示或致使显示目标成功产量组和针对目标成功产量组内的每个杂交种子的标准化产量值。在另一实施例中，呈现层134可以将目标成功产量组的显示传送给可以通信地耦接到农业智能计算机系统130的任何其他显示设备，诸如远程计算机设备、驾驶室内的显示设备或任何其他已连接的移动设备。在又一实施例中，呈现层134可以将目标成功产量组传送给其他系统和子系统与农业智能计算机系统130，以进行进一步的处理和呈现。

在实施例中，呈现层134可以显示可能与种植者有关的附加的杂交种子特性数据和其他农业数据。呈现层134还可以基于成功概率值将目标成功产量组中的杂交种子进行排序。例如，可以以成功概率值的降序对杂交种子的显示进行排序，以使得种植者能够首先查看其目标田地最成功的杂交种子。

在一些实施例中，种植者在接收到显示的信息之后，可以对该信息采取行动并种植提议的杂交种子。在一些实施例中，种植者可以作为确定目标成功产量组的组织的一部分来进行操作，和/或可以是分开的进行操作。例如，种植者可以是确定目标成功产量组的组织的客户，并且可以基于目标成功产量组来种植种子。

4.功能概述—生成并且显示用于种植的目标杂交种子

图10描绘了基于杂交种子的农业数据记录和与目标田地相关联的地理位置数据来生成为了目标田地上的最佳产量性能和受控风险而被标识的目标杂交种子集合的详细示例。

4.1.数据输入

在步骤1005处，农业智能计算机系统130接收候选杂交种子的数据集，该数据集包括适合于在目标田地上种植的一个或多个杂交种子、与每个杂交种子相关联的成功概率值以及与每个杂交种子相关联的历史农业数据。在实施例中，候选杂交种子的数据集可以包括由杂交种子分类子系统170标识为具有在目标田地上产生成功产量值的高概率的一个或多个杂交种子的集合以及与候选杂交种子集合中的每个杂交种子相关联的历史农业数据。在图7中的步骤725处生成的目标成功产量组可以表示候选杂交种子的数据集。

在实施例中，历史农业数据可以包括与在一个或多个田地上种植、生长和收获特定杂交种子相关的农业数据。农业数据的示例可以包括但不限于历史产量值、收获时间信息和杂交种子的相对成熟度以及有关植物生命周期的任何其他观测数据。例如，如果候选杂交种子的数据集是来自杂交种子分类子系统170的目标成功产量组，那么农业数据可以包括平均产量值和被分配给每个杂交种子的相对成熟度。

在步骤1010处，农业智能计算机系统130接收有关种植者计划种植目标杂交种子集合的目标田地的数据。在实施例中，有关目标田地的数据是特性信息，其包括但不限于针对目标田地的地理位置信息以及针对目标田地中的每个目标田地的尺寸和大小信息。在实施例中，可以结合历史农业数据来使用针对目标田地的地理位置信息，以基于目标田地的相对成熟度和气候来确定要种植在目标田地中的每个目标田地上的目标杂交种子的最佳集合和目标田地中的每个目标杂交种子的量。

4.2.杂交种子选择

在步骤1015处，杂交种子过滤指令182提供指令以从成功概率值大于或等于目标概率过滤阈值的杂交种子的候选集合中选择一个或多个杂交种子的子集。在实施例中，目标概率过滤阈值是与杂交种子的候选集合中的每个杂交种子相关联的成功概率值的已配置阈值。目标概率过滤阈值可以被用来仅基于选择具有一定成功概率的杂交种子来将杂交种子的选择池进一步变窄。在实施例中，如果杂交种子的候选集合表示在步骤725处生成的目标成功产量组，那么该杂交种子集合可能已经被过滤为仅包括具有高成功概率值的杂交种子。在一个示例中，目标概率过滤阈值可以具有与被用来生成目标成功产量组的成功产量阈值相同的阈值。如果是这种情况，那么一个或多个杂交种子的子集可以包括整个杂交种子集合。在另一示例中，种植者可能期望更窄的杂交种子的列表，这可以通过为目标概率过滤阈值配置更高的成功概率值来滤掉具有低于期望成功值的杂交种子来实现。

在步骤1020处，种子标准化指令172提供指令以基于来自针对杂交种子中的每个杂交种子的历史农业数据的产量值来生成针对一个或多个杂交种子的子集中的每个杂交种子的代表性产量值。在实施例中，代表性产量值是特定杂交种子如果基于历史产量值和从过去收获中观测到的其他农业数据而被种植在田地中时的预期产量值。在实施例中，代表性产量值是在多个田地上从多个不同观测到的生长季节计算出的产量平均。例如，代表性产量值可以被计算为不同的观测到的生长周期年的平均，其中针对特定杂交种子的平均第一年生长周期产量可以并入在不同年份来自不同田地的合并的观测到的产量值。在计算了针对不同生长周期年的平均生长周期产量之后，可以将每个平均合并以生成针对每个特定杂交种子的代表性平均产量。在另一实施例中，代表性产量值可以是在步骤715处计算出的标准化产量值。

4.3.生成针对杂交种子的风险值

在步骤1025处，风险生成指令184提供指令以基于与杂交种子中的每个杂交种子相关联的历史农业数据来生成针对一个或多个杂交种子的子集中的每个杂交种子的风险值的数据集。风险值基于代表性产量值，根据产量可变性描述了针对每个杂交种子的风险量。例如，如果对于玉米杂交种002，代表性产量为每英亩十五蒲式耳，但是针对玉米杂交种002的可变性很高，以至于产量范围可从每英亩五蒲式耳到每英亩二十五蒲式耳。针对玉米杂交种002的代表性产量可能不是实际产量良好表示，因为每英亩产量可能在五至二十五蒲式耳之间变化。高风险值与产量回报的高可变性相关联，而低风险值与产量回报和产量产出低可变性相关联，其与代表性产量更加紧密吻合。

在实施例中，针对杂交种子的风险值基于特定杂交种子在两年或两年以上的年度产量回报之间的可变性。例如，计算针对玉米杂交种002的风险值包括从历史农业数据的多年产量输出中计算产量值的可变性。来自2015年和2016年的针对玉米杂交种002的产量输出的方差可以被用来确定与针对玉米杂交种002的代表性产量值相关联的风险值。确定产量输出的方差不限于使用来自前两年的产量输出，还可以用来自多年的产量输出数据来计算方差。在实施例中，可以用每英亩蒲式耳的标准偏差来表示所计算的风险值，其中标准偏差被计算为所计算的风险方差的平方根。

在实施例中，针对杂交种子的风险值可以基于特定年份的田间观测的产量输出的可变性。例如，计算与田地可变性相关联的风险值可以包括确定针对特定年份的针对特定杂交种子的观测到的来自每个田地的产量的可变性。如果针对特定杂交种子，在跨多个田地上观测到的产量输出范围从每英亩五至五十蒲式耳，那么特定杂交种子可能具有较高的田地可变性。作为结果，可以基于田地可变性为特定杂交种子分配高风险因子，因为在任何给定田地上的预期输出都可能在每英亩五至五十蒲式耳之间变化，而不是更接近于代表性产量值。

在另一实施例中，针对杂交种子的风险值可以基于年到年产量回报之间的可变性和田地到田地观测之间的可变性。年到年风险值和田地到田地风险值可以被合并起来表示风险值，该风险值并入了跨多个观测到的田地和多个观测到的季节上的产量输出的可变性。在其他实施例中，风险值可以并入与历史作物生长和产量相关联的其他观测到的作物种子数据。

4.4.生成目标杂交种子的数据集

在步骤1030处，优化分类指令186提供指令以基于风险值的数据集、针对杂交种子的代表性产量值以及针对目标田地的一个或多个特性，来生成用于种植在目标田地上的目标杂交种子的数据集。在实施例中，目标杂交种子的数据集中的目标杂交种子基于其代表性产量值和来自风险值的数据集中的关联风险值来进行选择。

确定在目标杂交种子的数据集中要包括杂交种子的哪种组合涉及确定针对特定杂交种子的代表性产量与和该特定杂交种子相关联的风险值之间的关系。如果高产量杂交种子也带有较高的风险级别，那么选择具有高代表性产量的杂交种子可能不会致使杂交种子的最佳集合。相反，选择具有低风险值的杂交种子可能不会获得足够高的产量回报。

在实施例中，来自一个或多个杂交种子的子集中的杂交种子可以基于其相应的代表性产量值对其关联的风险值而被绘图。图11描绘了针对一个或多个杂交种子的子集的产量对风险的示例图1105。y轴1110表示针对杂交种子的代表性产量，作为预期产量，并且x轴1115表示针对杂交种子的风险值，被表达为标准偏差。通过将风险值表示为标准偏差，风险值的单位可以与代表性产量的单位相同，其为每英亩蒲式耳。在图1105上由组1125和组1130表示的点表示来自一个或多个杂交种子的子集中的杂交种子中的每个杂交种子。例如，图1105示出了杂交种子1135具有每英亩两百蒲式耳的代表性产量值以及标准偏差为每英亩一百九十一蒲式耳的风险值。在其他实施例中，可以使用不同的单位来生成图1105，诸如以美元计量的每英亩利润或任何其他导出的计量单位。

在实施例中，确定哪些杂交种子属于目标杂交种子的数据集涉及确定针对指定风险量的预期产量回报。为了生成可能对各种环境和其他因素有适应力的目标杂交种子集合，优选的是生成杂交种子的多样集合，其包含具有较低和较高风险值以及中等至高产量输出的杂交种子。参照图10，步骤1032表示针对风险值范围生成代表性产量值的目标阈值。在实施例中，优化分类指令186提供指令以计算最佳前沿曲线，其表示在风险值范围上具有可管理风险容忍量的最佳产量输出的阈值。前沿曲线是拟合曲线，其表示考虑到最佳效率的关于图形输入值的最佳输出。例如，图1105包含基于代表性产量对风险值的杂交种子，其中可以推断出具有较高产量的特定杂交种子可能也具有较高风险。相反，具有较低风险值的杂交种子可能具有较低的代表性产量值。前沿曲线1120表示基于风险值范围跟踪最佳产量的最佳曲线。

在步骤1034处，优化分类指令186提供指令以通过选择具有满足前沿曲线1120所定义的阈值的代表性产量和风险值的杂交种子来选择组成目标杂交种子集合的杂交种子。落在前沿曲线1120上或附近的杂交种子以期望的风险水平提供最佳产量水平。目标杂交种子1140表示针对目标杂交种子的数据集的杂交种子的最佳集合。落在前沿曲线1120下方的杂交种子对于风险水平具有次佳产量输出，或者对于所产生的产量输出水平具有高于期望的风险。例如，杂交种子1135在前沿曲线1120下方，并且可以被解释为对于其风险量具有低于最佳的产量，如通过将杂交种子1135放置在前沿曲线1120的垂直下方所示。同样，杂交种子1135可以被解释为对于其产量输出具有高于预期的风险，如对于代表性产量的那个量而言，通过将杂交种子1135放置在前沿曲线1120的水平右侧所示。不在前沿曲线1120上或附近的杂交种子1135对于其关联的风险值具有次佳的代表性产量，并且因此不被包括在目标杂交种子集合中。另外，杂交种子1135代表具有高于期望的风险值的杂交种子，并且因此不被包括在目标杂交种子集合中。

在实施例中，优化分类指令186提供指令以生成针对目标杂交种子集合中的每个目标杂交种子的分配指令。分配指令描述了针对目标杂交种子集合中的每个目标杂交种子的种子分配数量，其基于目标田地的量和位置向种植者提供最佳分配策略。例如，针对包括种子(CN-001、CN-002、SOY-005、CN-023)的目标杂交种子集合的分配指令可以包括分配75％的CN-001、10％的CN-002、13％的SOY-005和2％的CN-023。分配指令的实施例可以包括但不限于种子袋的数目、跨目标田地要被种植的种子总数的百分比、或要被种植的每种目标杂交种子的份额亩数目。在实施例中，可以使用诸如IBM的CPLEX优化器之类的第三方优化求解器产品来计算确定分配量。CPLEX优化器是用于线性编程、混合整数编程和二次编程的数学编程求解器。诸如CPLEX优化器的优化求解器被配置为评估与目标杂交种子相关联的代表性产量值和风险值，并且确定分配指令集，以用于针对目标杂交种子集合中的每个目标杂交种子分配种子量。在实施例中，优化求解器可以使用目标杂交种子的代表性产量值的总和以及目标杂交种子的风险值的计算总和来计算配置的总风险阈值，该阈值可以被用来确定针对目标杂交种子的允许风险和产量输出的上限。

在另一实施例中，优化求解器还可以输入描述每个目标田地的大小、形状和地理位置的目标田地数据，以便确定包括针对目标杂交种子的份额的每个份额的放置指令的分配指令。例如，如果特定目标田地以特定方式成形或确定大小，则优化求解器可以确定在该特定田地上的一个目标杂交种子的份额是优选的，这与在该特定田地上种植多个目标杂交种子相反。优化求解器不限于CPLEX优化器，其他实施例可以实现其他优化求解器或其他优化算法来确定针对目标杂交种子集合的分配指令的集合。

4.5.种子组合分析

步骤1030描述了使用前沿曲线基于目标田地来为种植者确定并且生成目标杂交种子集合，以确定对于期望风险水平的最佳产量输出。在实施例中，优化分类指令186提供指令以配置前沿曲线，以确定相对于相同区域或子区域内的其他种植者而言，针对种植者的种子组合的总体最佳性能。例如，可以为特定区域内的每个种植者计算代表性产量输出和总体风险值。例如，使用针对多个种植者的历史农业数据，可以对每个种植者种植的杂交种子的代表性产量值和关联风险值进行汇总，以生成与每个种植者相关联的汇总产量输出值和汇总风险值。然后，可以将针对每个种植者的汇总值绘制在种子组合图上，类似于图1105，其中图上的各个点可以表示种植者的汇总杂交种子产量输出和汇总风险。在实施例中，可以生成前沿曲线以确定针对特定区域中的种植者的最佳汇总产量输出和汇总风险值。位于前沿曲线上或附近的种植者可以表示其种子组合产生具有可管理风险量的最佳产量的种植者。在前沿曲线下方的种植者表示基于风险未将其产量最大化的种植者。

在实施例中，优化分类指令186提供指令以在针对特定种植者的种子组合的汇总产量输出和汇总风险未满足如种子组合图上的前沿曲线所描述的针对该种子组合的最佳阈值时，生成针对该种植者的警报消息。呈现层134可以被配置为向种植者呈现警报消息并且将警报消息发送给田间管理器计算设备104。然后，种植者可以选择请求可以为未来的生长季节提供最佳产量输出的目标杂交种子集合。

4.6.呈现目标杂交种子

在实施例中，目标杂交种子的数据集可以包含来自风险值的数据集的代表性产量值和风险值，其与针对目标田地的目标杂交种子的数据集中的每个目标杂交种子相关联。参照图10，在步骤1035处，农业智能计算机系统130的呈现层134被配置为在田间管理器计算设备104上的显示设备上传送包括针对每个目标杂交种子的代表性产量值和关联风险值在内的目标杂交种子的数据集的显示。在另一实施例中，呈现层134可以将目标杂交种子的数据集的显示传送给可以通信地耦接到农业智能计算机系统130的任何其他显示设备，诸如远程计算机设备、驾驶室内的显示设备或任何其他已连接的移动设备。在又一实施例中，呈现层134可以将目标杂交种子的数据集传送给其他系统和子系统与农业智能计算机系统130，以进行进一步的处理和呈现。

在实施例中，呈现层134可以显示针对每个目标杂交种子的分配指令，包括种子份额和放置信息。呈现层134还可以基于份额量对目标杂交种子进行排序，或者可以基于在目标田地上的放置策略来呈现目标杂交种子。例如，分配指令和目标杂交种子的显示可以被叠加到目标田地的地图上，以使得种植者能够可视化即将到来的季节的种植策略。

在一些实施例中，种植者可以基于分配指令获得与分配指令和植物种子相关地进行呈现的信息。种植者可以作为确定分配指令的组织的一部分来进行操作，和/或可以是分开的进行操作。例如，种植者可以是确定分配指令的组织的客户，并且可以基于分配指令来种植种子。

5.功能概述—生成并且显示按田地的产量改善建议

图12描绘了用于使用每个田地的历史产量分布和产量排名来按田地生成预计目标产量范围和产量改善建议的详细示例流程图1200。具体而言，实施例提供使用来自种植者和具有类似环境条件的其他种植者的历史农业数据来生成种植者的总体目标产量。然后，基于预计的产量输出百分比，对种植者的总体目标产量进行分析，并且将其归类为多个预计的目标产量范围。然后使用种植者的历史农业数据对每个田地进行排名，并且为其分配预计目标产量范围。然后，用于选择最佳杂交种子的种子优化数据被用来基于被分配的预计目标产量范围建议按田地进行种子种群或种子密度的变化。

5.1数据输入

在步骤1205处，服务器计算机108通过数字数据通信网络109接收历史农业数据第一集合。在示例实施例中，服务器计算机108可以与农业智能计算机系统130集成。历史农业数据第一集合可以包括例如历史产量数据和种子放置数据，历史产量数据详述了在任何数目的季节种植的每种产品的产量，种子放置数据详述了在特定种植者的一个或多个田地中种植的每种产品的地理位置。在另一实施例中，历史农业数据第一集合还可以包括种子类型数据、种子种群数据、种植英亩数数据、作物轮换数据、环境条件数据、从农业田地的一个或多个数字图像上导出的预测作物产量数据或任何其他农业数据。

服务器计算机108还可以接收历史农业数据第二集合。历史农业数据第二集合可以是包括例如区域产量数据的区域数据，该区域产量数据详述了针对特定区域在任何数目的季节种植的每种产品的产量。在另一示例中，历史农业数据第二集合可以包括从与种植者的田地相似的农业田地的一个或多个基于卫星的数字图像中导出的预测作物产量数据。历史农业数据第二集合还可以包括详述了所种植的每种产品的地理位置的区域种子放置数据。在实施例中，区域产量数据和区域种子放置数据可以是针对具有与特定种植者的一个或多个田地相似的条件的一个或多个相似田地所获得的一系列数据集。例如，种植者可以位于与在相似环境条件下在相似田地中生长的邻近种植者相似的地理位置区域中。在另一实施例中，区域数据可以包括针对在与种植者不相邻的区域中具有相似条件的相似田地的数据集。如本文进一步描述的，与区域数据有关的历史农业数据第二集合可以被用来标准化与特定种植者有关的历史农业数据第一集合。

5.2产量分布和预计目标产量

在图12的步骤1210处，服务器计算机108使用历史农业数据第一集合和历史农业数据第二集合、通过生成历史产量分布，生成针对种植者的多个预计目标产量范围。图13A描绘了针对种植者的历史产量的钟形分布1300的详细示例。图13B描绘了针对具有目标产量范围的种植者的历史产量的钟形分布1300的详细示例。

在图13A的示例中，服务器计算机108通过使用与区域数据有关的历史农业数据第二集合来标准化与特定种植者有关的历史农业数据第一集合。例如，服务器计算机108可以生成钟形分布，其中田地级别的平均产量是正常的。服务器计算机108可以被编程为使用最优线性无偏预测(BLUP)方法或任何其他方法来估计分布的中心和扩散。在实施例中，可以以每英亩蒲式耳来测量产量。在图13A的示例中，线1305图示出了钟形分布的5％产量轮廓，其表示每英亩产量约187蒲式耳。线1310图示出了钟形分布的95％产量轮廓，其表示每英亩产量约213蒲式耳。区域1315表示钟形分布的90％产量值范围，其覆盖了每英亩187蒲式耳到每英亩213蒲式耳的范围。

随后，服务器计算机108可以生成针对种植者的多个预计目标产量范围1335、1340、1345、1350。在图13B的示例中，图13A的钟形分布1300被划分为四个相等的产量范围，每个产量范围表示线1305的5％产量轮廓与线1310的95％产量轮廓之间的22.5％产量分布。例如，低产量范围1335覆盖表示钟形分布的5％产量轮廓的线1305和表示27.5％产量轮廓的线1320之间的22.5％产量区域。中低产量范围1340覆盖表示钟形分布的27.5％产量轮廓的线1320和表示50％产量轮廓的线1325之间的22.5％产量区域。中高产量范围1345覆盖表示钟形分布的50％产量轮廓的线1325与表示72.5％产量轮廓的线1330之间的22.5％产量区域。高产量范围1350覆盖线1330和线1310之间的22.5％产量区域，其表示钟形分布的95％产量轮廓。而图13B的示例特征在于四个预计目标产量范围1335、1340、1345、1350，可以生成任何数目的预计目标产量范围。预计目标产量范围1335、1340、1345、1350随后可以被分配给特定田地以生成产量改善建议，如本文进一步所述。

5.3生成产量排名得分

在图12的步骤1215处，服务器计算机108使用历史农业数据第一集合生成针对种植者的一个或多个田地的一个或多个产量排名得分。在实施例中，服务器计算机108访问种植者产量数据、种子类型数据、种子种群数据、种植英亩数数据、作物轮换数据、环境条件数据、所种植的种子数据的相对成熟度(RM)以及来自历史农业数据第一集合的任何其他数据，并且计算针对每个田地的排名得分。排名得分可以是介于零和一之间的十进制值。更接近零的十进制值指示较低的排名，而更接近一的十进制值指示表示较高的排名。在实施例中，可以向历史上已经导致较高产量的田地分配较高的排名值。

可以通过按照种植种子的相同的年、州和相对成熟度(RM)将种植者数据首先分组成组来计算排名得分。随后，服务器计算机108可以针对每种类型的作物计算针对每个组中的所有田地的产量百分位数。例如，从具有相同RM并且来自相同州的所有2018年玉米田地中计算2018年玉米产量百分位数，而从具有相同RM并且来自相同州的所有2018年大豆田地中计算2018年大豆产量百分位数。然后，按照年、州和RM组合玉米、大豆或任何其他类型作物的产量百分位数，以生成针对所有种植者田地的排名得分。

在实施例中，服务器计算机108然后可以基于排名得分为每个田地分配预计目标产量范围1335、1340、1345、1350。例如，排名得分对应于种植者分布的5％至27.5％产量区域内的百分位数的田地被分配低产量范围1335。排名得分对应于种植者分布的27.5％至50％产量区域内的百分位数的田地被分配中低范围1340。排名得分对应于种植者分布的50％至72.5％产量区域的百分位数的田地被分配中高范围1345。排名得分对应于种植者分布的72.5％产量范围内的百分位数的田地被分配高范围1350。在实施例中，可以将任意数量的田地分配给预计目标产量范围1335、1340、1345、1350。

图14描绘了用于按田地对种植者特定的目标产量进行排名和分配的示例表格1400。在实施例中，表格1400特征在于“田地”类别1405、“排名得分”类别1410、“排名”类别1415、“种植者分布的百分位数”类别1420、“产量范围”类别1425和“目标产量”类别1430。

在图14的示例中，行1435指定针对田地D的每个类别的值。田地D被分配最高排名得分0.92，这向田地D给出排名1415为一。0.92的排名得分1410对应于种植者的钟形分布1420的第80个百分位数，其对应于高产量范围1350。因此，针对田地D列出的产量范围1425被指明为高“H”。目标产量1430是基于种植者分布1420的百分位数计算出的每英亩蒲式耳的目标产量。在图14的示例中，针对田地D的目标产量1430为每英亩208.95蒲式耳。

行1440指定针对田地A的每个类别的值。田地A的排名得分1410被分配第二高排名得分0.70，这向田地A给出排名1415为二。0.70的排名得分1410对应于种植者的钟形分布1420的第65个百分位数，其对应于中高产量范围1345。因此，针对田地A列出的被分配的预计目标产量范围1425被指明为中高“M.H”。针对田地A的目标产量1430为每英亩202.4蒲式耳。

行1445指定针对田地B的每个类别的值。田地B的排名得分1410被分配第二低排名得分0.65，这向田地B给出排名1415为三。0.65的排名得分1410对应于种植者的钟形分布1420的第50个百分位数，其对应于中低产量范围1340。因此，针对田地B列出的被分配的预计目标产量范围1425为中低“M.L”。针对田地B的目标产量1430为每英亩197.6蒲式耳。

行1450指定针对田地C的每个类别的值。田地C的排名得分1410也被分配为第二低排名得分0.45，这向田地C给出排名1415为四。0.45的排名得分1410对应于种植者的钟形分布1420的第35个百分位数，其对应于中低产量范围1340。因此，针对田地C列出的被分配的预计目标产量范围1425为中低“M.L”。由于田地B和田地C都介于27.5％产量轮廓和50％产量轮廓之间，因此它们都被分配中低产量范围1340。针对田地C的目标产量1430也为每英亩197.6蒲式耳。

行1455指定针对田地E的每个类别的值。田地E的排名得分1410被分配为最低分数0.12，这向田地E给出排名1415为五。0.12的排名得分1410对应于低产量范围1335。因此，针对田地E列出的被分配的预计目标产量范围1425为低“L”。针对田地E的目标产量1430为每英亩191.04蒲式耳。

5.4种子优化和建议生成

在图12的步骤1220处，服务器计算机108接收包括种子优化数据的历史农业数据第三集合。种子优化数据可以包括例如历史性能数据，该历史性能数据包括杂交种子分类数据、与某些杂交种子分类相关联的风险值、与杂交种子性能相关联的环境数据、在各种环境条件下基于杂交种子性能的种子建议以及其他如上所述的与杂交种子相关的历史农业数据。在实施例中，种子优化还可以包括基于杂交种子特性的每个杂交种子的成功概率得分的数据集。杂交种子特性可以描述针对每个杂交种子的代表性产量值和环境分类。服务器计算机108可以使用种子优化数据和在步骤1215期间确定的被分配的预计目标产量范围来针对种植者的田地中的每个田地生成田地特定的产量改善建议。例如，种子优化数据可以被用来表征每密度值的播种率。然后每密度值的播种率可以被用来建议特定杂交种子的使用，以获得被分配的预计目标产量范围。在实施例中，每密度的播种率还可以被用来建议种子种群的变化或种子密度的变化。可以通过增加或减少被递送和种植的种子袋的总数目来实现种子种群的变化。在实施例中，建议可以是维持被递送和种植的种子袋的总数目相同。可以通过增加或减少每英亩种植的种子数目来实现种子密度的变化。在实施例中，建议可以是通过维持每英亩种植的种子数目相同来维持相同的种子密度。(多个)建议可以被应用于任何数目的种植者，以用于特定田地的定制化应用。

图15A描绘了用于由种植者订购的袋数的百分比变化的示例建议图1500。在实施例中，图1500特征在于键1505，其通过与每个种植者相关联的名称和颜色代码描绘了多个种植者。根据所建议的袋订购的百分比变化1515列出每个种植者。具有袋订购的某个建议的百分比变化1515的种植者总数目的总计数1510也具有特征。在实施例中，建议可以以袋数增加、袋数减少或袋数不变为特征。

图15B描绘了针对种植者的种子密度的百分比变化的示例建议图1500。在实施例中，图1500特征在于相同的键1505，其通过与每个种植者相关联的名称和颜色代码描绘了多个种植者。根据每英亩的种子数目中所建议的种子密度的百分比变化1525列出每个种植者。在实施例中，种子数目可以是一打、数百、数千、数万或任何其他增量数目。具有种子密度的某个建议的百分比变化1525的种植者总数目的总计数1520也具有特征。在实施例中，建议可以以种子密度的增加、种子密度的减少或种子密度不变为特征。随后，建议可以在图形用户界面中被显示，并且可以作为在种植中开始袋订购或种子密度的自动变化的基础，如本文进一步所述。

5.5呈现产量改善建议

在图12的步骤1225处，服务器计算机108可以致使在耦接到服务器计算机108的显示器中显示针对每个田地的产量改善建议。在实施例中，图13A、图13B、图14、图15A和图15B中的任何图可以与产量改善建议相关联地被显示在图形用户界面中。

在实施例中，响应于生成针对田地中的每个田地的产量改善建议，服务器计算机108可以基于在步骤1220处生成的种子种群的建议改变来自动订购增加数目的、减少数目的或相同数目的种子袋。例如，如果针对特定种植者的建议是增加一个或多个田地的种子种群总数目，则服务器计算机108可以自动调整种子订单以增加被订购并递送给特定种植者的袋数。

在另一实施例中，服务器计算机108可以基于针对田地中的每个田地的种子种群的建议改变，自动地使农业机械增加、减少或维持种子类型的总种群的种植。例如，服务器计算机108可以经由网络109通信地耦接到农业装置111的驾驶室计算机115。服务器计算机108可以向农业装置111发信号以调整种植，以使得总种子种群增加。

在另一个实施例中，服务器计算机108可以基于针对田地的种子密度的建议改变，自动使农业机械增加、减少或维持每英亩计划的种子数目。例如，通信地耦接到农业装置111的驾驶室计算机115的服务器计算机108可以向农业装置111发信号以调整每英亩种植的种子的密度，以使得种子密度增加。

使用前述技术，编程的计算机系统可以传输、接收、存储和利用历史农业数据，以基于所生成的产量排名得分和预计的目标产量范围来确定产量改善建议。以前的方法涉及在没有田地特定分析或建议的情况下重复获得一般农业数据，导致在分析和计算大量信息时对诸如CPU周期、存储器和网络带宽之类的处理资源的过度使用和浪费使用。但是，本方法使用田地特定的针对性方法来减少对计算机资源的过度使用，从而提高了整体计算系统的效率。

6.功能概述—建议的针对性追溯应用

图16描绘了用于使用按田地的历史农业数据和产量改善建议来生成预测产量的示例流程图1600。在示例实施例中，流程图1600使用与图12中所描绘的技术相同或相似的技术来生成用于增加、减少或维持种子种群和/或种子密度的建议。具体地，实施例提供以接收与特定种植者有关的历史农业数据集合以及与杂交种子特性有关的历史农业数据集合。服务器计算机108可以交叉参考历史农业数据第一集合和历史农业数据第二集合以生成包括种子种群的变化和/或种子密度的变化的产量范围改善。然后，服务器计算机108可以使用建议来通过将建议应用于历史农业数据以生成针对每个田地的预测产量数据。预测产量数据是通过将建议追溯应用到种植者的历史农业数据中而生成，并且指示：如果采用了该建议，产量将是多少。随后，并行的比较可以被生成并且被显示，以将原本的产量与种植者的实际产量进行比较。

6.1数据输入

在图16的步骤1605处，服务器计算机108通过数字数据通信网络109接收历史农业数据第一集合。在示例实施例中，服务器计算机108可以与农业智能计算机系统130集成。历史农业数据第一集合可以包括例如详述了在任何数目的季节种植的每种产品的产量范围的历史产量范围数据，以及在特定种植者的一个或多个田地种植的每种产品的环境条件数据。在另一实施例中，历史农业数据第一集合还可以包括种子类型数据、种子种群数据、种植英亩数数据、作物轮换数据、种植种子的地理位置数据、从农业田地的一个或多个数字图像上导出的预测作物产量数据或任何其他农业数据。

服务器计算机108还可以接收历史农业数据第二集合。历史农业数据第二集合可以是描述了针对特定类型的杂交种子的代表性产量值的杂交种子特性的数据集，以及基于每个杂交种子的历史性能的针对每个杂交种子的环境分类。在实施例中，针对特定种植者的环境条件数据可以与针对每个杂交种子的环境分类相同或相似。例如，环境条件数据可以以描述种植者在过去三个季节内经历的干旱环境条件的数据集为特征。每个杂交种子的环境分类可以指示特定杂交种子是针对干旱环境条件而被专门分类的。在又一实施例中，历史农业数据第二集合可以包括从与种植者的田地相似的一个或多个农业田地的数字图像上导出的预测作物产量数据。

6.2建议和预测产量

在图16的步骤1610处，服务器计算机108交叉参考历史农业数据第一集合和历史农业数据第二集合，以生成针对种植者田地中的每个种植者田地的产量范围改善建议。交叉参考可以包括例如历史农业数据第一集合的环境条件数据与历史农业数据第二集合的针对每个杂交种子的环境分类的精确匹配。交叉参考还可以包括模糊匹配，具有各种通配符替换的多个不同查询、经训练的决策树或任何其他匹配技术。在实施例中，任何类型的机器学习算法都可以被用作步骤1610的一部分。

在实施例中，产量改善建议可以包括例如建议的种子种群的变化或建议的种子密度的变化。可以通过增加或减少递送和种植的种子袋的总数目来实现种子种群的变化。在实施例中，建议可以是维持被递送和种植的种子袋的总数目相同。可以通过增加或减少每英亩种植的种子数目来实现种子密度的变化。在实施例中，建议可以是通过维持每英亩种植的种子数目相同来维持相同的种子密度。(多个)建议可以被应用于任何数目的种植者，以用于特定田地的定制化应用。

在图16的步骤1615处，服务器计算机通过将产量改善建议应用于历史农业数据第一集合来生成针对田地的预测产量数据。在示例实施例中，服务器计算机108标识种植者的历史农业数据，其包括种植者所经历的环境条件数据。然后，服务器计算机108将在步骤1610生成的建议追溯应用于种植者的历史农业数据，以生成对如果实施该建议则可以实现的产量的预测。例如，如果基于种植者所经历的历史湿润环境条件，建议是在湿润环境条件下表现良好的特定杂交种子的每英亩增加1,000粒种子的种子密度，则服务器计算机108将所建议的增加应用到历史农业数据以生成预测产量数据。在该示例中，预测产量数据可以指示每英亩增加1000种子的种子密度将导致每英亩增加5蒲式耳的产量。预测数据还可以指示，如果应用此建议，则可以实现一定的产量范围。

6.3生成和显示比较

在步骤1620处，服务器计算机108使用针对田地的种植者产量数据和预测产量数据来生成比较产量数据。在实施例中，与历史数据相比，预测产量数据可以指示每个田地的产量值的减小的范围。例如，代替根据种植者的历史经验在某些田地上每英亩150蒲式耳至每英亩300蒲式耳的范围，应用建议可能会导致每英亩100蒲式耳至每英亩150蒲式耳的较小的预测范围。较小的预测产量范围允许对每个田地的产量进行更准确的评估。

在步骤1630处，服务器计算机108使在图形用户界面中在通信地耦接到服务器计算机的显示器上显示针对种植者的比较产量数据。图17描绘了示例图1700，其视觉上表示了历史产量范围与将建议追溯应用到针对多个种植者的历史产量范围而得到的预测产量范围之间的比较。在图17的示例中，图1700指示针对每个种植者1710的两个颜色编码的产量范围1705。第一范围指示历史观测范围。第二范围指示在步骤1620中确定的预测产量范围。例如，范围1715指示针对种植者9038的历史观测范围，其在每英亩270蒲式耳和每英亩155蒲式耳之间变化。对照而言，范围1720指示针对种植者9038的预测产量范围，其在每英亩180蒲式耳和每英亩125蒲式耳之间变化。

使用前述技术，经编程的计算机系统可以传输、接收、存储和利用历史农业数据，以基于所生成的产量排名得分和预计目标产量范围来确定产量改善建议。以前的方案涉及在没有田地特定分析或建议的情况下重复获取一般农业数据，导致在分析和计算大量信息时对诸如CPU周期、存储器和网络带宽的处理资源的过度使用和浪费使用。但是，本方法使用田地特定的针对性方法来减少对计算机资源的过度使用，从而提高了整体计算系统的效率。

Claims (17)

1.一种计算机实现的方法，包括：

在服务器计算机处通过数字数据通信网络来接收历史农业数据第一集合以及历史农业数据第二集合，所述历史农业数据第一集合包括针对种植者的多个田地的种植者产量数据和种植者种子放置数据，所述历史农业数据第二集合包括针对一个或多个其他田地的区域产量数据和区域种子放置数据；

使用所述服务器计算机，使用所述历史农业数据第一集合和所述历史农业数据第二集合、通过生成历史产量分布，来生成针对所述种植者的多个预计目标产量范围；

使用所述服务器计算机，针对所述种植者的所述多个田地中的每个田地，使用所述历史农业数据第一集合来生成针对所述田地的产量排名得分，并且基于所述产量排名得分来将所述多个预计目标产量范围中的预计目标产量范围分配给所述田地，以针对所述多个田地生成经分配的预计目标产量范围；

在所述服务器计算机处，接收包括种子优化数据的历史农业数据第三集合，并且基于所述经分配的预计目标产量范围和所述历史农业数据第三集合来生成针对所述多个田地中的每个田地的产量改善建议，其中所述产量改善建议包括种子种群的建议的变化或者种子密度的建议的变化；

响应于生成针对所述一个或多个田地中的每个田地的所述产量改善建议，使农业机械基于针对所述一个或多个田地的种子种群的所述建议的变化来增加、减少或者维持种子类型的总体种群的种植。

2.根据权利要求1所述的计算机实现的方法，还包括：

响应于生成针对所述一个或多个田地中的每个田地的所述产量改善建议，基于针对所述一个或多个田地的种子种群的所述建议的变化，来自动地订购增加数目的、减少数目的或者相同数目的种子袋。

3.根据权利要求1所述的计算机实现的方法，还包括：

响应于生成针对所述一个或多个田地中的每个田地的所述产量改善建议，使农业机械基于针对所述一个或多个田地的种子密度的所述建议的变化来增加、减少或者维持每英亩种植的种子的数目。

4.根据权利要求1所述的计算机实现的方法，其中生成针对所述种植者的所述多个预计目标产量范围还包括：生成低预计目标产量范围、中低预计目标产量范围、中高预计目标产量范围以及高预计产量范围。

5.根据权利要求4所述的计算机实现的方法，其中针对所述种植者的所述多个田地中的每个田地，将预计目标产量范围分配给所述田地包括：将所述低预计目标产量范围分配给所述多个田地中的第一田地，将所述中低预计目标产量范围分配给所述多个田地中的第二田地，将所述中高预计目标产量范围分配给所述多个田地中的第三田地，以及将所述高预计目标产量范围分配给所述多个田地中的第四田地。

6.根据权利要求1所述的计算机实现的方法，其中所述种子优化数据包括针对一个或多个杂交种子的成功概率得分的数据集，所述成功概率得分限定所获得的产量超过针对环境分类的平均产量特定的数量的概率。

7.一种或多种非暂态计算机可读存储介质，存储一个或多个指令，所述一个或多个指令在由一个或多个服务器计算设备执行时，使：

在服务器计算机处通过数字数据通信网络来接收历史农业数据第一集合以及历史农业数据第二集合，所述历史农业数据第一集合包括针对种植者的多个田地的种植者产量数据和种植者种子放置数据，所述历史农业数据第二集合包括针对一个或多个其他田地的区域产量数据和区域种子放置数据；

使用所述服务器计算机，使用所述历史农业数据第一集合和所述历史农业数据第二集合、通过生成历史产量分布，来生成针对所述种植者的多个预计目标产量范围；

使用所述服务器计算机，针对所述种植者的所述多个田地中的每个田地，使用所述历史农业数据第一集合来生成针对所述田地的产量排名得分，并且基于所述产量排名得分来将所述预计目标产量范围分配给所述田地，以针对所述多个田地生成经分配的预计目标产量范围；

在所述服务器计算机处，接收包括种子优化数据的历史农业数据第三集合，并且基于所述经分配的预计目标产量范围和所述历史农业数据第三集合来生成针对所述多个田地中的每个田地的产量改善建议，其中所述产量改善建议包括种子种群的建议的变化或者种子密度的建议的变化；

响应于生成针对所述一个或多个田地中的每个田地的所述产量改善建议，使农业机械基于针对所述一个或多个田地的种子种群的所述建议的变化来增加、减少或者维持种子类型的总体种群的种植。

8.根据权利要求7所述的一种或多种非暂态计算机可读存储介质，还包括：

响应于生成针对所述一个或多个田地中的每个田地的所述产量改善建议，基于针对所述一个或多个田地的种子种群的所述建议的变化，来自动地订购增加数目的、减少数目的或者维持数目的种子袋。

9.根据权利要求7所述的一种或多种非暂态计算机可读存储介质，还包括：

响应于生成针对所述一个或多个田地中的每个田地的所述产量改善建议，使农业机械基于针对所述一个或多个田地的种子密度的所述建议的变化来增加、减少或者维持每英亩种植的种子的数目。

10.根据权利要求7所述的一种或多种非暂态计算机可读存储介质，其中生成针对所述种植者的所述多个预计目标产量范围还包括：生成低预计目标产量范围、中低预计目标产量范围、中高预计目标产量范围以及高预计产量范围。

11.根据权利要求10所述的一种或多种非暂态计算机可读存储介质，其中针对所述种植者的所述多个田地中的每个田地，将预计目标产量范围分配给所述田地包括：将所述低预计目标产量范围分配给所述多个田地中的第一田地，将所述中低预计目标产量范围分配给所述多个田地中的第二田地，将所述中高预计目标产量范围分配给所述多个田地中的第三田地，以及将所述高预计目标产量范围分配给所述多个田地中的第四田地。

12.根据权利要求11所述的一种或多种非暂态计算机可读存储介质，其中所述种子优化数据包括针对一个或多个杂交种子的成功概率得分的数据集，所述成功概率得分限定所获得的产量超过针对环境分类的平均产量特定的数量的概率。

13.一种服务器计算机系统，包括：

一个或多个处理器；

一个或多个非暂态计算机可读存储介质，存储一个或多个指令，所述一个或多个指令在使用所述一个或多个处理器而被执行时，使所述一个或多个处理器执行：

在服务器计算机处通过数字数据通信网络来接收历史农业数据第一集合以及历史农业数据第二集合，所述历史农业数据第一集合包括针对种植者的多个田地的种植者产量数据和种植者种子放置数据，所述历史农业数据第二集合包括针对一个或多个其他田地的区域产量数据和区域种子放置数据；

使用所述服务器计算机，使用所述历史农业数据第一集合和所述历史农业数据第二集合、通过生成历史产量分布，来生成针对所述种植者的多个预计目标产量范围；

使用所述服务器计算机，针对所述种植者的所述多个田地中的每个田地，使用所述历史农业数据第一集合来生成针对所述田地的产量排名得分，并且基于所述产量排名得分来将所述多个预计目标产量范围中的预计目标产量范围分配给所述田地，以针对所述多个田地生成经分配的预计目标产量范围；

在所述服务器计算机处，接收包括种子优化数据的历史农业数据第三集合，并且基于所述经分配的预计目标产量范围和所述历史农业数据第三集合来生成针对所述多个田地中的每个田地的产量改善建议，其中所述产量改善建议包括种子种群的建议的变化或者种子密度的建议的变化；

响应于生成针对所述一个或多个田地中的每个田地的所述产量改善建议，使农业机械基于针对所述一个或多个田地的种子种群的所述建议的变化来增加、减少或者维持种子类型的总体种群的种植。

14.根据权利要求13所述的服务器计算机系统，其中所述一个或多个非暂态计算机可读存储介质存储一个或多个附加指令，所述一个或多个附加指令在使用所述一个或多个处理器而被执行时，使所述一个或多个处理器执行：

响应于生成针对所述一个或多个田地中的每个田地的所述产量改善建议，使农业机械基于针对所述一个或多个田地的种子密度的所述建议的变化来增加、减少或者维持每英亩种植的种子的数目。

15.根据权利要求14所述的服务器计算机系统，其中生成针对所述种植者的所述多个预计目标产量范围还包括：生成低预计目标产量范围、中低预计目标产量范围、中高预计目标产量范围以及高预计产量范围。

16.根据权利要求15所述的服务器计算机系统，其中针对所述种植者的所述多个田地中的每个田地，将预计目标产量范围分配给所述田地包括：将低预计目标产量范围分配给所述多个田地中的第一田地，将中低预计目标产量范围分配给所述多个田地中的第二田地，将中高预计目标产量范围分配给所述多个田地中的第三田地，以及将高预计目标产量范围分配给所述多个田地中的第四田地。

17.根据权利要求16所述的服务器计算机系统，其中所述种子优化数据包括针对一个或多个杂交种子的成功概率得分的数据集，所述成功概率得分限定所获得的产量超过针对环境分类的平均产量特定的数量的概率。

Images