CN113473840B - 用于实现农业田地试验的农业田地数字建模和跟踪 - Google Patents

用于实现农业田地试验的农业田地数字建模和跟踪 Download PDF

Info

Publication number
CN113473840B
CN113473840B CN202080015994.8A CN202080015994A CN113473840B CN 113473840 B CN113473840 B CN 113473840B CN 202080015994 A CN202080015994 A CN 202080015994A CN 113473840 B CN113473840 B CN 113473840B
Authority
CN
China
Prior art keywords
yield
field
data
agricultural
agricultural field
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.)
Active
Application number
CN202080015994.8A
Other languages
English (en)
Other versions
CN113473840A (zh
Inventor
T·G·拉夫
J·K·布尔
N·C·西泽克
B·瑞肯伯格
D·尚德
A·E·罗宾逊
T·赖希
H·梅里尔
A·特拉普
M·雅各布斯
T·埃尔曼
D·威廉姆斯
C·波格丹
M·拉多尼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Clemet Co ltd
Original Assignee
Clemet Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Clemet Co ltd filed Critical Clemet Co ltd
Publication of CN113473840A publication Critical patent/CN113473840A/zh
Application granted granted Critical
Publication of CN113473840B publication Critical patent/CN113473840B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C21/00—Methods of fertilising, sowing or planting
    • A01C21/005—Following a specific plan, e.g. pattern
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C21/00—Methods of fertilising, sowing or planting
    • A01C21/007—Determining fertilization requirements

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Soil Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Agronomy & Crop Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供了一种用于在一个或多个田地中实现试验的系统。在一个实施例中，农业智能计算系统接收针对多个农业田地的田地数据。农业智能计算系统至少部分地基于针对多个农业田地的田地数据，标识一个或多个目标农业田地。农业智能计算系统确定一个或多个目标农业田地是否遵守该试验。然后，农业智能计算系统接收该试验的结果数据，并且基于结果数据计算该试验的效益值。

Description

用于实现农业田地试验的农业田地数字建模和跟踪
版权说明
本专利文件的公开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出现的形式复制专利文档或专利公开，但保留所有版权或权利。克莱米特公司(The Climate Corporation)。
技术领域
本公开涉及农业田地的数字计算机建模和跟踪。具体地，本公开涉及将执行特定实践的农业田地的效益建模，标识用于实现特定实践的试验的位置，以及跟踪特定实践的执行的方法。
背景技术
本部分中描述的方法是可以采用的方法，但不一定是先前已经设想或采用的方法。因此，除非另有说明，否则不应仅仅由于包括在本部分中就假定本部分中所述的任何方法是现有技术。
田地管理者面临着做出关于农业田地管理的各种决策。这些决策包括：确定种植什么作物，种植哪种类型的作物种子，何时收获作物，是否进行耕作、灌溉、农药施用、杀真菌剂施用、肥料施用，以及施用什么类型的农药、杀真菌剂和肥料。
通常，可以通过使用不同的杂交种子、向田地施用不同的产品、或者在田地上执行不同的管理活动来改进田地的管理实践。这些改进对于仅使用有关其自己田地的信息的田地管理者来说，可能不容易标识。因此，获取关于多个田地的信息以标识种植实践、管理实践或施用实践的改进的计算机是有益的。
虽然所建议的改进可能对农业田地有用，但实现起来可能会有风险。田地管理者可以确信其实践将产生特定的结果，但是田地管理者可能无法确信遵循该建议会带来效益。
即使田地管理者同意遵循建议，该田地管理者也无法量化所达成的效益是由于不同的种植、施用或管理实践还是由于一个或多个外部因素(诸如有利的天气)所致。因此，在无法量化特定新实践的效益的情况下，田地管理者无法确定是否应在未来几年中使用这些实践。
因此，需要一种方法来标识田地可以从农业实践的改变中受益，并且开发能够证明农业实践的改变的值的试验。
发明内容
所附权利要求可以作为本公开的发明内容。
附图说明
在附图中：
图1示出了配置成执行本文所述的功能的示例计算机系统，该计算机系统和可以与该系统互操作的其他装置一起在田地环境中示出。
图2示出了当加载示例移动应用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。
图3示出了编程的过程，通过该过程，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先配置的农艺模型。
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的框图。
图5描绘了数据条目的时间线视图的示例实施例。
图6描绘了数据条目的电子表格视图的示例实施例。
图7描绘了实现试验的示例方法。在步骤702，针对多个农业田地的田地数据被接收。
图8描绘了在田地上实现测试位置的示例。
图9描绘了用于选择位置以布置测试位置的图形用户界面。
图10描绘了用于定义所选位置的示例图形用户界面。
图11描绘了用于显示与所选区域有关的信息的示例图形用户界面。
图12描绘了用于描绘试验结果的示例图形用户界面。
图13示出了由田地研究服务器执行的从确定作为目标的田地到跨种植者系统的信息分发的示例过程。
图14示出了给定杂交的作物密度与作物产量之间的示例关系。
图15示出了管理实践的示例类型。
图16示出了由田地研究服务器执行以确定用于种植者的田地或该田地的区的作物杂交的示例过程。
图17示出了由田地研究服务器执行的确定用于提升作物产量的作为目标的种植者田地的示例过程。
图18描绘了用于产生用于建议的一个或多个基于成果的(outcome-based)值的示例数据流。
图19描绘了基于成果示例的显示。
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，将明显的是，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。根据以下大纲，在各节中公开了实施例：
1.一般概述
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.实现示例—硬件概述
3.功能概述
4.所提供的田地数据
5.目标标识
6.试验设计
7.田地管理者计算设备通信
8.关联值
9.基于成果的实现
9.1.值类型
9.2.数据流
9.3.用于生成保证值的产量建模
9.4.示例基于成果的显示
9.5.示例基于成果的试验生成
9.6.示例试验建议变化实现
9.7.示例基于试验的成果通信过程
10.某些实施例的益处
11.扩展和备选
1.一般概述
本文描述了用于在一个或多个田地中实现试验的系统和方法。在一个实施例中，农业智能计算机系统通信地耦合到多个田地管理者计算设备。农业智能计算机系统接收针对多个农业田地的田地数据，并且使用田地数据来标识会从执行特定试验受益的田地。农业智能计算机系统向与所标识的田地相关联的田地管理者计算设备发送试验参与请求，这保证了参与试验的特定效益。如果田地管理者计算设备同意参与该试验，则农业智能计算机系统在标识的田地上标识用于实现该试验的位置，并且向田地管理者计算设备发送数据。农业智能计算机系统可以跟踪所标识的田地上的实践，以确定所标识的田地是否遵守试验。农业智能计算机系统可以另外接收标识试验结果的数据，并且使用该数据来计算试验的一项或多项效益。
在一个实施例中，一种方法包括：在农业智能计算系统处，接收针对多个农业田地的田地数据；至少部分地基于针对多个农业田地的田地数据，标识一个或多个目标农业田地；向与该一个或多个目标农业田地相关联的田地管理者计算设备发送试验参与请求；从田地管理者计算设备接收指示接受试验参与请求的数据；在该一个或多个目标农业田地上确定一个或多个位置用于实现试验；向田地管理者计算设备发送标识该一个或多个位置的数据；接收针对该一个或多个目标农业田地的应用数据；基于该应用数据，确定该一个或多个目标农业田地是否遵守试验；接收试验的结果数据；基于结果数据，计算试验的效益值。
2.示例农业智能计算机系统
2.1结构概述
图1被配置为执行本文所述的功能的示例计算机系统，该示例计算机系统与该系统可以与之互操作的其他装置一起在田地环境中被示出。在一个实施例中，用户102拥有、操作或者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，田地位置诸如是旨在用于农业活动的田地或用于一个或多个农业田地的管理位置。田地管理者计算机设备104被编程或者被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场土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、农场序列号(FSN)、农场编号、地带编号、田地编号、地区、乡镇、和/或范围)，(b)收获数据(例如，作物类型、作物品种、作物轮作、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、有机物(OM)、阳离子交换容量(CEC))，(d)种植数据(例如，种植日期、(多个)种子类型、(多种)所种植的种子的相对成熟度(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、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的其他物质或物质混合物、脱叶剂、或干燥剂、施用日期、量、来源、方法)，(g)灌溉数据(例如，施用日期、量、来源、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、预报、压力、能见度、云、热指数、露点、湿度、雪深度、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)侦察观测(照片、视频、自由形式的注释、语音记录、语音转录、天气条件(温度、降水(当前和长期)、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、病虫害报告以及预测源和数据库。
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，并且被编程或者被配置为经由(多个)网络109向农业智能计算机系统130发送外部数据110。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的法人或实体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的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、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的同一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以其他方式从第三方源所获得的数据类型(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可以具有被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直接或间接地通信地耦合到农业智能计算机系统130，并且被编程或者被配置为向农业智能计算机系统130发送传感器数据。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、施肥设备、包括无人驾驶飞行器的飞行器、以及通常为移动机械并且可以被用于与农业相关联的任务的任何其他项的物理机械或硬件。在一些实施例中，装置111的单个单元可以包括在装置上的网络中本地耦合的多个传感器112；控制器局域网(CAN)是可以被安装在联合收割机、收割机、喷雾机和中耕机中的这样的网络的示例。应用控制器114经由(多个)网络109通信地耦合到农业智能计算机系统130，并且被编程或者被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或器具的操作参数的一个或多个脚本。例如，控制器局域网(CAN)总线接口可以被用来支持从农业智能计算机系统130到农业装置111的通信，诸如从加利福利亚的旧金山的克莱米特公司可获得的CLIMATEFIELDVIEW DRIVE如何被使用的那样。传感器数据可以由与田地数据106类型相同的类型的信息组成。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，而是可以远程位于田地中并且可以与网络109通信。
装置111可以包括用被编程为具有驾驶室应用的驾驶室计算机115，驾驶室应用可以包括用于设备104的移动应用的版本或变体，其在本文的其他节中被进一步描述。在一个实施例中，驾驶室计算机115包括紧凑型计算机，通常是平板大小的计算机或智能电话，具有被安装在装置111的操作员驾驶室内的图形屏幕显示器(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所进一步描述的操作和功能中的一些或全部操作或功能。
(多个)网络109宽泛地表示包括局域网、广域网、互连网络或互联网的一个或多个数据通信网络的任何组合，该一个或多个数据通信网络使用包括地面链路或卫星链路的有线或无线链路中的任何链路。(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和系统的其他元件每个都包括与(多个)网络109兼容的接口，并且被编程或者被配置为使用标准化协议(诸如TCP/IP、蓝牙、CAN协议，以及诸如HTTP、TLS的更高层协议等)来跨网络通信。
农业智能计算机系统130被编程或者被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、使用或者执行一个或多个计算机程序、其他软件元件、数字地被编程的逻辑(诸如FPGA或ASIC)或其任意组合，以使用在本公开其他节中进一步描述的方式执行对数据值的转换和存储、一个或多个田地上的一种或多种作物的数字模型构建、建议和通知的生成、以及脚本的生成和脚本向应用控制器114的发送。
在一个实施例中，农业智能计算机系统130被编程为具有或者包括通信层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储存库(repository)160。在该上下文中，“层”是指电子数字接口电路、微控制器、诸如驱动程序之类的固件、和/或计算机程序或其他软件元素的任何组合。
通信层132可以被编程或者被配置为执行输入/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发送针对田地数据、外部数据和传感器数据的请求。通信层132可以被编程或者被配置为向模型和田地数据储存库160发送接收到的数据以存储为田地数据106。
表示层134可以被编程或者被配置为生成要在田地管理者计算设备104、驾驶室计算机115或者通过网络109耦合到系统130的其他计算机上被显示的图形用户界面(GUI)。GUI可以包括控件，该控件用于输入要被发送到农业智能计算机系统130的数据，生成针对模型和/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可以被编程或者被配置为管理涉及储存库160和系统的其他功能元件的读操作和写操作，包括在系统的功能元件和储存库之间被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。储存库160可以包括数据库。如本文所使用的，术语“数据库”可以是指数据体、关系数据库管理系统(RDBMS)或者是指这两者。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、以及被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、/> SERVER、/>和POSTGRESQL数据库。然而，可以使用支持本文所描述的系统和方法的任何数据库。
当田地数据106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器或农业机器设备直接被提供给农业智能计算机系统时，可以经由(由农业智能计算机系统服务的)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(由农业智能计算机系统服务的)用户设备上的地图并且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。在备选实施例中，用户102可以通过访问(由农业智能计算机系统130服务的)用户设备上的地图并且在该地图之上绘制田地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场服务局或其他源的(以形状文件或类似格式所提供的)田地标识数据来指定标识数据，并且向农业智能计算机系统提供这样的田地标识数据。
在示例实施例中，农业智能计算机系统130被编程为生成并且引起显示包括用于数据输入的数据管理器的图形用户界面。在一个或多个田地已经使用上文描述的方法被标识之后，数据管理器可以提供一个或多个图形用户界面小部件，该小部件在被选择时可以标识对田地、土壤、作物、耕作、或养分实践的改变。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对特定田地的选择和用于事件添加的特定日期。在时间线顶部所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来选择氮标签。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叠加，从而允许用户计算机输入关于氮施用、种植过程、土壤施用、耕作程序、灌溉实践、或者与特定田地有关的其他信息的数据。例如，如果用户计算机选择时间线的部分并指示氮施用，则数据条目叠加可以包括用于输入所施用的氮的量、施用日期、所使用的肥料类型、以及与氮施用有关的任何其他信息的栏。
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。在此上下文中，“程序”是指关于氮施用、种植过程、土壤施用、耕作过程、灌溉实践、或者可能与一个或多个田地有关的其他信息的数据的集合，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设置重用。在程序已经被创建之后，其可以在概念上被应用到一个或多个田地，并且该程序的引用可以与标识这些田地的数据相关联地被存储在数字存储装置中。因此，代替于手动录入与针对多个不同田地的相同氮施用有关的完全相同的数据，用户计算机可以创建指示氮的特定施用的程序，并且然后向多个不同田地施用该程序。例如，在图5的时间线视图中，顶部的两条时间线选择了“春季施用”程序，该程序包括在四月初每英亩施用150磅氮(150lbs N/ac)。数据管理器可以提供界面用于编辑程序。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被编辑。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，则基于所编辑的程序，顶部的两个田地可以被更新为具有减少的氮施用。
在一个实施例中，响应于接收到对已经选择了程序的田地的编辑，数据管理器移除该田地与所选择的程序的对应。例如，如果氮施用被添加到图5顶部的田地，则该界面可以更新以指示“春季施用”程序不再被应用于该顶部的田地。尽管四月初的氮施用可能保留，但是对“春季施用”程序的更新不会更改四月的氮施用。
图6描绘了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。如图6中所描绘，数据管理器可以包括电子表格，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描绘了正在进行的针对第二田地的目标产量值的更新。另外，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。另外，响应于接收到针对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择的程序与该田地的对应。
在一个实施例中，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所创建的数据模型。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的模型。在此上下文中，“模型”是指彼此相关联的可执行指令和数据值的电子数字存储的集合，它们能够接收程序的或其他数字的调用(call)、调用(invocation)或解析请求并且基于指定输入值来响应该程序的或其他数字的调用、调用或解析请求，以产生一个或多个被存储或被计算的输出值，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来表达模型是方便的，但是这种表达形式并不将本文公开的模型局限为抽象概念；而是，本文中的每个模型都以被存储的可执行指令和数据的形式在计算机中具有实践应用，该被存储的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，被存储在数据库表中的行中，被存储在平面文件或电子表格中，或者被存储在其他形式的被存储的数字数据中。
在一个实施例中，目标标识指令135、试验设计指令136、试验跟踪指令137和值关联指令138中的每项包括农业智能计算机系统130中主存储器(诸如RAM)的一个或多个页面的集合，可执行指令已被加载到该页面的集合中，并且该页面的集合在被执行时使得农业智能计算系统执行本文参考那些模块描述的功能或操作。例如，目标标识指令135可以包括在RAM中的页面的集合，该页面的集合包含当被执行时引起执行本文所描述的目标标识功能的指令。指令可以在CPU的指令集中的机器可执行代码中并且可以基于源代码而被编译，源代码单独或者与JAVASCRIPT中的脚本、其他脚本语言和其他编程源文本结合地以JAVA、C、C++、OBJECTIVE-C或任何其他人类可读编程语言或环境编写。术语“页面”旨在宽泛地指代主存储器内的任何区域，并且在系统中使用的特定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，目标标识指令135、试验设计指令136、试验跟踪指令137和值关联指令138中的每项还可以表示源代码的一个或多个文件或项目，该源代码的一个或多个文件或项目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系统130或分离的储存库系统中，当其被编译或者被解释时引起生成可执行指令，该可执行指令在被执行时使农业智能计算系统执行本文中参考那些模块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者组织和安排源代码用于稍后将其编译成可执行文件、或者解释成字节码或等效体以供农业智能计算机系统130执行的方式。
目标标识指令135包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使农业智能计算机系统130执行对以下的标识：将受益于实现试验的一个或多个目标田地、和/或与将受益于实现试验的田地相关联的一个或多个田地管理者计算设备和/或田地管理者帐户。试验设计指令136包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使农业智能计算机系统130在执行对农业田地上用于实现试验的一个或多个位置的标识。试验跟踪指令137包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使农业智能计算机系统130执行接收田地数据、并且基于田地数据来确定农业田地是否遵守试验的一个或多个要求。值关联指令138包括计算机可读指令，该计算机可读指令在由一个或多个处理器执行时使农业智能计算机系统130执行将值与一个或多个试验的结果关联。
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、容器化或者其他技术的被编程指令。
出于图示清楚的示例的目的，图1示出了某些功能元件的有限数目的实例。然而，在其他一些实施例中，可以有任何数目的这样的元件。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个的处理器、核心、集群、或者物理机或虚拟机的实例而被实现，被配置在离散位置或者与其他元件被共置在数据中心、共享计算设施或者云计算设施中。
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、并且使用一个或多个通用计算机而被执行的一个或多个计算机程序或其他软件元件在本文中描述的功能的实现将得通用计算机被配置为特别被适配以执行本文所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者与本文所述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公开的技能水平的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app的田地管理者计算设备104与农业智能计算机系统130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互操作，并且并不总是要求直接的用户交互。田地管理者计算设备104宽泛地表示智能电话、PDA、平板计算设备、膝上型计算机、台式计算机、工作站、或者能够传输和接收信息并且执行本文所描述的功能的任何其他计算设备中的一个或多个。田地管理者计算设备104可以使用被存储在田地管理者计算设备104上的移动应用经由网络通信，并且在一些实施例中，该设备可以使用电缆113或连接器耦合到传感器112和/或控制器114。用户102可以结合系统130一次拥有、操作或者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性。在一个示例实施例中，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app来访问移动应用。田地管理者计算设备104可以使用基于网络的协议或格式(诸如HTTP、XML和/或JSON)或者app特定的协议来向一个或多个前端服务器传输数据并且从一个或多个前端服务器接收数据。在一个示例实施例中，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，该位置跟踪硬件合软件使用诸如无线电信号的多边定位、全球定位系统(GPS)、WiFi定位系统或者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、或者请求设备上的app从操作系统获得数据，可以获得与设备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。
在一个实施例中，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，田地数据106包括或包含但不限于表示下列一项或多项的数据值：一个或多个田地的地理位置、一个或多个田地的耕作信息、一个或多个田地中所种植的作物，以及从一个或多个田地所提取的土壤数据。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102指定针对一个或多个田地的数据值。另外，当数据值中的一个或多个数据值变得对田地管理者计算设备104可用时，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可以通信地耦合到远程传感器112和/或应用控制器114，包括灌溉传感器和/或灌溉控制器。响应于接收到指示应用控制器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可以向农业智能计算机系统130发送田地数据106，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送在本公开中所标识的田地数据106，该电子数字数据使用HTTP之上的参数化URL或另一种合适的通信或消息收发协议而在计算设备之间被传送。
移动应用的商业示例是CLIMATE FIELDVIEW，从加利福尼亚州旧金山的克莱米特公司可商购。CLIMATE FIELDVIEW应用或者其他应用可以被修改、被扩展或者被适配，以包括尚未在本公开的申请日之前被公开的特征、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，该集成的软件平台允许种植者对其操作做出基于事实的决策，因为该平台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并且基于科学模型被执行，该科学模型提供潜在场景以允许种植者做出更好、更明智的决策。
图2例示出了当示例移动应用被加载以供执行时主存储器中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，以及这些区域内的被编程指令。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、数字地图簿指令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，它们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。数据类型可以包括田地边界、产量地图、种植地图、土壤测试结果、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)导出等等。接收数据可以经由手动上传、具有附件的电子邮件、向移动应用推送数据的外部API、或者调用外部系统的API来将数据拉取到移动应用中的指令而发生。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，数字地图簿指令206包括被存储在设备存储器中的田地地图数据层并且被编程为具有数据可视化工具和地理空间田地注释。这为种植者提供了触手可得的方便信息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，并且提供采取行动或集中于特定问题的及时建议。这允许种植者将时间集中在需要注意的地方，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被编程为提供用于基于科学模型和经验数据来进行种子选择、杂种布置和脚本创建(包括可变率(VR)脚本创建)的工具。这使种植者能够通过优化的种子购买、布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率(VR)肥力脚本的脚本的界面。该界面使种植者能够创建用于田间器具(诸如养分施用、种植和灌溉)的脚本。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。响应于接收到对种子类型的选择，移动计算机应用200可以显示被划分成管理区的一个或多个田地，诸如作为数字地图簿指令206的部分而被创建的田地地图数据层。在一个实施例中，管理区包括土壤区以及标识每个土壤区的面板以及针对每个区的土壤名称、质地、排水或者其他田地数据。移动计算机应用200还可以在一个或多个田地的地图之上显示用于编辑或创建这样的工具，诸如用于绘制管理区(诸如土壤区)的图形工具。种植过程可以被应用到所有管理区，或者不同的种植过程可以被应用到管理区的不同子集。当脚本被创建时，移动计算机应用200可以使该脚本可用于以由应用控制器可读的格式(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直接被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且被存储以供未来使用。
在一个实施例中，氮指令210被编程为提供通过可视化氮对作物的可用性来通知氮决策的工具。这使种植者能够通过季节期间优化的氮施用来最大化产量或投资回报。示例的被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)，来绘制肥料施用区和/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；上传现有的种植者定义的区；提供植物养分可用性的图表和/或使得能够调节跨多个区的(多个)氮施用的地图；输出脚本以驱动机械；用于海量数据录入和调整的工具；和/或用于数据可视化的地图等。在此上下文中，“海量数据录入”可以意味着录入数据一次，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；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，但是这样的海量数据录入适用于将任何类型的田地数据录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程序和氮实践程序的定义，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”是指关联以下项的被存储的数据的命名集合：名称、颜色代码或其他标识符、一个或多个施用日期、用于日期和量中的每个日期和量的材料或产品的类型、施用或掺入方法(诸如注入或播撒)、和/或针对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种等。在此上下文中，“氮实践程序”是指关联以下项的被存储的数据的命名集合：实践名称；先前的作物；耕作系统；主要耕作日期；被使用过的一个或多个先前的耕作系统；被使用过的施用类型(诸如有机肥)的一个或多个指示符。氮指令210还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规划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标志盈余的量级或短缺的量级。在一个实施例中，氮图包括计算机显示设备中的图形显示，包括：多个行，每个行与田地相关联并且标识该田地；数据，其指定什么作物在田地中被种植、田地大小、田地位置和田地周界的图形表示；在每个行中，具有图形指示符的按月时间线，其指定在与月份名称相关的点处的每个氮施用和量；以及数字和/或彩色的盈余或短缺指示符，其中颜色指示量级。
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，使得用户可以优化其氮图。然后，用户可以使用其优化的氮图以及有关的氮种植和实践程序来实现一个或多个脚本，包括可变率(VR)肥力脚本。氮指令210也可以被编程为生成并且引起显示氮地图，该氮地图指示植物对指定氮的使用规划以及是否预测了盈余或短缺；在一些实施例中，不同颜色的指示符可以标志盈余的量级或短缺的量级。使用数字和/或彩色的盈余或短缺指示符，氮图可以显示植物对指定氮的使用的预测，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)是否预测了盈余或短缺，其中颜色指示量级。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，使得用户可以优化其氮地图，诸如以获得优选量的盈余到短缺。然后，用户可以使用其优化的氮地图以及有关的氮种植和实践程序来实现一个或多个脚本，包括可变率(VR)肥力脚本。在其他一些实施例中，与氮指令210类似的指令可以被用于其他养分(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被编程为提供田地特定的最近天气数据和预报得天气信息。这使种植者能够节省时间，并且具有关于日常操作性决策得有效率的集成显示。
在一个实施例中，田地健康指令214被编程为提供及时的遥感图像，以突出显示应季的作物变化和潜在问题。示例被编程功能包括：云检查，以标识有可能的云或云阴影；基于田地图像确定氮指数；侦察层的图形可视化以及查看和/或共享侦察笔记，侦察层包括例如与田地健康有关的层；和/或从多个源下载卫星图像，并且为种植者确定图像的优先级等。
在一个实施例中，性能指令216被编程为提供使用农场数据进行评估、洞察和决策的报告、分析和洞察工具。这使种植者能够通过关于为何对投资的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来寻求来年的改进成果。性能指令216可以被编程为经由(多个)网络109向后端分析程序通信，该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、杂种、种群、SSURGO区、土壤测试属性或海拔等的度量。被编程的报告和分析可以包括产量可变性分析、处理影响估计、基于从许多种植者所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。
具有以这种方式配置的指令的应用可以针对不同的计算设备平台而被实现，同时保持相同的通用用户界面外观。例如，移动应用可以被编程，以供在平板、智能电话、或者使用客户端计算机处的浏览器所访问的服务器计算机上执行。此外，被配置为用于平板计算机或智能电话的移动应用可以提供适合用于驾驶室计算机115的显示和处理能力的完整的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、远程查看指令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)的相同，并且实现代码的可执行文件可以被编程为检测这些可执行文件正在之上执行的平台的类型，并且以通过图形用户界面仅暴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识别出适合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。远程查看指令224可以被编程为开启、管理机器活动的视图，并且实时地或近实时地经由无线网络、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这些机器活动的视图。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所收集的数据，并且提供经由无线网络、有线连接器或适配器等向系统130传送这些数据。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方式传送，这些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所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提供向系统130传送这些基于位置的侦察观测结果。
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，包括表示针对一个或多个田地的土壤组成的土壤数据和表示一个或多个田地上的温度和降水的天气数据。天气数据可以包括过去和当前的天气数据以及对未来天气数据的预报。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，第一服务器可以包含土壤组成数据，而第二服务器可以包括天气数据。另外，土壤组成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。
在一个实施例中，远程传感器112包括被编程或者被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、车辆传感器、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。在一个实施例中，应用控制器114被编程或者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还可以被编程或者被配置为控制农业车辆或器具的操作参数。例如，应用控制器可以被编程或者被配置为控制车辆(诸如拖拉机)、种植装备、耕作装备、肥料或杀虫剂装备、收割机装备或者其他农场器具(诸如水阀)的操作参数。其他一些实施例可以使用传感器和控制器的任何组合，以下仅仅是其被选择的示例。
系统130可以在用户102的控制下海量地从已经将数据贡献给共享数据库系统的大量种植者那里或者摄取数据。当一个或多个用户控制的计算机操作被请求或者被触发以获得供系统130使用的数据时，这种获得数据的形式可以被称为“手动数据摄取”。例如，从加利福尼亚州旧金山的克莱米特公司可商购的CLIMATE FIELDVIEW应用可以被操作将数据导出到系统130，以供存储在储存库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主干网和用于注册和/或诊断的点对点连接。种子监视器系统可以被编程或者被配置为经由驾驶室计算机115或者系统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和美国专利公开20150094916中公开了示例，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用于收割机装置的产量传感器，该产量监视器系统向驾驶室计算机115或系统130内的其他设备发送产量测量数据。产量监视器系统可以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，并且经由驾驶室计算机115或系统130内的其他设备向用户传输这些测量结果。
在一个实施例中，可以与在本文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定位传感器。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。定位传感器可以包括GPS接收器或收发器、或者被编程为基于附近的WiFi热点来确定位置的基于WiFi的定位或地图制作app等等。
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(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；挂钩定位控制器；或提供自动转向的车轮定位控制器。
在一个实施例中，可以与诸如播种机、条播机或空气播种机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、电磁或冲击传感器；下压力传感器，诸如负载销、负载传感器、压力传感器；土壤属性传感器，诸如反射率传感器、水分传感器、电导率传感器、光学残留传感器或者温度传感器；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；或者农药施用传感器，诸如光学或其他电磁传感器、或者冲击传感器。在一个实施例中，可以与这样的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，诸如用于与液压缸相关联的阀的控制器；下压力控制器，诸如与气压缸、安全气囊或者液压缸相关联的阀的控制器，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者刈幅控制离合器；杂种选择控制器，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向排种器或中央散装料斗运送种子或者从排种器或中央散装料斗运送种子；计量控制器，诸如电动排种器驱动马达或者液压排种器驱动马达；种子输送机系统控制器，诸如用于带式种子运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；或者农药施用率控制器，诸如计量驱动控制器、孔口尺寸或定位控制器。
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：用于诸如柄或盘的工具的定位传感器；用于这种工具的工具定位传感器，该定位传感器被配置为检测深度、耙组角或者横向间距；下压力传感器；或者牵引力传感器。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定位控制器，诸如被配置为控制工具深度、耙组角或者横向间距的控制器。
在一个实施例中，可以与用于施用肥料、杀虫剂、杀真菌剂等的装置(诸如播种机上启动肥系统、底土肥料施用器、或肥料喷雾机)相关联使用的传感器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；指示哪个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；分段或系统范围的供应线传感器，或行专用的供应线传感器；或运动学传感器，诸如被安置在喷雾机喷杆上的加速度计。在一个实施例中，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；被编程以控制压力、流量、方向、PWM等的阀控制器；或定位致动器，诸如针对喷杆高度、底土层深度或动臂定位。
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定位传感器、电容式流量传感器、负载传感器、重量传感器、或者与升降机或螺旋钻相关联的扭矩传感器、或光学或其他电磁谷物高度传感器；谷物水分传感器，诸如电容式传感器；谷物损失传感器，包括冲击、光学或电容式传感器；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、台面板间隙传感器、进料器速度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、闸瓦间隙或颖壳筛间隙传感器；针对定位、操作或速度的螺旋钻传感器；或者引擎转速传感器。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：针对诸如割台高度、割台类型、台面板间隙、进料器速度或拨禾轮速度等元素的割台操作标准控制器；以及针对诸如凹板间隙、转子速度、闸瓦间隙或颖壳筛间隙的特征的分离器操作标准控制器；或者针对定位、操作或速度的螺旋钻控制器。
在一个实施例中，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、或者针对螺旋钻定位、操作或速度的传感器。在一个实施例中，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定位、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的示例可以被安装在无人驾驶飞行器(UAV)装置或“无人机”中。这样的传感器可以包括具有检测器的相机，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。这样的控制器可以包括引导或马达控制装置、控制表面控制器、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。。在美国专利申请号14/831,165中公开了示例，并且本公开假定了解其他专利公开。
在一个实施例中，传感器112和控制器114可以被贴附到土壤采样和测量装置，该装置被配置或者被编程为对土壤采样并且执行土壤化学测试、土壤水分测试，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。
在一个实施例中，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，可以使用公布的国际申请WO2016/176355A1中公开的装置，并且本公开假定具有该专利公开的知识。
2.4.过程概述-农艺模型训练
在一个实施例中，农业智能计算机系统130被编程或者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属性，农艺属性描述可能影响田间一种或多种作物生长的条件或一种或多种作物的特性，或其描述两者。另外，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。农艺因素还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可以使用预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属性。预配置的农艺模型基于先前所处理的田地数据，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被交叉验证，以确保模型的准确度。交叉验证可以包括与地面实况的比较，该比较将预测结果与田地上的实际结果相比较，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相比较，或者将氮含量的估计与土壤样本测量相比较。
图3例示出了被编程的过程，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可以充当用于将农业智能计算机系统130的功能元件编程为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被配置或者被编程为实现对从一个或多个数据源所接收的田地数据的农艺数据预处理。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，可以对从一个或多个数据源所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离群值。农艺数据预处理的实施例可以包括但不限于：去除通常与离群值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，被用来去除或降低来自噪声的加性或乘性效应的数据平滑、聚合或采样技术，以及被用来提供正数据输入和负数据输入之间的清楚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被配置或者被编程为使用经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，基于自然选择和遗传学的进化原理，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被配置或者被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且使用针对所创建的农艺模型的特定质量阈值来评估特定的田地数据集。可以使用一种或多种比较技术来比较和/或验证农艺模型，诸如但不限于留一交叉验证均方根误差(RMSECV)、均值绝对误差和均值百分比误差。例如，RMSECV可以通过比较由农艺模型创建的预测农艺属性值与被收集并且被分析的历史农艺属性值来对农艺模型进行交叉验证。在一个实施例中，农艺数据集评估逻辑被用作反馈回路，其中不满足所配置的质量阈值的农艺数据集在未来的数据子集选择步骤期间被使用(框310)。
在框320处，农业智能计算机系统130被配置或者被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被配置或者被编程为存储预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。专用计算设备可以被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这些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，该一个或多个硬件处理器被编程为以固件、存储器、其他存储装置或者组合来根据程序指令执行这些技术。这样的专用计算设备还可以将定制的硬连线逻辑、ASIC或者FPGA与定制的编程相结合来达成这些该技术。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，或者是并入硬连线和/或程序逻辑以实现这些技术的任何其他设备。
例如，图4是例示出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或者用于传送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还包括耦合到总线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)，用于存储信息和要由处理器404执行的指令。主存储器406还可以被用于在执行要由处理器404执行的指令期间存储临时变量或其他中间信息。当这样的指令被存储在处理器404可访问的非瞬态存储介质中时，将计算机系统400渲染成被定制为执行指令中所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用于处理器404的指令。诸如磁盘、光盘、固态驱动器的存储设备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)之的显示器412，用于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耦合到总线402，用于向处理器404传送信息和命令选择。另一类型的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，用于向处理器404传送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线(第一轴线(例如x)和第二轴线(例如y))上具有两个自由度，这允许设备指定平面中的定位。
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所述的技术，它们与计算机系统结合使计算机系统400成为专用机器或者将计算机系统400编程为专用机器。根据一个实施例，本文的技术由计算机系统400响应于处理器404执行主存储器406中所包含的一个或多个指令的一个或多个序列来执行。这样的指令可以从另一存储介质(诸如存储设备410)被读取到主存储器406中。执行主存储器406中所包含的指令的序列使处理器404执行本文所描述的处理步骤。在备选实施例中，可以使用硬连线电路装置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”是指存储使得机器以特定方式操作的数据和/或指令任何非瞬态介质。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。传输介质参与存储介质之间的信息传送。例如，传输介质包括同轴电缆、铜线和光纤，包括构成总线402的导线。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所生成的那些声波或光波。
各种形式的介质可以参与将一个或多个指令的一个或多个序列携带到处理器404以供执行。例如，指令最初可以被承载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，并且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承载的数据，并且适当的电路装置可以将数据置于总线402上。总线402将数据承载到主存储器406，处理器404从主存储器406取回并且执行指令。由主存储器406接收的指令可以可选地在处理器404执行之前或之后被存储在存储设备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提供耦合到网络链路420的双向数据通信，网络链路420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，或者提供到对应类型的电话线的数据通信连接的调制解调器。作为另一示例，通信接口418可以是提供到兼容的LAN的数据通信连接的局域网(LAN)卡。无线链路也可以被实现。在任何这样的实现中，通信接口418发送和接收电信号、电磁信号或者光信号，这些信号承载表示各类信息的数字数据流。
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或者向由互联网服务提供商(ISP)426操作的数据设备提供通过本地网络422的连接。ISP426转而通过现在通常称为“互联网”428的全球分组数据通信网络来提供数据通信服务。局域网422和互联网428两者都使用承载数字数据流的电信号、电磁信号或者光信号。通过各种网络的信号和在网络链路420上并且通过通信接口418的信号是传输介质的示例形式，这些信号承载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的数据。在互联网示例中，服务器430可以通过互联网428、ISP 426、本地网络422和通信接口418来传输所请求的针对应用程序的代码。
所接收的代码可以在其被接收时由处理器404执行，和/或被存储在存储设备410或者其他非易失性存储器中以供稍后执行。
3.功能概述
本文描述了用于在一个或多个田地中实现试验的系统和方法。如本文所用的，试验是指在农业田地的部分中进行一个或多个不同的农业活动，以便标识执行一个或多个不同的农业活动的益处或害处。作为示例，可以在农业田地中选择子田地地区以实现杀真菌剂试验。在该子田地地区内，作物可以接收对杀真菌剂的施用，而田地的其余部分和/或田地上的其他子田地地区不接收杀真菌剂的施用。备选地，该田地的其余部分可以接收杀真菌剂的施用，而对该子田地区域内的作物不接收杀真菌剂的施用。田地的执行一个或多个不同农业活动的子田地地区在本文中称为测试位置。在一些实施例中，不包括不同农业活动的子田地区域也可以被分配，并被称为测试位置。
在一个实施例中，农业田地的该部分包括整个田地，使得试验包括针对农业田地上正在被执行的一个或多个不同实践的建议。本文进一步描述了利用农业田地的一部分或全部的实现。
可以进行试验来测试新产品、不同管理实践、不同作物或其任意组合的功效。例如，如果田地通常不接收杀真菌剂的施用，则可以设计在田地的所选部分内的作物的发育期间作物接收一次或多次杀真菌剂的试验。作为另一示例，如果通常以常规方式耕作田地，则可以设计田地的所选部分不被耕作的试验。因此，可以实现试验来确定是否遵循管理实践建议，而不必局限于测试特定产品的功效。附加地或备选地，可以设计试验来比较两种不同类型的产品、种植率、设备和/或其他管理实践。
试验可以受一个或多个规则约束。试验可以要求一个或多个测试位置具有特定的大小和/或布置在特定的位置。例如，该试验可以要求将一个或多个测试位置布置在条件与田地的其余部分相当的田地地区中。如本文所用，测试位置是指农艺田地的地区，该区域接受不同于周围地区的处理的一个或多个处理。因此，测试位置可以指代农艺田地上任何形状的土地。附加地或备选地，试验可以要求将一个或多个测试位置布置在条件与田地的其余部分不同的田地地区中和/或跨不同类型的条件的田地区域中。试验可以要求在一个或多个测试位置进行一个或多个不同的管理实践。例如，作为播种不同类型杂交种子的测试的一部分，试验可以要求特定的播种率。
图7描绘了实现试验的示例方法。在步骤702，针对多个农业田地的田地数据在农业智能计算系统处被接收。例如，农业智能计算系统可以跟踪与多个不同的田地管理者相关联的田地的发展。服务器可以通过网络从田地管理者计算设备、远程传感器和/或外部计算系统接收针对多个田地的数据。本文进一步描述了田地数据的类型和获取田地数据的方法。
在步骤704，至少部分地基于针对多个农业田地的田地数据，一个或多个目标农业田地被标识。农业智能计算系统可以被编程或被配置为直接标识田地和/或将田地管理者帐户标识为用于发送试验请求消息的目标帐户。通常，农业智能计算系统可以基于接受试验的可能性、执行试验的田地的可能的效益、检测到对执行试验的田地的效益的可能性、以及试验的一般适用性来选择目标农业田地。标识田地的方法在本文中进一步描述。
在步骤706，试验参与请求由农业智能计算系统发送给与一个或多个目标农业田地相关联的田地管理者计算设备。试验参与请求可以标识作为试验的一部分的产品和/或要进行的一个或多个管理实践。试验参与请求还可以包括参与试验的成本或效益。本文将进一步描述试验参与请求。
在步骤708，指示对试验参与请求的接受的数据从田地管理者计算设备被接收。例如，农业智能计算系统可以通过在田地管理者计算设备上执行的图形用户界面来接收指示对试验参与请求的接受的选项的选择。
在步骤710，一个或多个目标农业田地上用于实现试验的一个或多个位置被确定。农业智能计算系统可以基于田地中能够执行试验的地区、在每个位置中执行试验的效率、试验对其他位置的适用性和/或执行试验的田地的效益来标识田地上用于实现试验的测试位置。本文进一步描述了确定用于实现试验的测试位置的方法。
在步骤712，标识一个或多个位置的数据被发送给田地管理者计算设备。例如，农业智能计算系统可以使地图显示在客户端计算设备的显示器上，其中该地图标识一个或多个测试位置以及指示要应用于该测试位置的产品和/或管理实践的数据。附加地或备选地，农业智能计算系统可以生成用于一个或多个田地上的田地器具的一个或多个脚本，该一个或多个脚本使田地器具在一个或多个位置中施用产品和/或管理实践。数据可以附带有用于实现试验的指令。本文进一步描述了用于向田地管理者计算设备标识一个或多个测试位置的方法。
在步骤714，针对一个或多个目标农业田地的应用数据由农业智能计算系统接收。例如，田地器具和/或远程传感器可以测量随着种植的种群比率(population rate)、农药的施用、杀真菌剂的施用和/或肥料的施用、灌溉、耕作、或者与一种或多种作物的生长相关联的产品、管理方法或值的任何其他应用。附加地或备选地，田地管理者可以通过在田地管理者计算设备上执行的图形用户界面来向农业智能计算系统标识管理、种植和/或应用实践。
在步骤716，基于应用数据，确定一个或多个目标农业田地是否遵守试验。例如，农业智能计算系统可以确定是否已经在适当的定位并且利用适当的种植、产品和/或管理规则实现了适当大小的测试位置。如果一个或多个目标农业田地不遵守该试验，则农业智能计算系统可以确定更新试验的方式，以使田地管理者有机会遵守该试验。例如，如果田地管理者在被选择用于试验的位置中种植了不正确的种群比率，则农业智能计算系统可以标识用于实现部分或全部试验的新位置，并且向田地管理者计算设备发送标识新位置的数据。
在步骤718，计算系统接收针对试验的结果数据。例如，如果田地遵守初始试验或已更新的试验，则农业智能计算系统可以接收一个或多个测试位置和田地的一个或多个其他部分的产量数据和/或利润数据。附加地或备选地，一个或多个单独的计算设备可以在向农业智能计算机系统发送效益值之前执行计算产量数据和计算效益值的步骤。结果数据可以由田地管理者计算设备和/或一个或多个器具或传感器发送。例如，一个或多个田地的卫星图像可以用于计算针对一个或多个田地和测试位置的位置两者的总产量和/或推断作物状态。
在步骤720，基于结果数据，针对试验的效益值被计算。例如，农业智能计算机系统可以将效益值计算为结果数据的函数。效益值可以包括标识产量增加、利润增加、投入成本或时间节省和/或作物质量增加的值。基于效益值，农业智能计算系统可以确定是否发出针对试验的返款(rebate)、请求额外资金或以其他方式和与田地管理者计算设备相关联的田地管理者交换值。
图7描绘了实现试验的一种示例方法。其他示例可以包括更少或更多的步骤。例如，农业智能计算系统可以执行图7的步骤，但没有步骤706和708，从而提供了目标标识、位置标识和跟踪试验的效益，而无需与田地管理者计算设备进行交互。作为另一种备选，农业智能计算系统可以向田地管理者计算设备发送多种有可能的试验类型，并具有选择试验类型中的一种或多种试验类型用于在田地上实现的选项。
本文所使用的田地管理者计算设备可以充当田地管理者与农业智能计算系统之间的通信设备和/或作为田地器具的控制器。因此，农业智能计算系统可以向田地管理者计算设备发送指令，该指令在由田地管理者计算设备执行时，引起控制田地上的器具实现试验和/或收集田地数据。与田地器具的直接通信可以用于绕过与田地管理者的通信。例如，在步骤712中，标识用于实现试验的位置的数据可以被发送给充当田地器具(例如播种机或喷雾机)的控制器的田地管理者计算设备，从而使田地器具在所标识的位置执行试验，诸如通过根据试验规定种植种子或进行喷洒处理。田地管理者计算设备可以包括与农业智能计算系统通信的单个计算设备，或者包括在过程的不同步骤与农业智能计算系统通信的多个计算设备。例如，第一计算设备可以在步骤706中接收试验参与请求，而第二计算设备可以在步骤712中接收位置数据。
4.所提供的田地数据
在一个实施例中，农业智能计算系统通过网络与多个田地管理者计算设备通信。多个田地管理者计算设备中的每个田地管理者计算设备可以与一个或多个田地相关联。例如，农业智能计算系统可以存储针对多个不同用户账户的账户信息。田地管理者计算设备可以登录到特定用户帐户以与农业智能计算系统通信。该用户帐户可以包括标识与该用户帐户相关联的一个或多个田地的数据。
农业智能计算系统可以从田地管理者计算设备接收关于一个或多个田地的数据。附加地或备选地，农业智能计算系统系统可以从一个或多个田地上的或附近的一个或多个远程传感器、一个或多个卫星、一个或多个载人无人飞行器(MAV或UAV)、一个或多个便携式传感器和/或一个或多个外部数据服务器，接收关于与田地管理者计算设备相关联的一个或多个田地的信息。数据可以包括田地描述、土壤数据、种植数据、肥料数据、收获和产量数据、作物保护数据、病虫害数据、灌溉数据、平铺(tiling)数据、图像、天气数据以及附加管理数据。
田地描述可以指田地位置、田地总英亩数、田地的形状和边界、田地的海拔和地形可变性、田地的耕作历史、田地的作物轮作历史、田地的病害史、田地作物保护、田地农场装备使用历史以及关于田地操作者的数据。可以使用GPS坐标或标识田地位置的任何其他数据来标识田地位置。地形可变性可能包括海拔以及坡度差异、曲率以及该田地地区的一种或多种复合地形指数。耕作历史可以包括耕作类型、深度和/或时间安排。作物轮作历史可以包括对田地上每个点所种植的过去作物的标识和/或标识轮作是规则的还是不规则的数据。农场装备使用历史可以包括耕作、种植、施用和收获装备的标识。田地操作者数据可以标识在田地执行活动的一个或多个人员、操作或服务提供方。
土壤数据可以包括空间和/或时间上变化的子田地土壤水分、连续的子田地土壤温度、水流在田地上的连续涡动协方差、子田地土壤质地(包括土壤的分类和/或沙子、淤泥和/或粘土的百分比、子田地土壤pH、田地土壤有机物、田地土壤阳离子交换容量)、土壤测试数据(包括土壤收集位置、土壤收集日期、采样程序、处理日期、处理设施的标识、和/或处理和/或收集土壤的一个或多个人的标识)、附加土壤化学数据、土壤容重和/或缓冲容量。可以通过来自以下项的输入来接收土壤数据：田地管理者计算设备，与测试设施相关联的一个或多个服务器，一个或多个远程或近端连接的传感器，土壤水分、土壤温度和/或其他土壤化学或物理参数的一个或多个模型、和/或一个或多个土壤信息数据库(例如SSURGO土壤数据库)。
种植数据可以包括作物类型、种子产品信息(例如杂交数据)、品种、种子处理、相对成熟度、成熟度的生长天数、抗病性等级和/或稳定性、深度和行距、所种植的种子种群、预期的种子种群、种植的时间和日期、经空间索引的播种率、目标产量、种植装备数据(例如类型、能力和尺寸)、使用或未使用种子牢固剂、开始的肥料数据、补种数据、存在的试验和/或其他实验、以及种植的形状和边界。
肥料数据可以包括肥料的施用日期、施用的混合物的类型、施用位置、施用量和目标比率、肥成分、施用方法、肥料施用装备数据(例如类型、能力和尺寸)和/或施用成本。
收获和产量数据可以包括收获日期和时间、按位置和/或田地的产量、诸如玉米等产物的壳重、测试重量、田地上所使用的联合收割机数目、产量监视数据(诸如校准参数、速度和割台高度)、升降机测量值(诸如，负载湿重和水分)、秆完整性、由于秆完整性问题而导致的量化产量损失、装备数据(例如类型、能力和尺寸)、残留物管理数据(诸如打捆数据、早期林分计数、包括根倒伏和茎秆衰竭的倒伏数据)、绿裂(greensnap)数据、白色霉菌数据、黄色闪光(yellow flash)数据和/或收获的形状和边界。
作物保护数据可以包括作物保护化学物质的施用日期和时间、施用类型、作物保护化学物质和/或佐剂的化学组成、载体体量、化学物质的施用率、载体溶液比率、田地上的施用位置、施用方法、犁沟内肥料和/或杀虫剂的用户、装备数据(例如类型、能力和尺寸)和/或施用成本。
病虫害数据可以包括在植物组织、残留物和土壤中的子田地病原体存在、昆虫引起的生物胁迫的损害类型和程度、和/或病原体引起的生物胁迫的损害类型和程度。损害程度可以被标识为低、中或高，或者被标识为一个或多个数字等级。生物胁迫和病原体存在可以被测量和/或建模。
灌溉数据可以包括灌溉的存在、灌溉系统类型、灌溉时间、灌溉量、灌溉施肥的使用和/或灌溉施肥的类型和量。
平铺数据可以包括平铺的存在、平铺系统类型、平铺系统地图、平铺系统流导、和/或平铺线中的流速或液面。
图像可以包括叶片病害和胁迫的叶级照片、受胁迫植物的叶级和田地级照片、跨一个或多个视觉带的田地的卫星图像和/或田地上的位置的任何其他图像。田地的图像还可以包括被分配给图像的部分的损害的量化。图像可以基于可见光和/或可见光光谱之外的光带。
天气数据可以包括：历史、当前和/或预测的降雨数据，例如降雨量和降雨位置；历史、当前和/或预测温度，包括每小时温度、最高和最低温度，白天温度和夜间温度；露点；湿度；风速；风向；太阳辐射以及白天和夜间的天空覆盖；天气对产量的影响；冰雹的存在；直线风；龙卷风和/或强降水和/或冬季的冻结深度。
附加管理数据可以包括与作物的管理和护理有关的任何附加数据，诸如施用、处理和观测。观测结果可以包括观测到的干旱、观测到的积水、观测到的排水、观测到的作物覆盖和/或观测到的对作物的损害。
5.目标标识
至少部分地基于关于与多个田地管理者计算设备相关联的多个田地的数据，农业智能计算系统可以选择一个或多个特定田地来执行实验性试验。农业智能计算系统可以考虑诸如以下的因素：对实现实验性试验的田地的已建模的效益、与田地相关联的历史风险容忍度、使用田地实现实验性试验的有用性、检测到实现对实验性试验的田地的效益的可能性、与田地相关联的操作能力、关于田地使用特定装备或机械、和/或在田地上所标识的现有或先前的实验。这些因素中的每个因素将在本文中进一步描述。在本申请的第5.1节中以及在美国专利公开号2019-0357425A1中描述了用于标识目标田地的另外的方法。
在一个实施例中，农业智能计算系统将对实现实验性试验的田地的效益建模。例如，农业智能计算系统可以标识用于执行杀真菌剂施用试验的一个或多个田地。农业智能计算系统可以标识过去曾经被真菌破坏和/或未来有可能被真菌破坏的一个或多个田地。农业智能计算系统还可以确定将通过施用特定的杀真菌剂而产生或受益的田地的产量和/或田地的总利润。农业智能计算系统还可以确定通过施用特定的杀真菌剂的田地的产量和/或利润效益，其基于以下项有可能可检测：产量和/或利润效益的大小、整个田地的产量和/或效益的可变性、和/或田地的大小以及试验或测试区域的大小。基于该确定，农业智能计算系统可以将该一个或多个田地标识为杀真菌剂施用试验的良好候选。
农业智能计算系统可以基于田地的响应性和对产品性能的分析来将对田地的效益建模。例如，通过对产品的不同试验，农业智能计算系统可以确定该产品平均将响应田地的产量增加第一数量，而将非响应田地的产量平均增加第二数量。可以基于先前的实践和产量的改变来确定田地的响应性。例如，当管理实践改变时，响应性较高的田地将具有更高的产量改变，而当管理实践改变时，响应性较低的田地将具有较低的产量改变。农业智能计算系统可以基于先前的实践、先前的产量数据以及来自一个或多个田地的其他田地数据，来确定特定田地不同地区的响应性。然后，农业智能计算系统可以确定将产品施用于田地的响应部分和非响应部分的有效性。
农业智能计算系统可以标识具有可能影响作物产量的一个或多个事件的风险的一个或多个田地。例如，病害风险可以基于被建模或被测量的土壤水分、田地中积水的存在、被测量或被建模的周围环境温度、被测量或被建模的周围环境湿度、被记录或被建模的作物遗传学、被记录或被建模的种植日期、田地的卫星图像和/或田地的热成像。在专利公开号2019-0156437A1和2019-0156255A1中描述了标识具有一个或多个事件的风险的田地的示例。
另外，农业智能计算系统可以标识增加或减少一个或多个事件的风险的管理实践。病害控制的示例包括对灌溉、作物轮作、耕作方法、植物遗传学和种植率的使用。另外，农业智能计算系统可以标识增加或减少一个或多个事件的风险的环境因素。病害控制的示例包括土壤有机物百分比、土壤pH值和其他土壤养分浓度。农业智能计算系统可以使用环境因素来确定哪些田地处于风险中，并基于风险百分比或所计算的风险损害的严重性来选择田地。
尽管关于特定产品的施用描述了实施例，但是还可以基于来自一个或多个建议的对该田地的其他有可能的效益来标识田地。例如，如果农业智能计算系统确定在田地的特定地区中较高的播种率有可能增加作物的产量，则农业智能计算系统可以选择用于执行播种率增加试验的田地。
还可以基于田地的产量数据的统一性、可变性和可预测性来标识田地。例如，如果农业智能计算系统确定田地在短长度尺度和/或区中具有较低的产量可变性，而在较长长度尺度和/或区之间具有较高的产量可变性，则农业智能计算系统可以选择该田地和/或特定的区用于执行试验。
在一个实施例中，农业智能计算系统确定与田地相关联的历史风险容忍度。例如，田地的先前实践可以指示田地管理者对可能会增加土地的平均产量的有风险的活动具有更高的容忍度。指示较高风险容忍度的实践示例包括：种植较少的种子杂交或品种，种植被设计成在最优条件下产生较高产量但在非最优条件下产生较低产量的杂交或品种，与最佳管理实践相比不充分采用虫害防治措施的历史趋势，首次种植新产品的田地的百分比，田地上的实验的数量，使用的播种密度高于周围县或地区的平均值，种子选择或种子性状包与周围县或地区的典型情况相比有很大差异，相对先进和/或可能未经验证类型的装备(例如可变率能力)，能够提供晚季氮的施用装备，和/或播种机上的主动下压力管理系统，以及对社交媒体上的风险较高的活动的参考。另外，农业智能计算系统可以从田地管理者计算设备接收指示关于一个或多个田地的风险容忍度的调查数据。
风险容忍度通过田地管理者选择一项或多项先前的试验来指示。例如，如果田地管理者已经同意在先前的季节期间执行试验，则农业智能计算系统可以将田地标识为当前试验的良好候选。附加地或备选地，农业智能计算系统可以存储已经指示有兴趣参与未来试验的账户、田地和/或田地管理者的列表。例如，农业智能计算系统可以使界面显示在田地管理者计算设备上，该界面请求关于田地管理者是否愿意参与未来试验的指示。如果农业智能计算系统系统接收到肯定指示，则农业智能计算系统可以更新该列表以指示田地管理者已经指示对参与未来试验的意愿。
农业智能计算系统可以被编程或被配置为个体地和/或组合地考虑这些因素。例如，农业智能计算系统可以被编程为标识具有专用于新产品的最高百分比的田地。附加地或备选地，农业智能计算系统可以被编程或被配置为选择包括多于阈值数目的实验并且与一个或多个其他有风险活动相关联的田地。在一个实施例中，农业智能计算系统计算风险容忍值。风险容忍值可以被计算为以上因素中的任何因素的函数。作为一个简单的示例，风险容忍度方程可以包括：
Rt＝S+N+Ex+D+Y+Eq+M
其中Rt是风险容忍度，S是基于种子中特定性状的存在而增加的值，N是基于使用新产品的田地的百分比而增加的值，Ex是随着在田地上所标识的实验的数目而增加的值，D是随田地播种数量与县平均水平之间的差异而增加的值，Y是基于产量可变性的可预测性而增加的值，Eq是基于特定类型装备的存在而增加的值，而M是对社交媒体上的有风险活动的参考而增加的值。这些因素可以被加权，使得某些因素比其他因素更为重要。尽管上面显示的示例是累加的，但是其他一些实施例也可以包括估计风险的其他方法，例如乘法风险容忍度方程，例如：
Rt＝S*N*Ex*D*Y*Eq*M*R0
其中R0是基础风险率。
在一个实施例中，农业智能计算系统确定使用田地来实现实验性试验的有用性。使用该田地的有用性是指试验对一个或多个其他位置的适用性。例如，在具有独特特性的田地上执行试验时，试验可能不太有用，使得被测动作的益处不适用于更广泛的位置。因此，出于特定试验的目的，农业智能计算系统可以被编程为标识具有与其他田地相似的特性的田地。例如，对于杀真菌剂试验，农业智能计算系统可以标识具有与其他田地相似的积水条件、平均温度、土壤水分和降雨的田地。作为另一示例，可以基于与该地区的其他田地的土壤条件相似的土壤条件(诸如沙子、淤泥和粘土的百分比)来选择用于肥料试验的田地。
农业智能计算系统还可以基于指示所计划的实践的数据来确定有用性。指示所计划的实践的数据可以直接从田地管理者计算设备被接收和/或从先前的实践被推断。例如，农业智能计算系统可以存储针对田地的先前种植数据，该先前种植数据指示过去三年中已经在特定田地上种植了作物的特定杂交。基于所存储的先前种植数据，农业智能计算系统可以确定在过去的三年中已经在特定的田地上种植了特定的杂交。然后，农业智能计算系统可以确定不同的杂交可以增加作物产量，降低成本，提高作物质量和/或以其他方式使特定田地受益于特定杂交。
该试验对一个或多个其他位置的适用性可以基于该田地的过去事件。例如，农业智能计算系统可以标识由于特定虫害而曾具有低产量的多个田地。农业智能计算系统可以基于多个田地中的一个或多个田地由于特定虫害而遭受大约平均产量损失，而将该一个或多个田地标识为试验的候选。
在一个实施例中，农业智能计算系统确定与田地相关联的操作能力。例如，田地管理者计算设备可以向农业智能计算系统发送关于田地上的设备的数据。数据可以指示设备的类型、设备的能力以及设备的数目。如果农业智能计算系统确定田地上的设备与试验的设备要求不匹配，则农业智能计算系统可以不选择该田地。例如，田地管理者计算设备可以确定在特定大小的田地上使用了两个联合收割机。如果试验要求特定大小的田地最多有一个联合收割机，则农业智能计算系统可以不选择该田地作为参与该试验的候选。
在一个实施例中，农业智能计算系统标识田地上现有的或先前的实验的证据。基于该田地的现有或先前的实验的证据，农业智能计算系统可以选择该田地作为执行试验的候选。农业智能计算系统可以基于与田地的其余部分不同地被处理的田地的部分，来标识实验的证据。例如，农业智能计算系统可以标识田地中已经接收到不同种子类型、播种种群和/或产品施用(例如肥料和农药)的位置。如果做出确定田地包含一个或多个实验，则农业智能计算系统可以选择该田地作为参与试验的候选。
上述因素可以是二进制确定和/或定量计算。上述因素的二进制确定可以由对一个或多个条件的满足来定义。例如，农业智能计算系统可以确定在田地上是否存在当前的实验、田地上的设备是否能够执行试验、田地的特征是否在特定范围内、对田地的已建模的效益是否大于阈值、检测到田地的效益的已建模的可能性是否大于阈值、和/或田地的风险值是否超过特定的阈值。响应于一个或多个条件的满足，农业智能计算系统可以标识用于执行试验的田地。例如，如果唯一的要求是风险值超过阈值，则农业智能计算系统可以在风险值高于阈值的情况下选择农业田地。如果农业智能计算系统利用两个要求，则农业智能计算系统可以在两个要求都被满足的情况下选择农业田地。
作为另一示例，农业智能计算系统可以计算作为风险容忍度值的函数的值、描述该田地与其他田地的相似性的值、以及描述参与试验的效益的值。效益值可以被计算为参与试验的产量和/或利润的已建模的增益。相似性值可以被计算为田地的土壤、天气或其他田地值的一个或多个属性与其他田地的平均值之间的差异的函数。农业智能计算系统可以确定所计算的值是否高于所存储的阈值，并且响应于确定所计算的值高于所存储的阈值，选择用于执行试验的农业田地。
尽管以上示例描述了基于绝对值(诸如一个或多个超过阈值的值)选择农业田地，但是在一些实施例中，农业田地是基于与其他农业田地的值的比较来选择的。例如，农业智能计算系统可以选择与为与计算了效益值的其余农业田地相比具有最高效益值的一个或多个农业田地。比较值可以与二进制确定相结合。例如，农业智能计算系统可以标识出具有高于特定阈值的风险值得所有农业田地的组，并从该组选择与该组中的其余农业田地相比具有最高效益值的一个或多个农业田地。作为另一示例，农业智能计算系统可以标识具有高于特定阈值的预测效益值的所有农业田地的组，并且从该组选择与该组中的其余农业田地相比具有检测到效益的最高可能性的一个或多个农业田地。
在一些实施例中，可以至少部分地基于来自田地管理者计算设备的请求来选择用于执行试验的田地。例如，农业智能计算系统可以向田地管理者计算设备提供图形用户界面，其具有用于请求到试验中的布置的选项。响应于从选择该选项的田地管理者计算设备接收到输入，农业智能计算系统可以利用本文所述的方法来标识与田地管理者计算设备的帐户对应的农艺田地的一个或多个试验。
5.1.示例目标标识实现
5.1.1.跨种植者田地研究
图13示出了由农业智能计算机系统执行的从确定作为目标的田地到跨种植者系统的信息分发的示例过程。在一些实施例中，系统130被编程为执行自动化的跨种植者分析，其可以包括以计算方式确定作为目标的种植者田地、规定对种植者田地的实验、从所规定的实验中收集数据、验证所规定的实验的执行、分析所收集的数据以及跨种植者系统中分发分析结果。
在步骤1302中，系统130准备用于预测产量提升的、预测性基于产品概念的模型。在一些实施例中，给定关于种植者田地的列表的相关数据，系统130被编程为针对特定种植者田地设计特定实验。实验的目的通常是将一个或多个田地的产量提高某个水平，尽管这也可能与减少投入或改进田地的任何其他方面有关。对实验或专门目标试验(targetedtrial)的设计(将与对照试验(controlled trial)区分开，如下文进一步讨论)包括确定田地的哪些属性可能与实验目地相关、以及这些属性中的一些属性的值的改变可以如何帮助达成实验目的。一个示例实验是将田地的播种率增加一个量，以便将作物产量增加或提升某个量。另一示例实验是将田地杀真菌剂使增加一个量，以便达成将病害传播减少某个量。
在一些实施例中，系统130被编程为以细粒度水平管理种植者田地的列表。因此，系统130被配置为标识将不参与所规定的实验的田地的某些边界或其他有问题的区域，并且进一步确定其间具有缓冲地区的特定条带或正方形，这些条带或正方形将参与所规定的实验。
作为示例，为了确定将哪些田地的哪些部分增加某个量的播种率、或者对于特定田地确定增加多大量的播种率，系统130可以被配置为针对每个田地评估作物类型的杂交或品种、当前播种率、历史年产量、过去播种率的改变如何影响产量、天气或其他变量如何影响播种率、或者影响田地的其他因素。虽然被称为实验，但是系统130被配置为预测实验的成果并且基于所预测的成果来确定是否应用实验。例如，系统130可以配置为仅应用研究中具有最高预测产量提升的那些实验。因此，每个实验基本上都包含要被验证的建议，诸如将播种率提高某个量。
在一些实施例中，确定作为目标的种植者田地还涉及多个实验以协同的方式应用于一个或多个种植者的田地的设计。例如，单个田地可以被划分成多个位置，用于作物的多个杂交或品种。虽然不同的田地可能会在某个时间从不同的实验特别受益，但是所有田地的集合可以从协同的实验中受益，使得可以跨各种植者田地共享尽可能多的分析见解，以获得长期效益。例如，一些种植者的田地数目可能有限，其中今年只能应用涉及少量属性或少量特定属性值的有限数目的实验。然后，这些田地可以通过将涉及不同属性或相同属性的不同值的附加实验应用于其他种植者的田地而受益。
在一些实施例中，系统130编程为响应于特定触发而开始设计、选择或应用实验。这样的触发可以包括当田地性能不佳(例如，某个时期内作物生物量低或预计作物产量低)时、当田地处于异常条件中(例如土壤水分或硝酸盐低)时、当环境中发生改变(例如，极端热浪)时、或者当对类似田地所规定的实验产生了某个成果时。可以从在实现所规定的实验期间所收集的数据检测到这些触发，如下所述。每个触发通常代表可以改进田地的性能或者获得对某些农业现象或关系的特定见解的机会。
在步骤1304中，系统130被编程为规定对种植者田地的实验。在一些实施例中，实验的设计或选择可以根据预定时间表自动进行，诸如在每年的开始时或在每个生长季节。实验的规定也可以自动被执行。系统130可以被配置为生成要由人、机器或两者的组合理解的实验的处方(prescription)、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一定的比率种植某些种子。针对实验的计划可以包括各种细节，例如种子的类型、种子在田地内的目的地、每天要种植的种子量或每天要种植种子的时间。
在一些实施例中，处方或方案还包括用于相对于目标试验(原始的、意图的实验)来实现对照试验的细节，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，该值可以基于当前或过去在该田地中所执行的操作。例如，当目标试验是将播种率增加第一数量以将产量提高某个水平时，对照试验可以是不增加播种率(维持当前播种率)或者增加比第一量高或低的第二量。规定可以包括附加信息，诸如在种植者的田地上何时何地要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划分成多个位置，并且处方可以指示第一位置要用于目标试验，第二个位置要用于对照试验，并且该模式在地理上被重复三次(第二次在第三位置和第四位置、第三次在第五位置和第六位置)。处方通常可以在管理目标试验和对照试验中纳入至少某种程度的随机化，诸如向两者中的任一试验随机分配某些位置，以最小化两种试验之间可能存在的任何偏置。
在一些实施例中，系统130被编程为直接向相关田地的农具传输计划，诸如种子布撒器或者注册在该田地的种植者名下或与特定田地相关联的另一播种机。取决于播种机的智能程度，播种机可以根据计划自动实现至少一些实验，或者至少在种植者手动操作播种机时向种植者显示计划。例如，该计划可以被转换成电子信号，用于控制播种机的唤醒时间、播种机的移动或旋转速度、或者播种机所采取的路线。备选地，系统130可以被编程为向注册在种植者名下的其他智能设备(诸如移动设备)传输实验的计划或方案，以达到计划的一部分需要手动实现的程度或简单地出于信息目的。
在一些实施例中，代替于向智能设备(无论是农具还是个人数字助理)传输用于实验的整个方案，系统130被编程为递增地且及时地传输方案。例如，当方案涉及日常任务的执行时，系统130可以被配置为每天发送与每天的工作对应的方案的部分。系统130还可以被配置为向种植者的移动设备传递针对例如根据方案执行某些任务的提醒。
在步骤1306中，系统130被编程为从所规定的实验收集数据。在一些实施例中，系统130编程为从实验方案或计划被传输到的相同农具、或者从注册在种植者名下的相同田地管理者计算设备(包括移动设备)接收数据。农具可以配备有可以捕获多种类型数据的传感器。除了与实验中涉及的变量相关的数据外，诸如实际被种植的种子量、实际种植的时间、农具的实际移动或旋转速度、农具实际采取的路线、或者实际达成的作物产量，农具可以捕获与天气有关的附加数据，诸如阳光的量、湿度、花粉、风等。农具还可以记录与其内部状态相关的附加数据，包括不同组件是否正常运行、何时清洁或维护了农具、使用农具的频率或是否以任何异常方式使用了农具。这些类型的数据中的一些数据可以通过与个人计算设备集成的传感器被观测到，也可以由种植者直接观测并且随后经由个人计算设备报告给系统130。通常，一旦数据变得可用，根据系统130的请求或者根据预定时间表，该数据就可以由农具或个人计算设备发送给系统130。
在步骤1308中，系统130被编程为验证所规定的实验的执行。在一些实施例中，系统130被编程为确定是否根据实验的计划或方案正确执行了所规定的实验。目的是使得所规定的实验能够正确执行，以便达成预测结果。对于方案中涉及的变量，系统130被编程为比较实际值(诸如在特定时间段(诸如一小时)内在特定位置处实际种植的种子量)与规定值。系统130被配置为报告任何检测到的差异。例如，至少可以向种植者的个人计算设备发送警告，即如果不严格遵循该计划，将无法达成所规定实验的预期效益。警告可以以本领域已知的任何形式出现，例如弹窗、即时消息、电子邮件或其他文本消息。备选地，警告可以被呈现为静态或移动或闪烁的视觉或图形，诸如颜色编码的视觉(诸如绿灯指示该实验遵守，或者红灯示出不遵守。遵守(或不遵守)还可以基于值是否落在预定的公差或范围内。例如，农业智能计算机系统可以确定遵守水平是否低于阈值。例如，如果遵守水平与遵守的位置的百分比有关，则系统可以确定该遵守的位置的百分比是否低于90％。
在一些实施例中，系统130被编程为评估其他被收集的数据并建议补救步骤。具体地，系统130可以配置为传输一系列步骤以用于诊断农具的部件是否正常运作。例如，当在一小时跨度内在特定位置实际被种植的种子量大于规定值时，存放待种植种子的料箱或称量待种植种子的秤可能出现了故障。因此，系统130可以被编程为请求检查料箱或秤。当直接通过传感器或通过某些诊断检测到农具的故障时，系统130可以被编程为传输类似的建议来重新校准或修理农具。另一方面，在确定某些步骤被完全跳过之后，系统130可以编程为传输遵循这些步骤的指令，或者传输用于重新调整提醒警报或用于检查农具的建议。
在一些实施例中，系统130可以被编程为根据预定的时间表(诸如，每个月)来验证每个规定的实验的执行，或者一旦接收到错误信号或应用数据就验证每个规定的实验的执行。系统130还可以编程为根据特定范式(诸如基于随机采样的范式)验证所有规定的实验的执行，以便节省资源。
在步骤1310，系统130被编程为分析所收集的数据。在一些实施例中，系统130被编程为进一步分析数据，以调整对所规定的实验的预测或计划，或收集可以用于设计未来实验的特定见解。这样的分析可以在季节或一年结束时定期被执行，也可以根据种植者的要求被执行。
在一些实施例中，当未正确地执行规定的实验时，预测结果可能无法被获取，并且系统130可以被编程为基于针对所规定实验的计划如何被遵循来调整预测。例如，系统130可以被配置为考虑到由于对农具的错误校准、跳过某些种植步骤或其他原因实际播种率仅为总体规定播种率的80％，确定预测作物产量可能仅是预测或建议的作物产量的80％或更低。系统130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，当实际播种率仅为总体规定播种率的80％时，系统130可以被配置为通过规定针对实验的其余部分播种率比最初规定的高20％或其他来对其进行补偿。
在一些实施例中，系统130可以被编程为确定为何即使正确地执行了所规定的实验仍未达成预测成果。对分别从目标试验和对照试验中所收集的数据的比较经常可以用来从考虑消除某些因素。系统130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。系统130还可以被配置为从类似实验的成果中检测模式，这可以帮助标识离群值并指向特定于田地的问题。预测成果与实际成果之间的差异背后的原因可以用于设计未来的实验或生成对未来实验的预测。例如，在检测到作物类型和播种率之间关于作物产量的显著相关性之后，系统130可以被配置为确定特定田地作为目标，在该特定田地中通常栽种某些类型的作物以用于将播种率作物的产量相联系的实验。类似地，系统130可以被编程为取决于在特定田地中栽种的作物的类型来预测不同水平的作物产量。
在一些实施例中，系统130被编程为设计增量实验。为了测试相对新的假设，系统130可以被配置为通过对属性或变量中的一个属性或变量引入相对小的改变来规定保守实验。当最后所规定的实验的实际成果与预测成果一致时，则系统130可以被编程，以引入对变量的属性的进一步改变。在其他一些实施例中，系统130被编程为考虑应用于两个类似田地的两个规定实验的成果，并确定组合这两个实验是否可能是允许的和有益的。例如，当在两个类似的田地中清楚地且分别地证明了播种率与产量之间的关系以及土壤水分与产量之间的关系时，未来的实验可以是在应用于同一田地的同一实验中提高播种率和土壤水分。
在步骤1312中，系统130可选地被编程为跨种植者系统分发分析见解。在一些实施例中，系统130被编程为呈现概要、技巧或进一步建立，这些概要、技巧或进一步建议是从分析从跨种植者田地的多个规定实验所获取的数据而被生成的。系统130可以被配置为将向每个种植者系统(诸如种植者的移动设备)传输报告，该报告示出了对所有规定实验或某些规定实验组的聚合统计。该报告还可以指示与其他种植者的田地相比，种植者的田地性能如何，并且基于对种植者的田地与其他种植者的田地之间性能差异的分析，指示有可能的原因。该报告可以突出显示类似于对种植者的田地所规定的实验的其他规定的实验。该报告还可以概述未来可能应用于种植者的田地的可能实验，并征求来自种植者的反馈。
在一些实施例中，这些步骤1302至1312中的一些或全部步骤可以重复地、迭代地或无序地执行。例如，数据捕获和执行验证可以在一个季节内定期进行。
5.1.2田地目标确定
在一些实施例中，系统130被编程为构建包括计算机可执行指令的模型，该计算机可执行指令用于预测田地对播种率改变的产品(作物产量)响应性。系统130被编程为从历史数据初始地建立某些基线，这些历史数据跨越多年的与不同种植者设备相关联的不同种植者的多个田地。历史数据可以从内部试验和实验获取，也可以从外部数据源获取。该多个田地在某些特性上可以具有共同的值，诸如田地中栽种的作物杂交、田地的位置或针对田地的产量提升管理实践，如下文进一步讨论的。可以从历史数据计算出给定杂交的作物密度与作物产量之间的平均关系，以提供基准。这样的关系通常以二次曲线来被反映。图14示出了给定杂交的作物密度与作物产量之间的示例关系。X轴1402对应于以每英亩植物(ppa)的作物密度或播种率，并且Y轴1404对应于以每英亩蒲式耳(bu/ac)的作物产量。在该示例中，播种率数据和对应的作物产量数据被拟合为二次曲线1408。二次曲线1408的形状和大小可以由从对应于最低播-种率的数据点1412到对应于最优播种率和最高作物产量的数据点1406的斜线1410来表征。系统130可以被编程为基于作物密度与作物产量之间的平均关系来选择针对产品响应性的阈值。例如，由于这里的斜线1410的斜率大约是2.8，因此阈值可以被设置为1.5，使得田地每增加1000种子产生1.5蒲式耳的产量提升将被认为是响应性的，如下文进一步讨论的。
在一些实施例中，代替于专注于达到最优播种率，系统130被编程为允许播种率增加的灵活性。具体地，代替于专注于当前播-种率和最优播种率之间的关系，系统130被配置为考虑其他因素，诸如小于最优播种率的目标播种率或与目标播种率的改变对应的作物产量提升。例如，系统130可以被配置为按杂交和按位置来将某些田地集群，并且计算集群内的平均播种率作为目标播种率。从上述斜线所确定的同一阈值仍然可以应用于评估关于目标播种率的产品响应性。
在一些实施例中，系统130被配置为采用更复杂的方法，诸如建立决策树，该决策树基于初始(当前)播种率、目标播种率、初始播种率与目标播种率之间的差异或其他与田地相关的属性，将具有播种率数据和作物产量数据的给定田地分类为与不同作物产量提升量对应的不同的类。其他属性的示例范围可以从固有属性(诸如土壤水分水平)到环境属性(诸如土壤管理实践)。也可以使用本领域技术人员已知的用于捕获播种率(结合其他属性)与作物产量提升之间的各种关系的其他机器学习方法，诸如神经网络或回归技术。更复杂的方法可以产生超出提升是否可能、并且朝向多少提升有可能的更细粒度的信息。
在一些实施例中，系统130被编程为接下来确定特定于种植者的产品响应性。针对种植者的田地，系统130被编程为类似地审阅针对田地内的特定区或者田地的平均的多年历史作物产量数据，并且标识田地或区的杂交和当前播种率。回到图14，其示出了针对适当的杂交的作物密度与作物产量之间的关系，上面讨论的斜率阈值(诸如基于第一斜线1410的斜率的1.5)，可以用来确定种植者的田地是否有可能响应于某个的播种率增加。例如，可以从对应于当前播种率的数据点1416和对应于最优播种率和最高作物产量的数据点1406形成第二斜线1414。在当前播种率小于最优播种率时，第二斜线的斜率将为正，但是可以高于或低于上述阈值。系统130可以被配置为在第二斜线的斜率等于或高于阈值时，将田地视为响应于到最优播种率的播种率增加。在当前播种率大于最优播种率时，第二斜线的斜率将为负。系统130然后可以被配置为评估田地对播种率降低的产品响应性。系统130可以被配置为类似地评估田地对到比最优播种率少的目标播种率的播种率增加的产品响应性。
在一些实施例中，系统130被编程为应用更复杂的方法中的一种方法(诸如上述的决策树)，来评估特定于种植者的产品响应性。至少种植者的田地的当前播种率和该种植者的田地所意图的播种率或目标播种率可以被馈入决策树中，并且一系列作物产量提升值可以由决策树估算，这些作物产量提升值可以进一步被分类响应的或不响应的或者其他粒度或不同的类。
在一些实施例中，系统130被编程为在随时间提升作物产量方面来评估种植者的田地管理实践。图15示出了管理实践的示例类型。X轴1502对应于年份，Y轴1504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类型可以以各种曲线来被反映。曲线1506指示进取的类型，其中作物产量一年又一年稳定且显著增加。曲线1508指示保守或务实的类型，其中从一年到下一年的作物产量没有显著增加。曲线1510指示不切实际的类型，其中几年中作物产量没有改变，但是然后急剧增加。标识管理实践的类型或土壤外部的其他方面可以有助于规定对目标种植者的田地的实际实验。在其他一些实施例中，管理实践的类型也可以是上述机器学习方法的输入属性。
在一些实施例中，系统130被编程为还评估种植者的田地内的可变性。针对田地内的不同区的实际密度数据可能可用，或者该田地的航拍图像可以经由本领域技术人员已知的图像分析技术来被分析。基于这样的数据，系统130可以被编程为确定作物密度或播种率是在田地各处大体上恒定的还是在不同区之间实质地变化。这样的确定对于规定对目标种植者的田地的实际实验也可以是有用的。
在一些实施例中，系统130被编程为将响应于增加的播种率的那些种植者的田地确定为目标并且针对那些田地设计实验。每个设计可以具有各种参数，诸如作物杂交、区可变性或播种率增加。图16示出了由农业智能计算机系统执行以确定用于种植者的田地或其区的作物杂交的示例过程。在一些实施例中，在步骤1602中，系统130被编程为和与目标田地相关联的种植者设备通信。具体地，系统130配置为从种植者设备接收田地的意图的密度或播种率。意图的密度(intended density)通常大于田地中当前的聚合密度。系统130被编程为然后确定意图的密度如何与该田地的目标密度相比较。基于多种方法的组合，针对田地的目标密度可以预先被确定，诸如如上所述的，与所计算的平均播种率或最优播种率的比较，经由已建立的播种率决策树的分类，或者在提升作物产量方面对管理实践类型的评估。目标密度通常也大于田地中当前的聚合密度。当意图的密度低于目标密度时，在步骤1604中，系统130被配置为然后从种植者设备接收关于是否将意图的密度增加到目标密度的决策。当决策是不增加意图的密度时，在步骤1606中，系统130被配置为计算意图的密度与目标密度的差异。当差异高于某个阈值使得意图的密度保持足够低时，系统130被配置为针对田地建议柔性(flex)或半柔性(semi-flex)杂交。例如，某个阈值可以是目标密度的80％。在一些实施例中，当意图的密度等于或高于目标密度，达到实质上大的值时，在步骤1608中，系统130被配置为针对该田地建议固定或半柔性杂交。
在一些实施例中，系统130被编程为接下来对目标田地内的区可变性响应。具体地，在步骤1610中，系统130被配置为确定田地内的不同区之间的播种率是否存在显著可变性，以及到目前为止所考虑的当前聚合密度是否仅是跨该田地的聚合。系统130可以被配置为基于某个区的当前播种率相对于当前聚合密度、意图的播种率和目标播种率之间的差异，进一步确定某个区是否可以从比意图的播种率高的播种率受益。例如，当某个区的当前播种率与当前聚合密度之间的差异高于特定阈值(诸如当前聚集密度的30％)时，并且当意图的密度小于目标密度时，该某个区的播种率可以被增加到超出意图的密度。在对于高于意图的播种率的播种率存在产量机会(yield oppotunity)的情况下，在步骤1612中，系统130被配置为由于相对较大的密度限制而建议固定或半柔性杂交。对于高于意图的播种率的播种率不存在产量机会的其他情况下，在步骤1614中，系统130被配置为不对静态比率(static rate)田地建议杂交改变。另外，系统130可以被配置为进一步确定某个区是否可以从比意图的播种率低的播种率受益。这样的区可能是遭受干旱或其他自然或环境袭击的风险区。因此，在步骤1616中，系统130可以被配置为针对这样的与相对较低的当前播种率或意图的播种率对应的区建议柔性杂交，以促进水分的保持或激励进一步的作物生长。
图17示出了由农业智能计算机系统执行的确定用于提升作物产量的作为目标的种植者田地的示例过程。
在一些实施例中，在步骤1702中，系统130被编程为接收关于一组田地在一段时间内的作物播种率数据和对应的作物产量数据，该一组田地与多个种植者设备相关联。这样的数据被用来建立用于确定产品对种植者田地的播种率增加的响应性的基准。该组田地可以从在某些特性上与种植者的田地共享值的那些田地中选择，这些特性有诸如田地中栽种的作物杂交、针对田地的管理实践改变所预测的产量提升、或田地的位置。数据的时间覆盖允许揭示播种率增加对作物产量提升的效应。如上所述，至少可以确定最优播种率和播种率增加对作物产量提升的效应的对应阈值，并且可以开发更复杂的方法来表征或确定播种率的改变对种植者的田地中的作物产量的潜在影响、以及最终是否应当将该种植者的田地确定为用于提升作物产量的特定实验的目标。在步骤1704中，系统130被编程为接收针对种植者的田地的当前播种率，该种植者的田地与多个种植者设备中的一个种植者设备相关联。当前的播种率可以是跨田地内的不同区的聚合(aggregate)。
在步骤1706中，系统130被编程为基于作物播种率数据和对应的作物产量数据来进一步确定种植者的田地对该种植者的田地的作物播种率从当前播种率增加到目标播种率是否将是响应的。目标播种率可以被设置为最优播种率，或者可以被设置为与田地的产量提升管理实践或者种植者的其他意图更加一致的值。本质上，从由该组田地证明的播种率与作物产量之间的关系，系统130被配置或被编程为估计在种植者的田地中播种率从当前播种率改变到目标播种率的影响，并且转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来有效地响应播种率改变，该关系可以从作物播种率数据和对应的作物产量数据得出。
在步骤1708，响应于确定种植者的田地将是响应的，系统130被编程为将种植者的田地作为用于增加作物产量的实验的目标，并且准备针对该实验的处方，包括要在种植者的田地中被实现的新的作物播种率和特定的作物杂交。除非被由种植者设备提供的意图的播种率覆写，否则该新的播种率可以是目标播种率。任何建议的作物杂交的改变通常与播种率的改变一致，并且可以在田地内递增地被实现，也可以随着时间逐渐地被实现，以能够达成尽可能多的估计作物产量提升。此外，系统130可以被配置为评估种植者的田地内的作物产量的可变性，并且准备更细粒度的处方。这样的评估可以基于来自田地的物理样本或田地的航拍图像。通常可以对具有比当前播种率高的播种率的区另外规定比新的播种率更高的播种率。类似地，可以对具有比当前播种率低的播种率的区另外规定比新的播种率低的播种率。
如图13所示，系统130可以被编程为进一步从一个种植者设备或者直接从实现所规定的实验的农具收集实现所规定的实验的结果。具体地，可以针对实际作物产量提升来验证预测的作物产量提升。系统130可以被配置为然后向与该组田地相关联的其他种植者设备分发与实验有关的数据和经验证的结果。播种率数据和作物产量数据也可以利用经验证的结果而被更新，以支持对作物播种率与作物产量之间关系的更准确建模。
6.试验设计
在一个实施例中，农业智能计算系统基于一个或多个管理区来确定将测试位置布置在何处。管理区是指一个或多个农业田地内的区域，这些区域被预期具有影响作物的收获产量的类似限制因素。尽管通常相对于单个田地的部分描述管理区，但是管理区可以设计为涵盖跨越多个种植者的多个田地中的位置。在美国专利公开2018-0046735A1中进一步描述了用于标识管理区的方法。农业智能计算系统可以标识针对管理区使用新产品、不同种子和/或管理实践的效益。农业智能计算系统可以标识管理区内的测试位置，使得可以将执行试验的效果与管理区的其余部分相比较。
在一个实施例中，农业智能计算系统基于正在被执行的试验的类型来标识管理区。例如，田地上的两个位置可以包括不同的土壤类型，但是具有类似的产量和类似的虫害问题。出于实现农药试验的目的，这两个位置可以被视为一个管理区。相反，出于实现取决于土壤类型的肥料试验的目的，这两个位置可以被视为不同的区。
在一个实施例中，基于响应性和总产量两者，管理区被标识。农业智能计算系统可以基于先前的产量数据、土壤数据、图像、其他作物数据和管理实践来确定田地中的地区对产品和/或不同管理实践的响应性。例如，农业智能计算系统可以标识两个等同的地点，其中在一个位置施肥而另一个不施肥。基于等同地点上两种肥料率之间的产量差异，农业智能计算系统可以确定田地上的这些和其他等同位置对肥料的响应性。
响应性可以是被计算的值和/或二进制确定。例如，农业智能计算系统可以确定：具有比产量的阈值绝对值或百分比的改变大的改变的位置被认为具有高响应性，而具有比产量的阈值绝对值或百分比改变小的改变的地区被认为具有低响应性。农业智能计算系统可以生成具有类似的响应性和类似的产量的区。例如，农业智能计算系统可以基于产量数据、种植数据、土壤数据、天气数据和/或管理实践数据来生成具有高响应性和高产量的区以及具有高响应性和低产量的单独区。因此，农业智能计算系统可以生成受总产量约束的高响应区和低响应区两者。
在区内，农业智能计算系统可以标识用于测试位置的可能位置。测试位置的大小和形状可以基于特定田地或区中的可变性而被确定。本文所用的“可变性”是指在田地和/或管理区内总产量趋于变化的量。该变动(variance)的量可以包括变动的量级和变动的空间分量。例如，如果产量在管理区的小区域内快速波动，则农业智能计算系统可以确定更大的测试位置应当被实现。相反，如果产量在产量方面具有长的长度尺度趋势，则较小的测试位置可以被实现。测试位置的最优大小、形状和数目可以直接从历史产量可变性数据被确定。在一个实施例中，历史产量数据被划分到大小不同的潜在测试位置的统一网格中；给定针对答案的可接受的统计显著性，针对每个测试位置大小所需的总测试面积(包括测试位置周围的缓冲区面积)被计算；并且最优配置是使总测试面积最小化的配置。测试位置的最优大小、形状和数目也可以从根据历史图像所建模的产量可变性数据被确定，或者从基于模型的预测器所建模的产量可变性数据被确定，该模型是在历史产量可变性数据上被训练的。进一步地，基于测试位置的大小，农业智能计算系统可以标识测试位置的形状，以便能够将容纳到单个区中的测试位置的数目最大化。例如，如果区特别窄，则农业智能计算系统可以选择窄矩形作为测试位置的形状。
使用所标识的测试位置的大小和形状，农业智能计算系统可以确定田地中用于布置测试位置的多个有可能的位置。农业智能计算系统然后可以选择多个可能位置的子集用于布置测试位置。在一个实施例中，农业智能计算系统基于试验需求和/或用户选择来确定要实现的多个测试位置。例如，试验的约束可以是在每个管理区中至少植入两个测试位置。作为另一示例，田地管理者可以通过在田地管理者计算设备上执行的图形用户界面指示该田地管理者愿意将百分之五的田地专用于试验。农业智能计算系统可以因此将测试位置的数目计算为：
其中N是测试位置的数目，Af是田地的面积，D是专用于试验的田地的百分比，并且AT是测试位置的面积。作为另一示例，田地管理者可以通过在田地管理者计算设备上执行的图形用户界面指示，该田地管理者希望在给定的信噪比的情况下检测每英亩某个数目的蒲式耳(bushel)的最小处理效果。农业智能计算系统可以因此可以将测试位置的数目计算为：
其中N是测试位置的数目，SNR是信噪比，σ是潜在测试位置之间的平均产量差异的标准偏差，T是期望的最小可检测处理效果。
在一个实施例中，农业智能计算系统随机选择多个潜在位置中的位置，直到确定数目的测试位置已经被标识。农业智能计算系统可以通过针对选择了第一位置的区选择至少两个位置来约束随机选择，从而允许测试组和对照组(control group)两者。农业智能计算系统还可以限制随机选择，以确保将测试位置被布置在最大数目的区中。附加地或备选地，农业智能计算系统可以通过田地管理者计算设备上的图形用户界面来呈现用于测试位置的多个可能位置。田地管理者可以选择多个可能位置中的特定位置，并向农业智能计算系统发送该选择。
在一个实施例中，农业智能计算系统选择用于测试位置的位置，以便将执行试验对总产量的影响最小化。例如，农业智能计算系统可以优先考虑历史上具有较低产量的田地地区，从而减少对田地产量的任何有可能的负面影响。附加地或备选地，农业智能计算系统可以以使执行试验的效益最大化的方式确定用于测试位置的位置优先顺序。例如，针对农药试验，农业智能计算系统可以选择历史上因虫害而接收到对产量的最大负面影响的田地区域。
基于将执行试验对产量的影响最小化或者将执行试验的效益最大化的优先化可以与其他约束一起被实现。例如，农业智能计算系统可能最初尝试在每个管理区中布置至少两个测试位置。然后，农业智能计算系统可以伪随机地选择附加测试位置，同时将较高的权重分配给低产量或高响应性的位置。作为另一示例，农业智能计算系统可以尝试将测试位置布置在高响应性和高产量位置、高响应性和低产量位置、低响应性和高产量位置以及低响应性和低产量位置中的最小位置。
图8描绘了在田地上实现测试位置的示例。图8的田地划分为不同的管理区，每个管理区由颜色标记。深棕色多边形描述了有可能的测试位置。在实施例中，其被布置为跨越管理区。在实施例中，具有相同管理的相邻多边形可以被合并。在有可能的测试位置的实施例中，农业智能计算系统随机选择位置来实现测试位置。在实施例中，农业智能计算系统根据一个或多个约束来选择位置。例如，在图8中，一个有可能的约束是与田地管理者设备兼容的最小位置宽度为120英尺。另一有可能的约束是，为达成预测的最小显著的可检测处理效果，在该田地中实现至少40个测试位置。另外，在图8中，测试位置被实现，使得每个测试位置具有未标记的控制位置，该控制位置被随机地分配给其两个长侧边中的一个或另一个上的同等大小的地区。
7.基于短长度田地可变性的目标标识和试验设计
在一个实施例中，出于在农业田地上执行试验的目的，农业智能计算机系统计算短长度田地可变性。短长度田地可变性指示田地跨小距离变化的程度。图20描绘了一种用于将田地内的短长度可变性建模的方法。
在步骤2002，农业田地的地图被接收。例如，农业智能计算机系统可以接收农业田地的航拍图像。附加地或备选地，农业智能计算机系统可以接收描绘农业田地边界的输入，诸如通过客户端计算设备上所显示的地图，和/或指定田地边界的纬度和经度的输入。也可以从农业田地上的一个或多个农具生成该地图。例如，播种机可以生成指示播种类型和/或播种种群以及对应于播种类型和/或播种种群的地理坐标的施用数据。种植者可以向农业智能计算机系统发送施用数据。
在一个实施例中，系统另外接收针对农业田地的农业产量数据。例如，诸如收割机的农具可以生成指示农业田地的部分产量的数据，并且向农业智能计算机系统发送产量数据。农业智能计算机系统可以生成产量地图，该产量地图指示针对农业田地上的每个位置的农业产量。
在步骤2004，针对农业田地的地图的网格叠加被生成。例如，农业智能计算机系统可以生成具有多个单元的网格，以叠加在农业田地的地图上。生成网格可以包括标识田地边界、确定网格单元的宽度和长度、生成以等于网格单元宽度的距离隔开的第一组平行线以及生成垂直于第一组平行线并且以等于网格单元宽度的距离隔开的第二组平行线。网格单元的宽度可以基于用于农业田地的联合收割机的割台的宽度、施用装备的宽度、管理装备的宽度或播种机的宽度来被确定。例如，可以使用是设备宽度倍数的宽度。具体地，如果联合收割机的割台宽30英尺，则网格单元的宽度可以是30英尺、60英尺、90英尺、120英尺等倍数。
再例如，可以使用共同倍数。具体地，如果联合收割机为20英尺宽，播种机为40英尺宽，并且不同的管理实践与种植相关，例如两个播种种群密度，则网格单元的宽度可以是两个宽度的共同倍数，即40英尺、80英尺、120英尺等等。网格单元的宽度也可以增加，以允许从每次处理获得产量数据，即使联合收割机与其他管理装备未对准。例如，如果联合收割机为20英尺宽并且杀真菌剂施用装备为30英尺宽，并且不同的管理实践施用或不施用杀真菌剂，则网格单元的宽度可以是60英尺、90英尺、120英尺等，即使联合收割机与杀真菌剂施用装备未对准，联合收割机也能够在每次处理中完全收获一个或多个路径(pass)。网格单元的宽度还可以包括缓冲区，以允许管理实践之间的局部混合。例如，如果联合收割机为20英尺宽并且杀真菌剂施用装备为60英尺宽，并且不同的管理实践施用或不施用杀真菌剂，则网格单元的宽度可以是60英尺、90英尺、120英尺等，联合收割机能够在一次处理中完全收获一个或多个路径，即使在每个处理边界的每侧上的20英尺被抛出作为缓冲区，以允许杀真菌剂的任何飘移。网格单元的长度可以使用本文描述的方法来确定。例如，每个网格单元可以是120英尺×300英尺。
图21描绘了用于计算短长度产量可变性的地图上的网格叠加的示例。地图2102包括叠加农业田地地图的网格。如地图2102中所示，第一竖直线在远离地图最左侧边界的网格单元宽度处生成，而第一水平线在远离地图最底部边界的网格单元长度处生成。在一个实施例中，农业田地还包括管理区。例如，地图2104描绘了农业田地地图上的网格叠加，该网格叠加包含由颜色区分的三个管理区。管理区是指农业田地中接受类似管理处理的部分，或者先前已经基于共有特性被分组的部分。
再次参考图20，在步骤2006，多个相邻的网格单元被选择。例如，农业智能计算机系统可以从网格叠加的网格单元中随机或伪随机地选择第一网格单元。然后，农业智能计算机系统可以从第一网格单元的相邻网格单元中随机或伪随机地选择第二网格单元。附加地或备选地，农业智能计算机系统可以利用特定的规则来选择相邻的单元，诸如最初尝试从第一单元的右边选择单元，接着从第一单元的左边选择单元，等等。如果没有与第一网格单元相邻的网格单元，则农业智能计算机系统可以丢弃所选择的第一网格单元，并且随机或伪随机地选择不同的网格单元。另外，农业智能计算机系统可以随机或伪随机地选择相邻单元的集合，每个单元针对不同的管理实践。
在一个实施例中，农业智能计算机系统标识完整网格单元，从中选择第一网格单元和/或第二网格单元。例如，图21中的地图2102包括不完整的网格单元，诸如邻接农业田地边界的单元。农业智能计算机系统可以移除不完整的网格单元，并且从剩余的网格单元中选择第一网格单元和第二网格单元。出于选择的目的，农业智能计算机系统可以将不完整的网格单元视为不存在。
在一个实施例中，农业智能计算机系统还标识完全在单个管理区中的网格单元，从中选择第一网格单元和/或第二网格单元。例如，由于管理区的边界贯穿网格单元，地图2104包括包含多个管理区的网格单元。农业智能计算机系统可以移除包括多个管理区的网格单元，并且从剩余的网格单元中选择第一网格单元和第二网格单元。出于选择的目的，农业智能计算机系统可以将包括多个管理区的网格单元视为不存在。
在一个实施例中，相邻单元被选择为在同一管理区中。图21中的地图2106描绘了选择相邻单元的多个集合。地图2106中的相邻单元的每个集合包括同一管理区中的两个单元，即使这些相邻单元的集合跨越管理区。
在步骤2008，针对相邻网格单元的每个集合，相邻单元之间的平均产量差异被计算。例如，农业智能计算机系统可以存储标识针对每个网格的平均产量的数据。标识平均产量的数据可以基于指示由单元覆盖的农业田地的部分产量的收获数据和/或基于所接收的数据或图像被建模。农业智能计算机系统可以计算每个集合中的相邻单元之间差异的绝对值。因此，如果一个单元具有每英亩170.8蒲式耳的平均产量，并且相邻单元具有每英亩171.2蒲式耳的平均产量为，则系统可以将相邻单元之间的平均产量差异计算为每英亩0.4蒲式耳。
在步骤2010，至少部分地基于针对相邻单元的每个集合的平均产量的差异，针对农业田地的短长度可变性被确定。例如，农业智能计算机系统可以标识跨相邻单元的多个集合的差异的中位数，并且选择该中位数值作为农业田地的短长度可变性。
在步骤2012，基于短长度可变性，一个或多个位置被选择用于试验。本文进一步描述了选择田地和/或田地上的位置用于试验的方法。
在步骤2014，系统生成处方地图，该处方地图包括在所选位置中的一个或多个不同管理实践。例如，系统可以通过生成处方地图来开始试验的实现，其中所选位置包括不同于一个或多个周围位置的不同播种种群、养分施用、化学施用、灌溉和/或其他管理实践。第7.6节描述了生成处方地图的方法。
7.1.建模可变性
在一个实施例中，短长度可变性基于多个因素被建模。例如，该系统可以将每个单元的平均产量建模为海拔、有机物、养分水平、土壤类型或性质和/或其他田间水平变量中的一项或多项的函数。附加地或备选地，系统可以将相邻单元之间的可变性建模为多个因素的函数。本节中描述的每个函数、方程和计算可以被编程为已经针对图1所描述的指令的一部分，以接收针对指定参数的数据值，并由计算机计算以数学形式示出的变换来产生所描述的结果。
例如，系统可以根据以下函数将短长度可变性建模：
其中Ni，a-Ni，b是第i组相邻对的单元a和单元b之间的第N个属性的差异，并且wN是第N个属性的权重。例如，如果短长度可变性是基于海拔、pH值和有机物而被建模的，则短长度可变性方程将采用以下形式：
其中E为平均海拔，pH为平均pH值，O为每个网格单元的平均有机物。
虽然上述方程将田地的短长度可变性计算为个体位置处的可变性的平均，但是在一个实施例中，根据以下方程针对每个位置计算差异值：
Di＝wA(Ai，a-Ai，b)+WB(Bi，a-Bi，b)+…wN(Ni，a-Ni，b)
并且将短长度可变性确定为多个位置之中的中位数差值。
在一个实施例中，根据经验选择上述方程的权重。附加地或备选地，农业智能计算机系统可以基于来自其他田地的产量变化数据来计算权重。例如，针对相邻位置的多个对，农业智能计算机系统可以接收标识对中每个位置的产量的数据和标识对中每个位置的多个属性值的数据。然后，系统可以通过选择最小化以下方程的权重来计算上述方程的权重：
其中Yi，a-Yi，b是第i组相邻对a和b的平均产量之间的差异。系统可以使用任何已知的最小化技术来计算使上述方程最小化的权重wA-wN。然后，短长度可变性方程可以用于标识短长度可变性，其中先前的产量数据不可用，但是针对每个单元的土壤数据可用。
在一个实施例中，系统将短长度可变性建模为田地的卫星图像中的像素值的函数。例如，该系统可以接收农业田地的卫星图像。使用卫星图像，系统可以计算针对每个网格单元的值，诸如平均归一化差异植被指数(NDVI)值。然后，系统可以将短长度可变性确定为相邻单元的多个集合的相邻单元之间的NDVI值之间差异的中位数。附加地或备选地，像素值和/或基于像素值所计算的值可以用作上述建模方程中的附加参数。
7.2.基于短长度可变性来选择田地
在一个实施例中，农业智能计算机基于所计算的短长度可变性来选择用于执行试验的田地。例如，农业智能计算机系统可以接收针对实现一个或多个试验的多个农业田地来生成处方地图的请求。农业智能计算机系统可以使用本文描述的方法来计算针对每个农业田地的短长度可变性。然后，农业智能计算机系统可以基于短长度可变性来选择用于执行试验的农业田地。例如，农业智能计算机系统可以选择多个农业田地中具有最低短长度可变性的农业田地。
在一个实施例中，农业智能计算机系统另外计算长长度可变性值。例如，对于多个网格单元中的每个网格单元，农业智能计算机系统可以计算网格单元的平均产量与包含该网格单元的农业田地的平均产量之间的差异。附加地或备选地，农业智能计算机系统可以使用第7.1节中描述的方法中的任何方法将长长度可变性建模为田地值或图像像素值的函数，但是用包括网格单元和农业田地的平均的多个对来替换相邻网格单元的多个对。
系统可以选择具有最低短长度可变性得分和高长长度可变性得分得分的农业田地用于执行试验。例如，系统可以标识短长度可变性得分低于阈值的多个田地，并且从所标识的多个田地选择具有最高长长度可变性得分的农业田地。附加地或备选地，系统可以标识长长度可变性得分低于阈值的多个田地，并且所从标识的多个田地中选择具有最低短长度可变性值的农业田地。作为另一示例，系统可以选择具有最高可变性差异值的农业田地，其中可变性差值被计算为：
VD＝αVL-βVS
其中，Vd是可变性差异值，VL是长长度可变性值，VS是短长度可变性值，并且α和β是基于对于试验是长长度可变性高更重要还是短长度可变性低更重要而被选择的权重。
7.3.选择并且确定测试位置大小
在一个实施例中，系统利用相邻位置之间的差异来选择一对或多对作为用于执行一个或多个试验的测试位置。例如，系统可以计算相邻网格单元的多个对的平均产量的差异，或者使用本文所述的方法中的任何方法将相邻网格单元对之间的差异值建模。然后，系统可以选择N对具有最低计算或建模差异的相邻网格单元集合，用于在农业田地上执行试验。
试验的数目可以被预先确定和/或被计算。例如，农业智能计算机系统可以接收生成具有特定数目的试验的处方地图的请求。然后，农业智能计算机系统可以使用本文描述的方法来标识用于执行试验的一个或多个田地和/或测试位置。作为另一示例，农业智能计算机系统可以将测试位置的数目计算为：
其中SNR是由每个位置的平均产量和短长度产量变化之间的比定义的信噪比，σ是潜在测试位置之间平均产量差异的标准偏差，T是预期的可检测处理效果。因此，如果实验预期每英亩能增加5蒲式耳的产量，则T将是5。
在一个实施例中，系统以增加试验的统计显著性同时减少进行试验所需面积的方式来确定用于执行试验的面积。例如，系统可以将试验大小计算为：
AT＝2wb
其中w是宽度，b是针对试验类型的缓冲区大小。缓冲区大小是指农具从一种处理类型转移到下一种处理类型所需的空间距离。例如，播种机的缓冲区大小可以是3英尺，指示播种机从一个播种种群切换到不同的播种种群需要3英尺，而用于养分施用的缓冲区大小可以是50英尺，指示器具从一个养分施用量切换到另一施用量需要50英尺。
在一个实施例中，上述方程也用于计算网格叠加大小。例如，第一网格叠加可以用于确定田地的短长度可变性。然后，系统可以使用上述方程来确定测试位置的最优大小。然后，系统可以基于所计算的试验大小来生成新的网格叠加。在一个实施例中，系统基于一个或多个农具的宽度来预选择网格单元的宽度，并且使用预选择的宽度和面积来计算每个网格单元的长度。
7.4.确定测试位置的定向
在一个实施例中，农业智能计算机系统基于农业田地上的一个或多个农具的头部信息来确定网格叠加和/或测试位置的定向。例如，农具可以在一个或多个农业活动期间(例如田地的种植期间)连续捕获标识农具的移动方向的数据，并且向农业智能计算机系统发送所捕获的数据。接收到的方向数据可以包括与路径末端的转弯相关的方向数据和当播种机在田地上下移动时的方向数据。
为了去除由播种机在田地上下移动引起的误差，系统可以标识180°弧内的方向数据，并将180°弧内的每个方向设置为该方向的相反方向。因此，如果播种机的45％的方向值指示播种机正在向北移动，并且播种机的45％的方向值指示播种机正在向南移动，则农业智能计算机系统可以翻转向南值，使得播种机的90％的方向值指示播种机正在向北移动。为了除去与路径末端的转弯相关的方向数据，农业智能计算机系统可以选择方向数据的中位数方向，从而去除由农业装备的转弯以及围绕树木和其他障碍物移动引起的数值离群值。
在一个实施例中，农业智能计算机系统标识播种机改变航向的位置。例如，对于田地的第一部分，播种机可以以第一角度种植，对于田地的第二部分，播种机可以以第二角度种植。为了标识播种机已经开始在不同方向上种植的位置，农业智能计算机系统可以利用分组算法来标识指示播种机方向的值已经改变的位置。
在一个实施例中，当大于阈值数目的连续方向值标识不同于先前方向的、大于阈值度数的相同方向时，农业智能计算机系统确定已经发生了方向改变。例如，如果播种机每5秒钟生成一个新的方向值，并且如果多于20个连续方向值与先前确定的方向相差大于5°，则系统可以确定播种机已经开始在新的方向上种植。
在一个实施例中，农业智能计算机系统使用图像来确定播种机的方向。例如，农业智能计算机系统可以标识农业田地的航拍图像中的直线，诸如在农业田地的边界上。农业智能计算机系统可以确定图像中的直线对应于农业田地的种植的方向，并将网格设置为与所标识的方向对齐。
7.5.从网格位置选择
在一个实施例中，农业智能计算机系统改变网格内单元的位置，以最大化农业田地中可进行种植的测试位置的数目。图22描绘了改变预设网格内的测试位置以最大化测试位置数目的示例方法。
地图2202描绘了具有网格叠加的田地的第一地图。在图22的示例中，网格的竖直线被固定为对应于播种机的方向移动。地区2204描绘了地图2202上的一个位置，该位置包括一个完整的网格单元和两个不完整的网格单元。在一个实施例中，农业智能计算机系统标识包括不完整网格单元的位置。农业智能计算机系统可以在单个方向(诸如播种机的方向)上移位所标识位置内的单元，以容纳更多完整的单元。例如，在地图2206中，位置2208中的单元已经被向上移位。在地图2202中，只有一个完整的单元容纳在该位置中，而在地图2206中，两个单元能够容纳在相同的位置2208。因此，在地图2210中，两个单元都能够用于不同的试验。
在一个实施例中，农业智能计算机系统标识网格中的一个或多个不完整单元。然后，农业智能计算机系统确定单元的哪一半包括从边界开始的最大连续完整区域。例如，如果单元的顶部缺少一个角，但单元的底部完好无损，则系统可以将单元的底部部分标识为最完整的部分。然后，农业智能计算机系统可以在该单元最完整部分的方向上移位该单元以及受该移位影响的所有单元，直到形成完整的单元。然后，农业智能计算机系统可以确定包含该单元的列是否具有比以前更多的完整单元。如果该列包含更多的单元，则系统可以对该列中的下一个不完整单元继续进行该过程。如果该列包含更多的单元，则系统可以将该列恢复到其移位前的状态，并对该列中的下一个不完整单元继续进行该过程。一旦已经对该列中的每个不完整单元执行了该过程，系统就可以对下一列继续进行该过程。
虽然上述方法是针对田地边界描述的，但是这些方法也可以关于管理区被利用。例如，如果一个单元包括多于一个的管理区，则可以认为该单元是不完整的。因此，系统可以向上或向下移位单元，以便最大化管理区中完整单元的数目。在一个实施例中，系统首先选择最小管理区，并且执行本文所描述的方法来增加该最小管理区中的单元数目。然后，系统可以在下一个最小的管理区中执行该方法。在管理区中移位单元之后，系统可以另外确定该移位是否减少了先前管理区中的完整单元的数目。如果是，则系统将该列恢复到其移位前的状态，并且对该列中的下一个不完整单元继续进行该过程。
在一个实施例中，系统能够移位单元，使得两个连续的单元不邻接。例如，当向下移位第一单元时，可以不移位第一单元上方的单元。因此，该系统能够围绕田地中间的障碍物(例如小水体和大树)移位单元，同时最大化网格叠加中的单元数目。
虽然使用两个相邻单元描述了实施例，但是一些试验要求使用多于两个的位置。对于这样的位置，系统可以标识管理区内用于执行试验的集群。系统可以首先选择最小的管理区，从而最大化在较小的区中完成的试验的数目。然后，系统可以随机或伪随机地选择第一位置。然后，系统可以伪随机地选择接触第一位置的第二位置，直到所有位置已经被布置或者周围没有更多位置可用为止。如果需要布置更多的位置，则系统可以随机或伪随机地选择接触第二位置的第三位置。系统可以继续该过程，直到所有位置已经布置了或者不能再布置更多位置为止。如果不能再布置更多的位置，则系统可以移除所有先前已布置的位置，并且随机或伪随机地在管理区中布置新的第一位置以继续该过程。如果超过阈值数的布置位置集群的尝试以失败告终，则系统可以移动到下一个管理区。
7.6.处方地图和脚本
本文描述的方法改进了计算机生成处方地图用于在农业田地上执行一个或多个农业任务的过程。例如，农业智能计算机系统可以接收针对农业田地生成具有一个或多个特定试验的处方地图的请求。农业智能计算机系统可以使用上述方法来标识田地和测试位置、测试位置的定向以及测试位置的大小。然后，农业智能计算机系统可以生成处方地图，该处方地图包括在测试位置上被执行的试验。例如，如果试验是将播种种群增加一倍，则农业智能计算机系统可以生成使得测试位置的播种种群是剩余位置的种群的两倍的处方地图。
在一个实施例中，农业智能计算机系统使用处方地图来生成一个或多个脚本，这些脚本用于控制农业车辆或器具的操作参数。例如，该脚本可以包括指令，这些指令在由应用控制器执行时，使得应用控制器使农具将处方应用于田地。该脚本可以包括种植脚本、养分施用脚本、化学施用脚本、灌溉脚本和/或用于控制农具的任何其他指令集。
8.田地管理者计算设备通信
农业智能计算系统可以将试验参与请求发送到田地管理者计算设备上的图形用户界面。该试验参与请求可以标识该试验的约束以及与该试验相关联的一个或多个值。值关联在本文中进一步描述。图形用户界面可以包括如下选项：同意参与试验、选择特定量的田地以专用于试验、选择管理实践的改变程度和/或选择结果的期望置信水平。农业智能计算系统可以标识田地中有可能的位置用于实现试验的测试位置。附加地或备选地，图形用户界面可以包括用于选择测试位置的布置的选项。
在一个实施例中，试验参与请求不直接向田地管理者计算设备标识产品或管理实践。例如，试验参与请求可以标识在测试位置要使用不同的杂交种子，但是不标识杂交的类型。杂交种子可以物理地发送到田地用于试验的实现。因此，田地管理者可以在不知道所种植的种子类型、所应用的产品类型、或作为试验的一部分被应用的一个或多个管理实践的情况下执行试验。
图9描绘了用于选择位置以布置测试位置的图形用户界面。在图9的最左侧图像中，田地基于土壤类型被分为多个区。在最右侧图像中按位置显示了氮的施用率。一个位置已经被选择用于实现已施氮的测试位置，同时第二位置已经被选择用于实现未施氮的测试位置，从而作为对照组。两个位置都在同一管理区内。
在田地管理者计算设备上执行的图形用户界面可以包括用于命名、描述和标记所选位置的选项。图10描绘了用于定义所选位置的示例图形用户界面。图10的显示包括用于命名所选位置的文本框、用于添加所选位置的描述的文本框以及用于为所选位置选择一个或多个标签的选项。标签可以稍后用于搜索先前选择的位置。例如，如果田地管理者实现多种不同类型的试验，则田地管理者可以使用标签来标识已经针对特定类型的试验被标记的位置。虽然图10是根据用户界面被描述，但是类似的标签可以由农业智能计算系统使用来跟踪具有特定试验的田地区域。
一旦选择了区域，农业智能计算系统就可以跟踪并引起与所选区域有关的信息的显示。图11描绘了用于显示与所选区域有关的信息的示例图形用户界面。在图11中，“40lbs对照”区域已经被选择。该报告描述了该位置的产量、该位置的土壤水分以及与所选区域的子区域有关的统计信息。例如，在所选位置的平均产量下描述了“种群>每英亩38.0k种子”子区域的平均产量。在另一实施例中，该报告可以描绘其他位置的产量，例如，试验区域中“种群>每英亩38.0k种子”的平均产量或“40lbs对照”区域之外的田地其余部分中的平均产量。
服务器可以另外显示试验数据、对照数据和其他田地数据之间的比较。图12描绘了用于描绘试验结果的示例图形用户界面。图12标识了每种类型的试验的平均产量与田地的平均产量的对比。图12的界面描绘了氮对照、氮试验和晚季氮施用试验的示例产量。该界面提供了对实现试验的效果的简单视觉核实。竖直线也可以描绘整个田地的平均产量。
在一个实施例中，农业智能计算系统最初跟踪在田地内实现测试位置的进度。例如，田地传感器可以指示田地器具已经在何处种植作物或施用产品。当田地在被选择作为测试位置的地区内实现种植种子时，农业智能计算系统可以监视种植和/或施用，以确定测试位置是否遵守试验要求。例如，试验可能要求测试位置包括每英亩35,000粒种子的种植种群的要求。如果农业智能计算系统接收到数据指示器具已在特定测试位置种植了每英亩35,000粒种子，则农业智能计算系统可以向田地管理者指示测试位置已被正确地实现。作为示例，响应于服务器确定测试位置满足试验的要求，显示在田地管理者计算设备上的地图上的测试位置的颜色可以改变。
当服务器跟踪田地器具的种植和/或施用时，农业智能计算系统可以向田地管理者计算设备发送警告，指示田地器具即将在测试位置中开始种植或施用。例如，服务器可以跟踪由种植器具在特定田地上对第一杂交种子的种植。如果测试位置要求种植第二杂交种子，则农业智能计算系统可以在种植器具接近测试位置时向田地管理者计算设备发送警告。该警告允许田地管理者在种植器具使试验的测试位置无效之前停止种植器具。该警告可以是被发送给田地管理者计算设备的任何信号，诸如弹出通知、电子邮件、SMS/MMS消息，或者使得灯在田地管理者计算设备上闪烁的信号。
附加地或备选地，农业智能计算系统可以发送指令，该指令如果被执行，则使得田地器具校正测试位置中的种植或施用。例如，农业智能计算系统可以发送脚本，该脚本可以用于控制田地器具以使田地器具实现试验。农业智能计算系统可以向控制器具的田地管理者计算设备直接发送脚本，从而自动补偿不正确的种植或施用。附加地或备选地，农业智能计算系统可以向然后由田地管理者用来补偿种植或施用的田地管理者计算设备发送脚本。
在一个实施例中，如果农业智能计算系统确定测试位置已经被无效，则农业智能计算系统提供备选。当测试位置已经被无效时，农业智能计算系统可以标识一个或多个附加位置以用于实现测试位置。农业智能计算系统可以通过在田地管理者计算设备上执行的图形用户界面来引起显示用于实现测试位置的一个或多个备选位置的标识。在一个实施例中，图形用户界面可以包括供田地管理者选择用于实现测试位置的备选位置中的一个备选位置的选项。在另一实施例中，农业智能计算系统可以通过应用控制器使农业装置自动在备选位置实现测试位置，而无需来自田地管理者的动作。
作为示例，第一测试位置可以被定义在第一位置处作为不接收氮施用的对照组。如果农业智能计算系统确定氮已经被施用到第一位置，则农业智能计算系统可以标识未施用氮的一个或多个第二位置。农业智能计算系统可以引起一个或多个第二位置在田地管理者计算设备上的显示。响应于接收到对特定位置的选择，农业智能计算系统可以更新地图以指示该特定位置是被定义为不接收氮施用的对照组的第二测试位置。农业智能计算系统然后可以向田地管理者计算设备发送警告，以不向该特定位置施用氮。
作为另一示例，第一测试位置可以被定义在第一位置处作为不接收氮施用的对照组。如果农业智能计算系统确定氮已经被施用到第一位置，则农业智能计算系统可以标识未施用氮的一个或多个第二位置。农业智能计算系统可以直接通过应用控制器使农业装置自动在备选位置实现测试位置，而无需来自田地管理者的动作。然后，农业装置可以不向特定位置施用氮。
在一个实施例中，农业智能计算系统可以被编程或被配置为响应于确定测试位置不遵守试验而更改一个或多个试验。在一个实施例中，农业智能计算系统建议对其他位置的一个或多个实践的更改，以抵消测试位置中的错误。例如，如果对照位置以比试验所需的播种率高百分之十的播种率被种植，则农业智能计算系统可以将其他测试位置的播种率修改为高百分之十。
农业智能计算系统还可以基于所标识的对测试位置的修改来更改试验的预测结果。例如，对于40lbs/英亩的氮施用，农业智能计算系统可以预测每英亩30蒲式耳的产量增加。如果农业智能计算系统检测到仅向农业田地施用了30lbs/英亩的氮，则农业智能计算系统可以降低30蒲式耳/英亩的预计产量增加。
农业智能计算系统还可以使用观测到的田地数据来确定田地是否遵守试验。例如，农业智能计算系统可以将试验结果与其他田地上的等效试验结果和/或地理区域(诸如县)的平均结果相比较。如果试验结果与其他田地或地理区域的结果相差很大，则农业智能计算系统可以确定该试验在田地上被不正确地实现。
8.值关联
在一个实施例中，农业智能计算系统将结果值与试验的执行关联。相关联的结果值可以是降低的产品获得成本、在试验成功的情况下对田地管理者的成本、在试验失败的情况下的返款、碳信用额、用水信用额和/或任何形式的数字货币。
在一个实施例中，试验参与请求包括对特定成果的承诺，诸如绝对产量、收入、基于产量的所得(income)或收入(revenue)的百分比增加、和/或作物的质量。例如，试验参与请求可以包括如下保证：如果在田地上使用特定的农药，则田地的总产量将增加20蒲式耳/英亩。如果田地管理者同意参与试验，则田地管理者被要求在一个或多个测试位置中使用农药，并且在一个或多个对照位置中不使用农药。如果测试位置性能超过对照位置至少20蒲式耳/英亩，则农业智能计算系统将确定受保证的成果已经发生。如果测试位置没有比对照位置高出至少20蒲式耳/英亩，则农业智能计算系统可以确定受保证的成果未发生。
在一个实施例中，试验参与请求可以打折或免费提供产品或种子，以换取参与试验和(在发生受保证的成果的情况下)部分利润的的回报。例如，试验参与报价(offer)可以包括为农夫提供的特定杂交的免费种子，但承诺：如果测试位置的产量增加超过20蒲式耳/英亩，则田地管理者必须支付来自作物销售的收入增加和/或投资回报的百分之十。该部分利润可以是实际利润的部分，也可以是基于所收获的作物的平均价格而被建模的利润。
尽管已经关于种子的种植或产品的施用一般性地描述了实施例，但是类似的试验参与请求可以基于不同的管理实践。例如，农业智能计算系统可以从田地管理者计算设备接收指示历史管理实践和历史产量的数据。农业智能计算系统可以计算改变一个或多个管理实践的效益。农业智能计算系统可以发送指示该农业智能计算系统已经标识出一个或多个管理实践的试验参与请求，如果这一个或多个管理实践被更改，则会保证特定的效益。如果田地管理者计算设备同意参与试验，则农业智能计算系统可以向田地管理者计算设备发送一个或多个经更改的管理实践。如果实现经更改的管理实践的测试位置得到受保证的量的效益，则农业智能计算系统可以请求收入和/或投资回报的部分。例如，农业智能计算系统可以计算从秋季氮肥施用改变成春季氮肥施用的效益。如果实现春季氮肥施用的测试位置得到受保证的量的效益，则农业智能计算系统可以请求所增加的效益和/或投资回报的一部分。
尽管已经关于种子的种植或产品的施用或不同的管理实践一般性地描述了实施例，但是类似的试验参与请求可以基于不同的农场装备。例如，农业智能计算系统可以从田地管理者计算设备接收指示历史管理实践、历史农场装备和历史产量的数据。农业智能计算系统可以计算改变一个或多个农场装备部件的效益。农业智能计算系统可以发送试验参与请求，该请求指示农业智能计算系统已经标识出一个或多个农场装备部件，如果对这一个或多个农场装备部件进行更改，将保证特定的效益。如果田地管理者计算设备同意参与该试验，并且农场装备经销商同意参与该试验，则农业智能计算系统可以向田地管理者计算设备和农场装备经销商发送该一个或多个已改变的管理实践。如果实现已改变的农场装备的测试位置得到受保证量的效益，则农业智能计算系统可以从农场管理者或农场装备经销商请求收入和/或投资回报的部分。例如，农业智能计算系统可以计算改变为新的种植装备的效益。如果实现新的种植装备的测试位置得到受保证量的效益，则农业智能计算系统可以请求所增加的效益、投资回报或设备销售价格的部分。
附加地或备选地，如果没有出现产量的受保证的增加，则农业智能计算系统可以提供返款。例如，农业智能计算系统可以对特定产品或提供管理实践建议进行收费。农业智能计算系统可以基于对所提供的管理实践设备或特定产品的使用来保证产量的特定增加。如果没有出现受保证的特定产量增加，则农业智能计算系统可以另外提供返款。因此，可以向田地管理者保证，要么田地管理者将因参与试验而收到可观的效益，要么参与试验的至少一部分成本是可收回的。
在一个实施例中，农业智能计算系统基于针对田地所捕获的数据来确定结果值关联。例如，农业智能计算系统可以接收田地数据，包括田地描述、土壤数据、种植数据、肥料数据、收获和产量数据、作物保护数据、病虫害数据、灌溉数据、平铺数据、图像、天气数据、以及附加管理数据。基于田地数据，农业智能计算系统可以计算使用一个或多个产品、管理实践、农场装备或种子对田地的效益。农业智能计算系统可以基于所计算的对田地的效益来生成试验参与请求。例如，农业智能计算系统可以被编程或被配置为以计算出的田地利润增加的特定百分比来提供一个或多个产品、管理实践、农场装备或种子。
作为示例，农业智能计算系统可以确定应用特定的管理实践将使田地的产量增加20蒲式耳/英亩。农业智能计算系统还可以确定作物的价格约为每蒲式耳4美元。因此，实现管理实践的预期利润增加为$80/英亩。如果农业智能计算系统被编程或被配置为请求10％的预期利润，则农业智能计算系统可以发送试验参与请求，该请求保证15蒲式耳/英亩的产量增加，所应用的每英亩成本为8美元。
在一个实施例中，农业智能计算系统基于与田地管理者计算设备相关联的风险容忍度来确定结果值关联。可以使用本文描述的方法中的任何方法来确定风险容忍度。如果与田地管理者计算设备相关联的风险容忍度高于特定值，则农业智能计算系统可以提供相对较高的初始价格以及针对未能满足条件的相对较高的返款。如果与田地管理者计算设备相关联的风险容忍度低于特定值，则农业智能计算系统可以提供相对较低的初始价格以及针对未能满足条件的相对较低的返款。
在一个实施例中，农业智能计算系统设置多个结果值以与试验参与请求相关联。例如，试验参与请求可以包括分层式返款系统，如果试验使产量受益，但不能达到试验参与请求所保证的程度，则支付第一返款，而如果试验未使产量受益，则支付第二返款。可以根据试验的效益水平来设置其他层级。例如，分层式系统可以针对低于受保证产量的每5蒲式耳/英亩设置不同的返款值。
结果值关联可以基于个体测试位置或测试位置的组合。例如，试验参与请求可以包括基于参与试验的所有测试位置的平均性能的报价。因此，只要测试位置的平均产量高于受保证的产量，测试位置中的一个测试位置的产生低于受保证产量可以不指示试验失败。作为另一示例，试验参与请求可以包括基于来自地理区域(例如县)中的参与试验的多个操作的所有测试位置的平均性能的报价。
在一个实施例中，可以基于与田地管理者计算设备相关联的风险容忍度来确定试验参与请求报价的、用于确定试验效益的平均性能区域。如果与田地管理者计算设备相关联的风险容忍度高于特定值，则农业智能计算系统可以提供相对较小的平均性能区域、潜在地包括单独测试位置级别的子田地。如果与田地管理者计算设备相关的风险容忍度低于特定值，则农业智能计算系统可以提供相对较大的平均性能区域，潜在地包括跨越多个田地管理者的田地中的测试位置，甚至跨地理地区(如县)的农场操作。
在一个实施例中，结果值关联包括针对田地管理者的受保证利润。例如，农业智能计算系统可以通过使用一种或多种种子、一个或多个产品和/或一个或多个管理实践来将可能的产量和/或可能的收入建模。农业智能计算系统可以基于所建模的产量和/或可能的收入来保证田地管理者的收入。如果田地管理者计算设备同意该试验，则可以向该田地管理者提供一种或多种种子、一个或多个产品和/或一个或多个管理实践。在试验完成后，农业智能计算系统可以计算结果值，该结果值包括预测收入和/或实际收入与受保证的收入之间的差异。所计算的结果值可以表示应由田地管理者支付的量。如果计算的结果值为负，则所计算的结果值指示欠田地管理者的量。因此，试验参与请求能够为田地管理者确保特定的利润，同时仍然对试验请求方有利。
在一个实施例中，关联的结果值可以基于被分配给试验的田地的部分。例如，农业智能计算系统可以基于田地管理者同意用于试验的田地的百分比或英亩数来生成不同水平的返款。可以针对被分配给该试验的田地的第一百分比或量设置第一返款值，并且可以针对被分配给该试验的田地的第二更高百分比或量设置第二更高返款值。因此，激励田地管理者增加专门用于试验的田地数量，以便能够要求更高的效益和/或返款。
9.基于成果的实现
在一个实施例中，农业智能计算机系统被编程为针对特定试验建议生成一个或多个值关联。试验建议可以包括用于农艺田地的严格子集或整个农艺田地的一个或多个不同的实践。例如，农业智能计算机系统可以被编程为建议不同的种子、不同的种子种群、不同的杀真菌剂施用和/或施用率、不同的作物保护实践、不同的除草剂施用和/或施用率、不同的肥力实践和/或肥力率、和/或用于农业田地的其他不同管理实践。农业智能计算机系统可以被编程为使用实现不同种子和/或不同种子种群的已建模的效益来生成一个或多个基于成果的值(诸如用于进行试验的种子的成本)，该成本取决于预期成果。
在一个实施例中，农业智能计算机系统被编程为接收针对农艺田地的田地数据，该田地数据标识一个或多个田地过去的农艺产量和一个或多个先前被利用的管理实践。农业智能计算机系统被编程为标识与一个或多个产品对应的一个或多个不同的管理实践，诸如以不同的种子密度布置不同的种子。使用该一个或多个不同的管理实践，农业智能计算机系统被编程为创建和存储数字模型，该数字模型包括表示对实现管理实践的农艺田地的改进的可执行指令。农业智能计算机系统被编程为利用已建模的改进来生成针对一个或多个产品的一个或多个成本值，并在客户端计算设备上显示该一个或多个成本值。
如果一个或多个成本值中的一个成本值被选择，则农业智能计算机系统可以被编程为促进建议的实现，诸如通过一个或多个农业脚本，该一个或多个农业脚本使农艺机器以所建议的播种率来播种田地，和/或监视农艺田地以确定田地遵守该建议。针对包括基于受保证的产量的返款的成本值，农业智能计算机系统可以被配置为仅在农艺田地遵守建议的情况下提供返款。
9.1.值类型
在一个实施例中，农业智能计算机系统至少部分地基于一个或多个建议来计算多个基于成果的值。例如，农业智能计算机系统可以计算无风险管理的按英亩的种子成本、性能保证值、性能匹配值和/或利润匹配值。虽然关于种子类型和播种率的改变描述了实施例，但是本文描述的方法可以用于杀真菌剂施用、杀虫剂施用、养分/养分抑制剂施用的改变，和/或管理实践中的其它改变。因此，尽管下面描述的示例使用了布置和密度提升，但是其他实现可以包括杀真菌剂提升、杀虫剂提升、肥力提升和/或由于任何其他管理实践引起的提升。
在一个实施例中，每英亩的成本值被计算为执行一个或多个不同管理实践的被建模效益的函数。例如，基于所建议的种子类型和种子种群的每英亩价格可以如下被计算：
PA＝PBase+《Dup+Pup)*(B*I)
其中B是所种植作物每蒲式耳的计算值，I是所选择的百分比值，Dup是密度提升，即由于实现不同播种种群而引起的被建模的产量增加，Pup是布置提升，即由于种植所建议的种子而引起的被建模的产量增加，并且PBase是种子的基础值。基础值可以取决于具有所种植的种子的农艺田地的被建模的产量，诸如每英亩的被建模的产量乘以种子成本，诸如60美分。
性能保证价格可以以类似的方式被计算，并具有添加的风险值以涵盖该保证。该保证可以指定特定的受保证的产量。农业智能计算机系统可以存储赔偿值，该赔偿值指示在农业田地未收到受保证的产量的情况下的赔偿量。
性能匹配值可以以类似的方式被计算，并具有较低风险值以涵盖该保证。该保证可以指定特定的受保证的产量。另外，农业智能计算机系统可以存储赔偿值和超性能(overperformance)百分比。超性能百分比可以包括高于使用本文描述的方法所计算的受保证产量的产量的百分比。
利润匹配值被可以计算为带有附加风险(Risk)值的被建模产量的百分比。例如，利润匹配值可以被计算为：
PM＝PBase*B*I+Risk
其中风险值是附加的设置量。风险值可以基于被建模的信息来计算，以便使支出值和效益值平均为零。附加地或备选地，风险值可以是针对每个基于成果的计算的设置值，无论农业田地的预期产量如何。
9.2.数据流
图18描绘了用于针对建议生成一个或多个基于成果的值的示例数据流。图18的数据流概括地描述了一个示例过程，通过该过程，田地输入数据被用于计算建议、报价和保证。其他示例过程可以使用比图18中描述的数据多或少的数据来计算本文描述的基于成果的值中的一个或多个基于成果的值。图18和本说明书中引用的所有值都是数字存储值，能够在程序控制下进行计算机读取、写入和转换。数据可以由农业智能计算机系统准备和/或从一个或多个外部服务器计算机和/或数据源被接收，诸如第4节中描述的被提供的数据。
原始种植者数据1804包括与单个种植者相关的原始数据。原始种植者数据1804可以包括针对种植者的用户标识符、由种植者管理的一块或多块田地的标识符、建议产品的名称、种植者田地的地理区域(诸如州、县、纬度、经度)和/或预定区、基于产量模型的中位数预期产量、密度提升、历史播种密度、建议密度、应用建议密度的英亩的数目、种植者田地的历史产量、布置提升、布置提升的方差、产量概率、农场名称、农场标识符、田地名称和/或田地标识符。
产量概率可以包括多个产量值中的每个产量值的概率值。例如，农业智能计算机系统可以计算特定农业处理的预期产量和产量方差。基于预期产量和产量方差，农业智能计算机系统可以确定多个产量值中的每个产量值的概率，诸如每英亩1蒲式耳与每英亩500蒲式耳之间的每个整数产量值的概率。
农业智能计算机系统将原始种植者数据1804聚合成聚合的种植者数据1808。农业智能计算机系统可以最初将针对特定种植者的个体田地的数据聚合成针对特定种植者的种植者数据，生成诸如聚合的密度提升、聚合的布置提升和聚合的产量概率的值。聚合的种植者数据1808可以包括跨多个种植者的实际生产历史、密度提升、布置提升、预测产量、所使用的不同种子类型的百分比和聚合产量概率的聚合。
县区数据1806包括一般的县和区信息，诸如区位置、县位置、州和/或其他一般数据。区信息可以基于由农业智能计算机系统生成和/或被提供给农业智能计算机系统的预定义地区，本文称为“区(zone)”。蒲式耳递增值数据1814可以包括标识一蒲式耳作物的相对值的数据。例如，农业智能计算机系统可以接收特定区域的特定作物的先前定价信息。农业智能计算机系统可以使用先前的定价信息来计算蒲式耳增量值，该递增值指示该特定区域下一季每蒲式耳作物的预期价格。
县区数据1806和蒲式耳递增值数据1814可以用于生成区数据1812。区数据1812可以包括一个或多个区的定义、区内的平均农艺产量、区中的种子的平均成本、区中的平均蒲式耳基价、区内建议种子的平均销售价格以及一个或多个位置的任何其他聚合值。
聚合的种植者数据和区数据1812可以用于生成值关联数据1820。例如，农业智能计算机系统可以基于田地的实际生产历史以及关于该区平均产量的信息来确定诸如特定田地的最大可能的产量的值。值关联数据可以包括预期密度提升、布置提升、蒲式耳基价、产量保证、蒲式耳值、递增值以及用于生成一个或多个播种建议的基价的任何其他信息。
农业智能计算机系统还可以被编程为生成聚合的风险数据1810。风险数据通常与田地未能达到预期产量而导致的损失风险有关。聚合的风险数据1810可以包括种植者标识符、操作标识符、各种田地的位置数据、预期产量、实际产量和产量概率。
农业智能计算机系统可以被编程为使用聚合的风险数据1810和值关联数据1820来生成风险覆盖数据1816。风险覆盖数据1816可以包括种植者标识符、产品信息、标识由于超性能的回报的数据、保证值、风险调整值、最大支出值、利润分享值和/或价格下限值。超性能值可以被计算为大于保证的产量的百分比，使得每个产量值的概率乘以预期支出或回报并由风险调整值调整的平均为零。例如，农业智能计算机系统可以使用以下方程来针对每个田地和/或种植者生成风险保证值：
使得被计算为支出(payout)值乘以产量的概率的预期支出减去风险调整值等于零。
农业智能计算机系统可以使用风险覆盖数据1816来生成风险调整1818，该风险调整1818包括对值关联数据1820的改变，以考虑各种风险。风险调整可以包括风险调整值、超性能率、返款值、价格下限和价格上限。
农业智能计算机系统将值关联数据1820和风险调整1818综合以生成最终输出1822。最终输出1822可以包括文件(诸如JSON文件)，其包括针对值类型中的每个值类型的值。例如，最终输出1822可以包括种植者ID、种植者姓名、田地数据(诸如田地英亩数、预期产量和作物基价)、每英亩值的种子价格、每英亩值的预期产量、性能保证的种子价格、性能保证的受保证产量、针对低于性能保证的受保证产量的每蒲式耳返款、性能保证的最低价格，性能匹配值的价格、性能匹配值的受保证产量、低于性能匹配值的受保证产量的每蒲式耳返款、高于性能匹配值的受保证产量的每蒲式耳超性能价格、性能匹配值的最低价格、性能匹配值的最高价格、利润分享值的利润分享百分比、利润分享值的最低价格和/或利润分享值的最高价格。
在一个实施例中，农业智能计算机系统在客户端计算设备上显示一个或多个基于成果的值。例如，农业智能计算机系统可以选择要发送给客户端计算设备的报价。所选报价可以基于风险容忍度值，诸如第5节中所述的风险容忍度值，由此针对高风险容忍度选择每英亩值，针对低风险容忍度选择性能匹配值。附加地或备选地，农业智能计算机系统可以在客户端计算设备上显示多个基于成果的值，并且接收选择特定的基于成果的值的输入。
9.3.用于生成保证值的产量建模
在一个实施例中，农业智能计算机系统使用概率密度函数来计算农业田地的不同产量的概率。概率分布不仅指示可能的产量值，而且还表示产量值高于或低于特定产量值的概率。农业智能计算机系统可以使用概率密度函数来计算受保证的产量值。例如，农业智能计算机系统可以基于与特定田地对应的一个或多个数据值来生成针对该田地的概率密度函数。农业智能计算机系统可以从概率函数选择特定的产量值，使得产量低于基于概率分布的产量值的可能性是特定的百分比，诸如10％。附加地或备选地，农业智能计算机系统可以计算产量在特定范围内(诸如在150-175bu/ac之间)的概率。农业智能计算机系统可以选择产量的可能性为90％的范围，并且计算受保证的产量值作为该范围的底值。
为了使用概率分布来生成受保证的产量值，农业智能计算机系统可以生成远早于当前田地或天气条件之前(诸如在种植农业田地的前一年)的概率密度函数。因此，农业智能计算机系统可以生成在输入特征上被训练的模型，该输入特征可以在种植作物之前被确定。例如，农业智能计算机系统可以接收针对一个或多个田地的先前产量数据，该先前产量数据包括种植有特定杂交种子的田地的农艺产量、土壤特性数据(诸如土壤的物理和/或化学特性)、田地拓扑数据、田地英亩数、管理实践(诸如播种率和作物轮作的发生与否)，以及种子数据(诸如特定杂交种子的性状)。农业智能计算机系统可以使用土壤特性数据、田地拓扑数据、管理实践和种子数据作为输入，使用产量作为输出来训练数字模型。
模型可以是回归模型，例如广义加性模型(GAM)、基于树的模型、机器学习模型和/或神经网络模型。该模型可以被配置为估计分布，诸如sinh-arcsinh(SHAH)分布。备选地，农业智能计算机系统可以使用量化不确定性的备选方法，例如蒙特卡罗采样。作为示例，四参数sinh-arcsinh分布可以利用田地英亩数、作物轮作、播种密度和杂交种子性状中的一个或多个作为针对尾参数、形状参数、偏斜参数和/或中心参数中的一个或多个参数的输入参数来被训练。
本文描述的概率分布可以用于针对种植特定种子杂交的特定农艺田地的生成受保证的值。在示例方法中，农业智能计算机系统接收一个或多个田地的过去产量数据，包括过去产量和一个或多个过去输入特征。农业智能计算机系统训练作物产量的数字模型(诸如GAM)，以预测产量概率分布(诸如SHASH分布)的参数。然后，农业智能计算机系统可以使用与特定农艺田地和特定作物杂交相关的数据来计算针对特定田地和作物杂交的SHASH分布的参数。使用SHASH分布，农业智能计算机系统可以选择特定值作为受保证的产量值。
本文使用的产量概率分布计算通过使农业智能计算机系统能够访问否则将不可用的田地和杂交特定数据，使得农业智能计算机系统受益。例如，使用本文描述的模型所生成的概率分布允许农业智能计算机系统基于产量低于或高于所选值的可能性来选择受保证的产量值，从而确保被发送到田地管理者计算设备的产量保证足够高以描绘农艺田地的产量增加，同时足够低以使得很少有田地会表现得低于该保证。通过向田地管理者计算设备提供所述保证值，农业智能计算机系统使用输入数据来生成改进的界面，该界面允许田地管理者对种植农艺田地做出更好的决策。
9.4.示例基于成果的显示
图19描绘了的示例基于成果的显示。图19的基于成果的显示包括四个基于成果的值，按英亩的种子值、性能保证值、性能伙伴值和利润伙伴值。每个值包括可如本文所述计算的不同基础种子价格和基于农艺模型的估计产量规划(projection)。每个值还包括指示最小和最大种子价格的价格下限和价格上限。
图19的显示允许用户很容易地调整值，以便就选择哪个值做出明智的决策。例如，显示在左上角包括计划玉米价格，该价格可以通过图形用户界面进行被调整。另外，显示包括可以通过图形用户界面被调整的最终每英亩蒲式耳滑动器(final bushel per acreslider)。响应于通过作物价格选项或最终每英亩蒲式耳滑动器接收到调整，系统可以更新显示中的值。例如，作物收入和包括每蒲式耳返款的总种子成本可以基于作物价格和每英亩蒲式耳的数目来计算。如图19所显示，所选的最终每英亩蒲式耳值200低于产量预测值240。因此，性能保证、性能伙伴和利润伙伴值的总种子成本被调整为包括返款。
图19的显示响应于最终输出值的改变而更新的能力，允许不同类型的值之间容易的比较。随着界面通过重新计算作物收入、总种子成本以及收入去除种子成本而更新时，用户能够利用选择不同的建议来标识效益和风险。因此，图19的自适应显示使用计算系统来显示大量以其他方式将难以比较的信息，从而允许做出更明智的决策。
9.5.示例基于成果的试验生成
图23描绘了在农业田地上实现试验的示例方法。例如，农业智能计算机系统可以标识针对农业田地的一个或多个试验建议，并且向田地管理者计算设备发送该一个或多个试验建议。如果农业智能计算机系统接收到了对试验的接受，则农业智能计算机系统可以执行图23的方法来确定试验位置并分析试验结果。第5节和第6节中描述的选择试验位置的其他示例可以与图23中描述的方法结合利用，或者作为图23中描述的方法的备选。
在步骤2302，标识用于评估试验的位置。例如，如果试验包括杀真菌剂试验，则农业智能计算机系统可以标识用于评估试验的位置，该位置包括对照位置和处理位置。在一个实施例中，用于布置三个宽度相等(诸如240英尺宽)的条带的位置在田地上被标识。外部两个条带可以包括处理位置，而内部条带包括对照位置。农业智能计算机系统可以存储针对农业田地上多个位置的位置数据。另外，农业智能计算机系统可以将外部两条带内的位置标记为处理位置，并且将内部条带内的位置标记为对照位置。
在一个实施例中，可以基于从田地管理者计算设备接收的数据来确定处理位置和/或对照位置。例如，农业智能计算机系统可以从田地管理者计算设备接收种植数据，该种植数据包括标识车辆在农业田地上的何处移动的车辆通行数据、标识每个位置的种植密度的种植密度数据、和/或从播种机接收的或通过田地管理者计算设备手动输入的其他数据。所使用的数据的其他示例可以包括土壤数据、先前的产量数据、施用数据或与农业田地相关的其他数据。基于接收到的数据，农业智能计算机系统可以标识试验可以被执行的位置。
农业智能计算机系统可以被配置为尝试基于一个或多个已存储的规则将条带布置在一个或多个最优位置。例如，已存储的规则可以消除不统一的地区，诸如在单独的路径中种植的地区或具有大障碍物的地区。另一已存储的规则可以消除低于阈值大小的区域。如果农业智能计算机系统不能选择田地的中心，则农业智能计算机系统可以被配置为在不违反任何布置规则的情况下，选择尽可能靠近田地中心的位置。
在步骤2304，试验在农业田地上被执行。例如，农业智能计算机系统可以向田地管理者计算设备发送数据，该数据标识对照条带、将对田地的其余部分应用的处理、以及将对对照条带应用的处理或缺少的处理。作为示例，针对杀真菌剂试验，农业智能计算机系统可以标识要在农业田地上使用的杀真菌剂和不接收杀真菌剂的农业田地上的位置作为对照组。当已经对农业田地应用了施用时，田地管理者计算设备可以向农业智能计算机系统发送数据。例如，农具可以在其喷洒田地时记录位置数据，并且向农业智能计算机系统发送位置数据。然后，农业智能计算机系统可以利用指示是否对每个位置应用了处理的数据来标记每个位置的已存储的位置数据。
在步骤2306，缓冲区被应用到试验位置。例如，农业智能计算机系统可以在对照位置与每个处理位置之间生成缓冲区。缓冲区的大小可以取决于处理的类型和/或处理应用。例如，播种试验可以无缓冲区，利用地面喷雾机的杀真菌剂试验可具有20英尺的缓冲区，利用空中喷雾机的杀真菌剂试验可具有50英尺的缓冲区。农业智能计算机系统可以利用指示该位置是缓冲区位置的数据来标记所生成的缓冲区内每个位置的已存储的位置数据。
在步骤2308，质量控制规则被应用到试验位置。例如，农业智能计算机系统可以基于接收到的试验实现数据来确定哪些试验位置将从分析中被排除。农业智能计算机系统可以基于从执行试验的处理的农具接收的机器数据来确定特定试验位置将从分析中被排除。农业智能计算机系统可以附加地或备选地基于收获数据和/或机器数据来应用规则以确定哪些位置将从分析中被排除。示例包括边缘路径、结束行、点行、操作异常和/或产量离群值。农业智能计算机系统可以存储指示位置是边缘路径、结束行、点行、操作异常还是产量离群值的数据。
边缘路径(edge pass)可以被标识为农业田地的边缘。例如，边缘路径可以包括围绕田地边缘的单个机器路径。因为外部行由于可以使用更多资源而具有优势，所以边缘路径可以从评估中被移除。
结束路径(end pass)可以被标识为田地中农具必须转向以进入下一个路径的位置。由于当机器转向时压实导致的缺点，以及由于机器在结束路径处加速和减速导致的变化，所以结束路径可以从评估中被移除。
点行(pont row)可以被标识为农业智能计算机系统基于机器数据确定的田地中机器未满负荷运行的位置。例如，由农业智能计算机系统接收的机器数据可以指示机器在每个位置处的操作参数，诸如有多少行正在被种植、被收获或以其他方式被处理。由于经过次数增加导致的压实，机器数据指示机器以低于满负荷操作(诸如24行中仅种植12行或8行中仅收获6行)的每个位置可以从评估中被移除。
操作异常(operational abnormality)可以被标识为机器必须偏离路径以绕过物体(例如电线杆、地面排水沟、电源线、传感器或岩石)的位置。因为具有大物体的地区由于缺乏可接触性而易于接收到不太有效的管理，所以操作异常位置可以从评估中被移除。
产量离群值(yield outliers)可以被标识为产量值与田地的其他值不一致的位置。作为示例，农业智能计算机系统可以标识产量低于第一阈值(诸如每英亩0蒲式耳)或产量高于第二阈值(诸如每英亩500蒲式耳)的所有位置。作为另一个示例，农业智能计算机系统可以确定每个条带中的产量值的分布，并移除高于平均产量值三个标准偏差或低于平均产量值三个标准偏差的产量值。
在一个实施例中，基于空间考虑来标识产量离群值。例如，农业智能计算机系统可以使用田地中的产量值的底层空间平滑来生成农业产量的空间模型。针对每个位置，农业智能计算机系统可以基于空间模型来计算该位置的预期产量。如果实际产量与预期产量之间的差异大于阈值和/或如果实际产量离预期产量多于三个标准偏差，则农业智能计算机系统可以将该位置标识为产量离群值。
在步骤2310，试验性能被分析。例如，农业智能计算机系统可以确定处理位置的平均产量和对照位置的平均产量，并且将两者进行比较，以便通过使用处理来计算平均提升。在分析期间，农业智能计算机系统可以从分析中移除在步骤2306中已经被标记为缓冲区或在步骤2308中被标识为待移除的任何位置。例如，农业智能计算机系统可以存储一个或多个位置的数据标签，例如处理条带中每个位置的处理标签、对照条带中每个位置的对照标签、缓冲区中每个位置的缓冲区标签等。当计算处理位置中的平均产量时，农业智能计算机系统可以仅聚合来自被存储为具有处理标签而非缓冲区标签、边缘路径标签、结束路径标签、点行标签、异常标签或离群值标签的位置的值。
在一个实施例中，农业智能计算机系统存储农业田地的多个数据层，数据层中的每个数据层包括该田地的空间数据。图24是可以针对农业田地而被存储的数据层的示例。产量层2402包括标识农业田地中位置的产量的空间数据。产量可以从收割机器具的机器数据被标识。缓冲区层2404包括标识位置是否是缓冲区位置的空间数据。(多个)处理层2406包括一个或多个空间层，每个空间层标识是否对每个位置应用了处理。(多个)处理层可以从应用了处理的喷雾机或其他机器的机器数据被标识。实验层2408包括标识位置是被选择为各自实验的处理位置还是对照位置的空间数据。质量控制层2410包括标识一个位置是否被选择为将从分析中被移除的空间数据，诸如由于是边缘路径、结束路径、点行、异常或离群值的一部分。种植数据层2412包括标识针对每个位置所种植的杂交类型和/或种子密度的空间数据。
在一个实施例中，农业智能计算机系统基于多个数据层确定将在分析中使用哪些值。例如，针对处理计算，农业智能计算机系统可以仅选择以下位置：
1.在缓冲区层2404中未被标识为缓冲区；
2.在(多个)处理层2406中被标识为处理位置；
3.在实验层2408中被被标识为实验位置；
4.在质量控制层2410中未被标识为将被移除的位置；和/或
5.在种植数据层2412中被标识为包括正确的种植数据(诸如所规定的播种密度或杂交)。
类似地，针对控制计算，农业智能计算机系统可以选择遵循上述相同标准但在(多个)处理层2406中未被标识为处理位置的位置。通过利用数据层，农业智能计算机系统可以基于不同的标准将农业田地分别绘制地图，并使用这些地图来确定哪些位置可以用于试验的评估。农业智能计算机还可以引起在田地管理者计算设备上界面的显示，该界面描绘了处理位置的平均产量和/或总产量、对照位置的平均产量和/或总产量，和/或来自使用处理的平均产量和/或总产量增加。
9.6.示例试验建议变化实现
在一个实施例中，农业智能计算机系统向客户端计算设备提供可变试验建议。该可变试验建议可以包括一个或多个已定义的参数，诸如要使用的特定种子或要喷洒的特定杀真菌剂，以及一个或多个可变参数。本文使用的可变参数包括可以在客户端计算设备处被更改的参数。农业智能计算机系统可以提供对可变参数的更改的限制，以确保获取产量增加。例如，农业智能计算机系统可以提供图形用户界面，该界面包括一个或多个用于特定杂交种子的种子播种率的选项。
为了确定使针对可变参数的多个选项中的哪一个可用，农业智能计算机系统可以利用与种植者的田地相关的历史信息和与试验建议相关的历史信息，诸如与特定种子相关的先前试验信息。本节中描述的示例实现涉及播种密度，但是其他实现可以涉及杀真菌剂施用量、养分施用量或其他可变参数。
与试验建议相关的历史信息可以包括在保持已定义的参数不变时针对可变参数的不同值的试验成果。例如，农业智能计算机系统可以接收针对多种杂交种子和多个区域的多年密度响应试验数据。多年密度响应试验数据可以包括针对每块田地的多种杂交种子中的杂交种子的种植密度和对应的产量值。例如，对于特定的杂交种子，第一年的试验数据可以包括每英亩200,000粒种子的种植密度，平均玉米产量为每英亩176蒲式耳，而第二年的试验数据可以包括每英亩220,000粒种子的种植密度，平均玉米产量为每英亩184蒲式耳。
使用与试验建议相关的历史信息，农业智能计算机系统可以生成描绘可变参数与产量值之间的关系的多个图表。农业智能计算机系统可以针对种植特定杂交种子的每个产量环境制作不同的图表。本文所用的产量环境是指跨具有相同种植参数的不同田地的产量差异。因此，产量环境可以是特定田地、田地上的特定位置组、和/或基于对参数的产量响应的相似性的田地和/或位置的分组。例如，如果多个田地被标识为同一产量环境的一部分，则农业智能计算机系统可以使用来自该多个田地中的每个田地的数据来制作单个图表。这些图表可以包括使用产量位置的可变参数及其相应的产量(诸如通过多项式回归)所创建的一条或多条曲线。作为示例，可以从多个数据点来生成密度曲线，其中每个数据点包括播种密度和对应的产量。
农业智能计算机系统可以使用描绘变量参数与产量值之间的关系的多个图表来生成用于图形用户界面的多个界面元素定位，例如基于图表的斜率和/或图表的截距。附加地或备选地，可以通过用户输入来接收界面元素定位。本文使用的界面元素定位是指针对可变参数的多个值，该多个值中的每个值对应于界面元素上的不同定位，诸如滑动条或下拉菜单。例如，可以选择五个播种率来对应于图形用户界面的五个滑动条定位。通常可以针对所有田地和/或具体针对一组田地(诸如地理区域或产量环境)或者针对每个农业田地来生成界面元素定位。
在一个实施例中，农业智能计算机系统基于针对一个或多个田地的过去产量响应数据来确定使得多个界面元素定位中的哪个界面元素定位对特定的田地管理者计算设备可用。图25描绘了用于基于针对农业田地的过去产量响应数据来增强图形用户界面的示例方法。
在步骤2502，针对农业田地的过去产量响应数据被接收。对于一年或多年中的每一年，过去产量响应数据可以包括一个或多个作物管理值和产量值。一个或多个作物管理值可以包括杂交种子类型、播种密度、杀真菌剂施用、养分施用和/或与作物和/或田地的管理相关的其他信息。在一个实施例中，一个或多个作物管理值包括可变参数和已定义的参数。作为示例，针对特定年份的过去产量响应数据可以包括该年的杂交种子类型、播种密度和农艺产量。
在步骤2504，农业田地可能的产量环境被确定。确定可能的产量环境可以包括将针对农业田地的过去产量响应数据与针对一个或多个其他农业田地的过去产量响应数据相比较。例如，农业智能计算机系统最初可以接收多个不同农艺田地的过去产量响应数据，该过去产量响应数据包括针对利用不同播种率的特定杂交种子的产量响应。使用过去的产量响应，农业智能计算机系统可以标识多个不同的产量环境，其中每个产量环境包括播种率于农艺产量之间的被计算的关系，诸如上述密度曲线。农业智能计算机系统可以将针对农业田地的过去产量响应数据与多个不同的产量环境相比较，诸如通过计算播种和产量值与密度曲线的偏差。例如，农业智能计算机系统可以将特定密度曲线的偏差值计算为：
其中，D是偏差值，是来自密度曲线的播种率为si的产量，/>是来自农业田地的过去产量响应数据的在该播种率的产量。农业智能计算机系统可以选择具有最低播种率的产量环境。
在一个实施例中，每个产量环境可以涉及多个不同的已定义参数值，诸如多个杂交种子类型。例如，农业智能计算机系统最初可以接收针对多个不同农艺田地的过去产量响应数据，过去产量响应包括利用不同杂交种子和不同种植密度的产量响应。使用过去产量响应，农业智能计算机系统可以标识多个不同的产量环境，其中每个产量环境包括针对多个不同的已定义参数的播种率和农艺产量之间的被计算的关系，诸如上述密度曲线。因此，农业智能计算机系统可以基于农业田地过去利用第一杂交种子类型的性能来选择农业田地的产量环境，并且基于所标识的产量环境来标识针对第二杂交种子类型的密度曲线。
在步骤2506，计算针对有可能的产量环境的变动范围(variance range)。如本文所使用，变动范围是指针对可变参数的特定值，在可能的产量环境周围的产量值的范围。例如，如果可能的产量环境包括特定针对杂交种子的密度曲线，则变动范围可以包括密度曲线的特定点(诸如密度曲线上的种植者的定位)处的密度曲线之上和之下的值的范围。变动范围可以是设置值，诸如每英亩+/-2蒲式耳，或者是产量的百分比，诸如+/-1％。
在步骤2508，变动范围内的每个有可能的产量环境被标识。例如，农业智能计算机系统可以将具有经过变动范围的密度曲线的每个产量环境标识为有可能的产量环境。因此，如果在每英亩32,000粒种子和每英亩176蒲式耳产量的种植者定位处，变动范围设置为每英亩+/-2蒲式耳，则农业智能计算机系统可以选择在每英亩32,000粒种子的情况下经过每英亩174-176蒲式耳之间的产量值的每条密度曲线。
在步骤2510，基于有可能的产量环境，有效的界面元素定位被确定。例如，农业智能计算机系统可以存储每条密度曲线的上界值和下界值。然后，农业智能计算机系统可以选择在每个密度曲线的上界和下界内的界面元素定位。例如，如果界面元素的定位1、2和3分别对应于每英亩32,000粒种子、每英亩34,000粒种子和每英亩36,000粒种子的播种率，并且两条密度曲线的上界是每英亩33,000粒种子和每英亩35,000粒种子，则农业智能计算机系统可以从有效的界面元素定位排除界面元素的定位2和3，因为对应于定位2和3的播种率大于密度曲线中的至少一条密度曲线的上界。
图26描绘了生成密度曲线的上界和下界的示例。密度曲线2602包括对应于特定农业田地的产量环境的密度曲线。密度曲线描绘了针对产量环境的播种率与农艺产量之间的关系。基于农业田地的历史播种率，在密度曲线上描绘了种植者定位2604。在一些实施例中，种植者定位2604可以不对应于农业田地的先前产量率，诸如当历史播种率对应于与密度曲线不同的杂交类型时。最优点2610包括密度曲线的峰值，并且可以被计算为曲线上斜率为零的点。
下界2606可以至少部分地基于种植者定位2604来计算。例如，可以选择下界2606来克服产量监视器中的不准确性。下界2606的计算示例可以包括对种植者定位2604的固定添加，例如每英亩比种植者先前的种植密度多5000粒种子，或者对种植者定位2604的百分比添加，诸如播种率从种植者先前的种植密度增加2％。
上界2608可以基于最优点2610或种植者定位2604来被计算。例如，上界可以被计算为最优点2610或种植者定位2604的播种率的固定或可变百分比。作为示例，上界2608可以被计算为最优点2610的播种率的90％。因此，如果特定密度图的最优点2610的播种率在每英亩38,000粒种子处存在，则上界可以被设置在每英亩34,200粒种子(38,000×0.9)处。作为另一示例，上界2608可以被计算为种植者定位2604的播种率的百分比，诸如120％。可变上界可以基于种植者密度而被设置，诸如对不同范围的种植者密度应用不同的上界百分比。例如，对于每英亩34,000-36,000粒种子的播种率，上界可以被设置为种植者播种率的120％，而对于每英亩36,000-38,000粒种子的播种率，上界可以被设置为种植者播种率的115％。
在一个实施例中，农业智能计算机系统还应用一个或多个规则来认定一个或多个界面元素定位不合格。例如，规则可以认定极端播种率增加不合格，诸如从种植者定位2604移除任何高于固定播种率增加的界面定位(诸如每英亩增加5000粒种子或更多)。作为另一示例，如果达到界面定位播种率的播种率增加超过特定杂交种子的已存储的响应范围，则可认定界面定位不合格。
在步骤2512，图形用户界面上的界面元素被增强以将选择限制到有效界面元素定位中的一个或多个有效界面元素定位。增强图形用户界面可以包括移除界面元素的一个或多个选项。例如，如果滑动条最初具有五个定位，但是在步骤2510中仅两个定位被标识为有效，则农业智能计算机系统可以增强界面元素以仅包括两个定位。附加地或备选地，农业智能计算机系统可以继续显示所有五个定位，但是仅使有效的两个定位是可选择的。可以对其他三个定位进行图形修改，诸如使其变灰，以便在视觉上指示其是不可选择的。
在步骤2514，使具有界面元素的图形用户界面显示为具有用于选择有效界面元素定位中的一个有效界面元素定位的选项。图形用户界面可以被显示为试验建议的一部分。例如，农业智能计算机系统可以向田地管理者计算设备发送数据，该数据包括在一个或多个田地上种植特定杂交种子的建议。如果农业智能计算机系统接收到指示接受试验建议的数据，则农业智能计算机系统可以使一个或多个图形用户界面显示以供在指定的限度内修改试验。修改中的一个修改可以包括通过所显示的图形用户界面的界面元素所选择的已修改的播种率。
图27描绘了用于修改试验的示例图形用户界面。界面2700包括试验调整界面，包括用以调整与试验相关的一个或多个值的选项。试验信息2702包括试验的实现数据。在图27中，试验信息2702包括对应于绘制了地图的田地2704的多个不同管理区。针对每个管理区，基于试验建议的当前参数描述了种群比率、平均产量和管理区面积。另外，试验信息2702包括总体统计，诸如估计产量、每英亩种子成本以及基于作物的估计产量和估计价格的估计总收入。
界面2700还包括滑动条2706。滑动条2706包括通过本文描述的方法所确定的定位。因此，虽然图27中的界面2700包括的滑动条2706的五个定位，但是提供给其他田地管理者计算设备的其他界面可以具有的滑动条2706的更少或更多定位。在一个实施例中，农业智能计算机系统被配置为响应于对滑动条2706中的选项的选择来更新试验信息2702。例如，农业智能计算机系统可以使用由滑动条确定的播种密度来计算试验信息2702中的一个或多个值，诸如估计产量、使用的袋数或估计毛收入。当不同的滑动条定位被选择时，农业智能计算机系统可以更新通过界面2700所显示的试验信息2702。
通过允许系统基于特定的田地动态地针对不同的田地管理者计算设备生成图形用户界面、并且基于通过田地管理者计算设备做出的选择来调整图形用户界面，本文描述的示例性试验建议变化技术改进农业智能计算机系统。具体地，通过基于来自田地管理者计算设备的选择动态地更改图形用户界面上的滑动条定位，农业智能计算机系统能够提供基于个体田地提供选项的界面，而不是向每个田地管理者计算设备提供可能虑及对不太有用的播种率的选择的相同选项。
9.7.示例基于试验的成果通信过程
在一个实施例中，农业智能计算机系统通过动态图形用户界面与田地管理者计算设备通信，该界面基于来自田地管理者计算设备的选择以及由一个或多个农具采取的跟踪动作而被更新。图28包括用于与田地管理者计算设备关于服从一个或多个规则的试验的实现而通信的示例方法。
在步骤2802，农艺田地的田地数据被存储。田地数据可以包括由田地管理者计算设备的用户管理的一个或多个田地的标识、一个或多个田地中的每个田地的英亩数值、一个或多个田地的位置信息(诸如GPS坐标)、一个或多个田地的先前种植数据(包括先前的种子类型、密度和种植位置)，和/或与农业田地的物理性质和/或农业田地上的先前农艺实践相关的其他数据。
在步骤2804，试验建议被生成。试验建议可以使用上述任何方法生成。在一个实施例中，试验建议包括针对要在一个或多个农业田地上被种植的一种或多种杂交种子的建议。例如，试验建议可以包括要在不同的田地上种植不同的种子。另外，试验建议可以包括所需参数，诸如根据试验要被种植的田地的英亩的数目、根据试验要种植的位置(诸如在特定边界内)、用于种植对照组的英亩和/或特定位置的数目、播种密度值或范围、和/或试验所需的其他参数。
在步骤2806，试验建议通过田地管理者计算设备上的图形用户界面(GUI)被显示。例如，农业智能计算机可以向田地管理者计算设备提供GUI，该GUI可以用于审阅试验建议、同意试验建议和/或审阅试验的状态。农业智能计算机系统可以通过GUI提供一个或多个试验建议，供田地管理者计算设备选择。
图29描绘了显示多个试验建议的示例GUI。界面2900包括多个试验建议，在图29中称为“报价(offer)”，供田地管理者计算设备查看。多个报价中的每一个都包括报价名称2902、报价状态2904和报价动作2906。响应于针对一个或多个田地的报价的请求，可以通过界面2900向田地管理者计算设备发送报价。因此，报价名称可以由田地管理者计算设备作为请求的一部分来指定，或者由农业智能计算机系统来指定。报价名称2902还包括一些田地信息，例如报价中的田地数目和所述田地包括的英亩的数目。
报价状态2904包括报价的当前状态。该状态可以取决于田地管理者计算设备和/或农业智能计算机系统采取的动作。例如，“登记田地”状态可以在田地已经被选择之后但在试验建议已经被请求之前显示，“处理建议”状态可以在试验建议已经被请求之后但在该试验建议被发送到田地管理者计算设备之前显示，“投资组合(portfolio)就绪”状态可以在试验建议已经被发送到田地管理者计算设备之后但在试验建议的接受之前显示，并且“定价就绪”状态可以在试验建议被接受之后但在选择基于成果的值类型之前显示。
动作2906包括可选择的链接，当该链接被选择时，引起与对应的试验建议相关的动作的执行。例如，“请求建议”动作可以使田地管理者计算设备向农业智能计算机系统发送针对试验建议的请求，“取消”动作可以取消改针对试验建议的请求，“接受/编辑投资组合”动作可以使GUI转变为显示用于审阅或接受试验建议的界面，并且“选择价格”动作可以使GUI转变为显示用于选择特定的基于成果的值类型的界面。
图30描绘了显示特定试验建议的示例GUI。界面3000包括作为特定试验建议的一部分的多种建议的种子。在界面3000中，多种建议的种子中的每种建议的种子被显示为具有与种子的性状、相对成熟度和所需的田地覆盖相关的对应信息。界面3000还包括编辑选项3002和接受选项3004。编辑选项3002包括用于(诸如通过移除建议的种子类型)编辑试验建议的选项。用于编辑试验建议的其他选项可以另外被显示在界面3000种或一个或多个其他界面中。其他选项可以包括用于编辑种子密度的选项、用于添加或移除一个或多个田地的选项、或者用于增强试验建议的其他选项。编辑选项3002在被选择时可以使田地管理者计算设备向农业智能计算机系统发送对试验建议的一个或多个修改。接受选项3004在被选择时可以使田地管理者计算设备向农业智能计算机系统发送指示对所显示的试验建议的接受的数据。
在步骤2808，对试验建议的修改被接收。例如，田地管理者计算设备可以通过田地管理者计算设备上显示的GUI向农业智能计算机系统发送一个或多个修改。修改可包括改变试验建议所需参数，如移除特定杂交种子、移除或添加特定田地、改变播种密度或对试验建议的其他增强。
在步骤2810，试验建议被更新，并且系统通过图形用户界面引起已更新的试验建议的显示。例如，农业智能计算机系统可以使用对试验建议的修改来生成针对一个或多个田地的新的试验建议，例如不移除杂交种子或增加农业田地的试验建议。农业智能计算机系统可以使用本文描述的系统和方法和/或基于用户输入来生成新的试验建议，用户输入基于修改来指定试验建议的可接受改变。如上所述，新的试验建议可以通过图29和30的GUI来被显示。在某些情况下步骤2808和步骤2810可不发生，诸如当试验在没有修改的情况下由田地管理者计算设备接受时。
在步骤2812，系统接收对试验协议和基于成果的值的选择。例如，田地管理者计算设备可以接收对图30的接受选项3004的选择。作为响应，GUI可以显示一个或多个基于成果的值的界面，该界面具有用于针对试验建议选择基于成果的值的选项。农业智能计算机系统可以通过图形用户界面接收对基于成果的值的选择。
图31描绘了显示基于成果的值的比较的示例GUI。界面3100包括可选择的基于成果的选项卡3102、比较信息3104、销售价格选项3106和产量条3108。基于成果的选项卡3102包括与不同的基于成果的值相关的可选择的选项卡。当前所选择的选项卡是产品比较选项卡，从而使界面3100显示比较信息3104。比较信息3104包括对应于基于成果的值类型中的每个类型的多个值，诸如按英亩种子数值和性能保证值。可以使用本文描述的方法来计算比较信息3104。例如，可以基于如上所述的已建模的产量和已建模的保证值来计算产量规划值和产量保证值。
预期销售价格3106包括针对销售在一个或多个田地上所种植的作物的预期值。预期值可以由农业智能计算机系统基于先前年份的作物销售价格来计算。附加地或备选地，预期销售价格可以是通过图形用户界面(诸如通过下拉菜单或可编辑文本框)所选择的值。在一个实施例中，农业智能计算机系统响应于检测到预期销售价格3106的改变而更新比较信息3104。例如，作物收入值可以被计算为产量值和预期销售价格3106的函数。响应于对预期销售价格3106的改变，农业智能计算机系统可以重新计算作物收入值并且更新图形用户界面以显示已更新的作物收入值。
产量条3108包括用于选择针对一个或多个农艺田地的产量值的界面元素。虽然产量条3108在图31中被描绘为滑动条，但是在其他一些实施例中产量条3108可以是其他界面元素，例如可编辑文本框或下拉菜单。响应于产量条3108被用于选择针对一个或多个农艺田地的产量值，农业智能计算机系统可以更新比较信息3104。例如，种子成本值可能取决于产量，诸如性能保证、性能伙伴和利润伙伴的产量值。响应于检测到产量值的改变，农业智能计算机系统可以更新种子成本值和/或取决于产量的任何其他值(诸如作物收入)，并且更新图形用户界面以显示已更新的值。
图31的界面提供用于比较基于成果的值的界面中的改进。针对每个类型的基于成果的值的比较信息可以随着不同的销售价格和作物产量而被更新。通过响应于通过界面元素的预期销售价格和产量的改变而更新跨多个类别的信息，农业智能计算机系统提供了对比较不同类型的基于成果的值的动态控制，并充分了解这些基于成果的值会如何受到销售价格改变或农艺产量改变的影响。因此，图31的界面改进了基于未来值的不确定性的、与不同试验类型相关的改变的信息的显示。
响应于接收到对可选择的基于成果的选项卡3102中的一个选项卡的选择，界面可以显示针对所述所选择的基于成果的选项卡的专用界面。例如，响应于接收到对“按英亩种子数”、“性能保证”、“性能伙伴”或“利润伙伴”选项卡的选择，农业智能计算机系统可以引起与所述所选择的基于成果的值相关的界面的显示，诸如分别显示图32、33、34和35的界面。
图32描绘了示例GUI，该示例GUI显示与基于“按英亩种子数”成果的值相关的信息。界面3200包括试验项3202、值计算器3204、预期销售价格3206、产量条3208和报价选择选项3210。试验项3202包括基于“按英亩种子数”成果值的项，诸如种子价格和规划产量。值计算器3204包括给定试验项3202的农艺田地的总值、输入到预期销售价格3206中的预期销售价格和/或输入到产量条3208中的产量值。对于“按英亩种子数”值，作物收入和减去种子成本的收入可能受在预期销售价格3206和/或产量条3208中所选择的值的影响。响应于接收到对报价选择选项3210的选择，农业智能计算机系统可以确定其已经接收到针对试验建议的“按英亩种子数”基于成果的值的选择。
图33描绘了示例GUI，该示例GUI显示与“性能保证”基于成果的值相关的信息。界面3300包括试验项3302、值计算器3304、预期销售价格3306、产量条3308和报价选择选项3310。试验项3302包括“性能保证”基于成果的值的项，诸如种子价格和预测产量。值计算器3304包括给定试验项3302的农艺田地的总值、输入到预期销售价格3306中的预期销售价格和/或输入到产量条3308中的产量值。对于“性能保证”值，作物收入和减去种子成本的收入可能受在预期销售价格3306和/或产量条3308中所选择的值的影响。另外，如果产量值被设置为低于产量条3308上描绘的产量保证值，则试验项3302中的退款值也可以改变。响应于接收到对报价选择选项3310的选择，农业智能计算机系统可以确定其已经接收到针对试验建议的“性能保证”基于成果的值的选择。
图34描绘了示例GUI，该示例GUI显示与“性能伙伴”基于成果的值相关的信息。界面3400包括试验项3402、值计算器3404、预期销售价格3406、产量条3408和报价选择选项3410。试验项3402包括“性能伙伴”基于成果的值的项，诸如种子价格和规划产量。值计算器3404包括给定试验项3402的农艺田地的总值、输入到预期销售价格3406中的预期销售价格和/或输入到产量条3408中的产量值。对于“性能伙伴”值，作物收入、总种子成本和减去种子成本的收入可能受到在预期销售价格3406和/或产量条3408中所选择的值的影响。另外，试验项3402中的退款值和分享费用值也可以取决于产量条3408上所选择的产量值而改变。响应于接收到对报价选择选项3410的选择，农业智能计算机系统可以确定其已经接收到针对试验建议的“性能伙伴”基于成果的值的选择。
图35描绘了示例GUI，该示例GUI显示与“利润伙伴”基于成果的值相关的信息。界面3500包括试验项3502、值计算器3504、预期销售价格3506、产量条3508和报价选择选项3510。试验项3502包括“利润伙伴”基于成果的值的项，诸如种子价格和预测产量。值计算器3504包括给定试验项3502的农艺田地的总值、输入到预期销售价格3506中的预期销售价格和/或输入到产量条3508中的产量值。对于“利润伙伴”值，作物收入和减去种子成本的收入可能受在预期销售价格3506和/或产量条3508中所选择的值的影响。响应于接收到对报价选择选项3510的选择，农业智能计算机系统可以确定其已经接收到针对试验建议的“利润伙伴”基于成果的值的选择。
再次参考图28，在步骤2814，试验协议(aggreement)数据被存储。试验协议数据可以包括标识服从试验协议的田地上的位置的数据、标识要在田地上被种植的产品的数据、标识可以在田地上b欸的一个或多个替代产品的数据、标识田地的一个或多个播种率的数据、标识所选的基于成果的值的数据、以及试验协议的任何附加项，例如受保证的产量值、价格下限或上限值、或分享百分比。
在步骤2816，种植数据被接收。例如，农具可以监视作物的种植，监视包括标识和存储具有对应种植数据(诸如所种植的种子类型和种植密度)的位置数据。农具可以向农业智能计算机系统发送种植数据。种植数据可以包括地理空间数据，该地理空间数据指示农艺田地上每个位置的种子类型和/或种植密度。
在步骤2818，种植协调(planting reconciliation)被执行。本文所用的种植协调是指农业智能计算机系统确定根据试验建议已经种植了多少农艺田地的过程。种植协调可以通过评估关于种植数据的一个或多个规则来执行，例如日期规则、边界规则、产品规则、重新种植规则和/或密度规则。
在一个实施例中，农业智能计算机系统按顺序评估一个或多个规则，每个规则评估的输出至少包括已经被标识为可协调位置的标识符。因此，如果基于第一规则，第一位置被标识为不可协调的，则可以不针对任何未来规则来评估该位置。例如，农业智能计算机系统可以关于日期规则来评估所有种植数据，关于边界规则评估来自日期规则的可协调英亩，关于产品规则评估来自边界规则的可协调英亩，关于重新种植规则评估来自产品规则的可协调英亩，并且高压不同意密度规则评估来自重新种植规则的可协调英亩。
另外，可以基于这些规则的输出在规则之间评估某些规则。例如，规则可以从特定规则的输出来确定是否阈值英亩的数目和/或农业田地的百分比是可协调的。如果可协调的农业田地的英亩的数目和/或百分比不大于阈值，则农业智能计算机系统可以确定该农业田地不可协调，并且可以不处理未来的规则。
本文使用的日期规则是指与种植日期和/或种植数据上传日期相关的规则。例如，农业智能计算机系统可以存储最早种植日期值和特定于田地的最晚种植日期值。在较早的种植日期值之前或者在特定于田地的种植日期值之后所种植的所有位置可以被标识为不可协调的英亩。作为另一示例，农业智能计算机系统可以存储种植数据上传日期值。与在种植数据上传日期值之前未上传的种植数据对应的任何位置可以被标识为不可协调的英亩。
本文使用的边界规则是指与在所存储的试验协议数据中所标识的农艺田地边界相关的规则。例如，如果一些种植位置在由试验协议数据定义的农艺田地的边界之外，则农业智能计算机系统可以从可协调位置中排除这些在种植数据中所标识的种植位置。在一个实施例中，农业智能计算机系统可提供离边界的误差边际，诸如32英尺，使得稍微在边界之外的位置可以被认为是可协调的，以便克服种植中的偏差。农业智能计算机系统可以仅在可协调种植位置不超过试验协议数据中所标识的种植位置的总面积的情况下应用误差边际。农业智能计算机系统可以在最初实现边界规则时或者当其他所有规则已经被实现时，将可协调位置减少到约定量的最大值。因此，边界规则的输出可以包括超过试验协议所标识的面积的大小的面积，以防任何未来的规则进一步减小该可协调的面积。农业智能计算机系统可以从应用边界规则来生成输出，该输出包括可协调位置的总面积、可协调位置的标识符以及标识在实现边界规则时所生成的任何扩大的边界的数据。
本文使用的产品规则是指与在田地上所种植的产品相关的规则。产品规则可以包括个体位置规则，诸如指定以下的规则：如果位置种植有试验协议中所标识的产品，则该位置是可协调的，而如果未种植、种植有错误的作物类型、或者既没有种植所标识的产品也没有种植所标识的替代产品，则位置是不可协调的。附加地或备选地，产品规则可以包括与田地上的多个位置相关的规则。例如，规则可以声明：种植有试验协议数据中所标识的替代产品的位置不得超过特定大小(诸如20英亩)或一个或多个田地的特定百分比(诸如20％)中较小的一个。产品—如果是主要杂交或可接受的备选，则是可协调的。如果未种植、种植有错误的作物或种植了竞争者种子，则是不可协调的。在一个实施例中，如果种植有替代产品的田地的量大于特定大小或特定百分比，则农业智能计算机系统可以将种植有替代产品的所有英亩标识为不可协调的。备选地，农业智能计算机系统可以仅将种植有替代产品的田地的20英亩或20％中的较少的一个标识为可协调的，而将其余的标识为不可协调的。在一个实施例中，如果所标识的针对田地的产品被种植在田地的至少一部分上，则农业智能计算机系统仅将种植有替代产品的位置标识为可协调的。
本文使用的重新种植规则是指与在田地上诸如响应于种植错误或自然灾害而被重新种植的位置相关的规则。例如，重新种植规则可以指定：如果位置在重新种植之前包含可协调产品并且在重新种植之后包含可协调产品，则该位置是可协调的。
本文使用的密度规则是指与农业田地上的播种密度相关的规则。播种密度规则可以声明：只要位置的平均播种密度处于试验协议数据中所标识的播种密度周围的特定范围内，该位置就是可协调的。例如，选择田地上最大数目的位置可以在具有以下限制的情况下被选择：平均播种密度在试验协议数据中所标识的密度的-3％到+6％的范围内。该范围可以取决于所种植的产品类型。因此，如果多种产品在田地上被种植，则可以针对每个产品或种植实例的英亩加权平均来评估范围。
在步骤2820，收获数据被接收。例如，农具可以监视作物的收获，监视包括标识和存储具有对应收获数据的位置数据，诸如对应于收获位置的产量值。农具可以向农业智能计算机系统发送收获数据。收获数据可以包括地理空间数据，该地理空间数据指示农艺田地上每个位置的产量值。
在步骤2822，收获协调被执行。如本文所使用的，收获协调指的是农业智能计算机系统确定农艺田地的可协调部分中有多少已经被收获的过程。因此，农业智能计算机系统可以将在步骤2818中被标识为可协调位置与在收获数据中被标识为已收获的位置进行交叉参考，以确定田地中有多少是可协调的。
基于在步骤2822或步骤2818中所标识的协调数据，农业计算机系统可以确定基于成果的值对于农艺田地是否仍然可行。例如，农业智能计算机系统可以存储基于成果的值中的一个或多个基于成果的值的阈值，这些阈值指示为了使基于成果的值可行而必须可协调的最小英亩数目和/或最小农艺田地百分比。如果可协调英亩数目或农艺田地的百分比少于阈值，则农业智能计算机系统可以改变基于成果的值，例如改变为“按英亩种子数”值。农业智能计算机系统可以被配置为响应于确定可协调英亩数目或田地百分比少于阈值而向田地管理者计算设备发送通知。
在一个实施例中，农业智能计算机系统显示收获协调界面，该界面标识可协调、不可协调或未种植的农业田地的百分比。该界面还可以标识不可协调位置的源，诸如地图上的边界之外的位置或者在种植日期之后种植的位置。在一个实施例中，在收获协调之后，农业智能计算机系统基于可协调位置、可协调位置的产量以及针对农艺田地所选择的基于成果的值类型来计算针对农艺田地的最终基于成果的值。
9.某些实施例的益处
使用本文描述的技术，计算机可以跟踪跨多个田地的实践、标识会从执行试验受益的田地、标识用于执行试验的位置、以及激励参与试验。另外，本文描述的技术可以用于自动化特定田地上的机械。例如，在确定田地上的测试位置并且从田地管理者计算设备接收到对参与试验的同意后，农业智能计算系统可以生成用于田地器具的一个或多个脚本，该一个或多个脚本使田地器具种植种子、施用产品、或者执行特定的管理实践。另外，通过实时监视田地器具，农业智能计算系统可以能够在不正确的应用发生之前标识不正确的应用和/或响应于不正确的应用而标识备选。因此，本文描述的方法可以改进农业智能计算系统通过网络与田地管理者计算设备交互并且提供实时解决方案的能力。
11.扩展和备选
在前述说明书中，已经参考许多具体细节描述了本发明的实施例，这些细节可以随实施方式而变化。因此，说明书和附图应被认为是说明性的而不是限制性的。本发明范围的唯一和排他指示，以及申请人所希望的本发明范围，是以权利要求书提出的特定形式从本申请提出的权利要求书的字面和等效范围，包括任何后续修正。

Claims (20)

1.一种用于农业田地试验的计算机系统，包括：
一个或多个处理器；
数字电子存储器，耦合到所述一个或多个处理器并且存储指令，所述指令在由所述一个或多个处理器执行时，引起以下的执行：
接收针对特定农业田地的田地数据；
生成针对所述特定农业田地的试验建议，所述试验建议包括针对所述特定农业田地的一个或多个管理实践；
使用特定于所述特定农业田地的田地数据，计算针对所述特定农业田地的多个产量概率，所述多个产量概率中的每个产量概率特定于针对所述特定农业田地的一个产量值，并且所述多个产量概率中的每个产量概率包括所述特定农业田地基于所述试验建议的实现产生所述一个产量值的概率；
基于所述多个产量概率中的所选择的至少一个产量概率，标识针对所述特定农业田地的产量规划；
基于所述产量规划生成针对所述特定农业田地的多个基于成果的值；
基于与所述多个产量概率中的所述所选择的至少一个产量概率，计算针对所述多个基于成果的值中的每个基于成果的值的作物收入值；
生成图形用户界面、并且引起在计算机显示设备中显示所述图形用户界面，所述图形用户界面视觉地显示针对所述特定农业田地的所述多个基于成果的值中的每个基于成果的值，所述图形用户界面包括所述产量规划、针对所述多个基于成果的值中的每个基于成果的值的所述作物收入值、以及最终每英亩蒲式耳滑动器小部件；
经由所述最终每英亩蒲式耳滑动器小部件来接收选择目标产量值的用户输入，并且作为响应，基于所述目标产量值来更新针对所述多个基于成果的值中的每个基于成果的值的作物收入值；
引起在所述图形用户界面中显示针对所述基于成果的值中的每个基于成果的值的更新的所述作物收入值，以替换所述作物收入值。
2.根据权利要求1所述的系统，其中所述多个基于成果的值包括性能保证值，所述性能保证值包括实现成本、基于所述多个产量概率中的一个或多个产量概率的受保证的产量值和赔偿值，所述赔偿值指示在所述特定农业田地未产生所述受保证的产量值的产量的情况下的赔偿量。
3.根据权利要求1所述的系统，其中所述多个基于成果的值包括性能匹配值，所述性能匹配值包括实现成本、基于所述多个产量概率中的一个或多个产量概率的受保证的产量值、指示在所述特定农业田地未产生受保证的所述值的产量时的赔偿量的赔偿值、以及包括由所述特定农业田地产生的任何产量的百分比的超性能百分比。
4.根据权利要求1所述的系统，其中所述指令当由所述一个或多个处理器执行时，还引起以下的执行：
接收对所述多个基于成果的值中的一个基于成果的值的选择；
接收针对所述特定农业田地的应用数据；
至少部分地基于所述应用数据，确定所述特定农业田地遵守试验；
接收针对所述特定农业田地的产量值；以及
至少部分地基于所述多个基于成果的值中的所选择的所述一个基于成果的值和所述产量值，计算针对所述试验的效益值。
5.根据权利要求4所述的系统，其中所述指令当由所述一个或多个处理器执行时，还引起以下的执行：
基于针对所述特定农业田地的所述应用数据，生成针对所述农业田地的多个数据层，所述多个数据层包括缓冲区层、处理层、质量控制层和种植数据层；
通过评估关于针对所述农业田地的所述多个数据层的所述应用数据，确定所述特定农业田地遵守所述试验。
6.根据权利要求5所述的系统，其中所述质量控制层标识边缘路径、结束路径、点行或操作异常中的一项或多项。
7.根据权利要求1所述的系统，其中生成针对一个或多个田地的所述试验建议包括计算针对所述农业田地的短长度可变性，并且至少部分地基于针对所述农业田地的所述短长度可变性来标识用于实现试验的位置。
8.根据权利要求1所述的系统，其中所述指令当由所述一个或多个处理器执行时，还引起以下的执行：
使用针对多个农业田地的先前产量数据，来训练作物产量的数字模型以预测针对产量概率分布的参数；
使用针对所述特定农业田地的先前产量数据，来从经训练的作物产量的所述数字模型计算针对所述农业田地的所述产量概率分布的参数；以及
从针对所述农业田地的所述产量概率分布计算多个产量概率。
9.根据权利要求1所述的系统，其中所述指令当由所述一个或多个处理器执行时，还引起以下的执行：
接收针对所述特定农业田地的过去产量响应数据；
确定针对所述特定农业田地的可能的产量环境；
计算针对所述可能的产量环境的变动范围；
标识所述变动范围内的每个有可能的产量环境；
基于每个有可能的产量环境，确定针对所述图形用户界面上的界面元素的一个或多个有效界面元素定位；
增强所述图形用户界面以将对所述界面元素上的定位的选择限制为所述一个或多个有效界面定位中的一个有效界面定位；以及
使所述图形用户界面的所述界面元素显示为具有选择所述一个或多个有效界面定位中的一个有效界面定位的选项。
10.根据权利要求1所述的系统，其中针对所述特定农业田地的所述一个或多个管理实践不同于针对所述特定农业田地的一个或多个先前管理实践。
11.一种用于农业田地试验的计算机实现的方法，包括：
在农业智能计算系统处接收针对特定农业田地的田地数据；
生成针对所述特定农业田地的试验建议，所述试验建议包括针对所述特定农业田地的一个或多个管理实践；
使用针对所述特定农业田地的田地数据，计算针对所述特定农业田地的多个产量概率，所述多个产量概率中的每个产量概率特定于一个产量值，并且所述多个产量概率中的每个产量概率包括在实现所述试验建议时所述特定农业田地产生不同产量值的概率；
基于所述多个产量概率中的所选择的至少一个产量概率，标识针对所述特定农业田地的产量规划；
基于所述产量规划生成针对所述特定农业田地的多个基于成果的值；
基于与所述多个产量概率中的所述所选择的至少一个产量概率，计算针对所述多个基于成果的值中的每个基于成果的值的作物收入值；
生成图形用户界面、并且引起在计算机显示设备中显示所述图形用户界面，所述图形用户界面包括视觉地显示针对所述特定农业田地的所述多个基于成果的值中的每个基于成果的值，所述图形用户界面包括所述产量规划、针对所述多个基于成果的值中的每个基于成果的值的所述作物收入值、以及最终每英亩蒲式耳滑动器小部件；
经由所述最终每英亩蒲式耳滑动器小部件来接收选择目标产量值的用户输入，并且作为响应，基于所述目标产量值来更新针对所述多个基于成果的值中的每个基于成果的值的作物收入值；
引起在所述图形用户界面中显示针对所述基于成果的值中的每个基于成果的值的更新的所述作物收入值，以替换所述作物收入值。
12.根据权利要求11所述的方法，其中所述多个基于成果的值包括性能保证值，所述性能保证值包括实现成本、受保证的产量值和赔偿值，所述赔偿值指示在所述特定农业田地未产生所述受保证的产量值的产量的情况下的赔偿量。
13.根据权利要求11所述的方法，其中所述多个基于成果的值包括性能匹配值，所述性能匹配值包括实现成本、受保证的产量值、指示在所述特定农业田地未产生受保证的所述值的产量时的赔偿量的赔偿值、以及包括由所述特定农业田地产生的任何产量的百分比的超性能百分比。
14.根据权利要求11所述的方法，还包括：
接收对所述多个基于成果的值中的一个基于成果的值的选择；
接收针对所述特定农业田地的应用数据；
至少部分地基于所述应用数据，确定所述特定农业田地遵守试验；
接收针对所述特定农业田地的产量值；以及
至少部分地基于所述多个基于成果的值中的所选择的所述一个的基于成果的值和所述产量值，计算针对所述试验的效益值。
15.根据权利要求14所述的方法，还包括：
基于针对所述特定农业田地的所述应用数据，生成针对所述农业田地的多个数据层，所述多个数据层包括缓冲区层、处理层、质量控制层和种植数据层；
通过评估关于针对所述农业田地的所述多个数据层的所述应用数据，确定所述特定农业田地遵守所述试验。
16.根据权利要求15所述的方法，其中所述质量控制层标识边缘路径、结束路径、点行或操作异常中的一项或多项。
17.根据权利要求11所述的方法，其中生成针对一个或多个田地的所述试验建议包括计算针对所述农业田地的短长度可变性，并且至少部分地基于针对所述农业田地的所述短长度可变性来标识用于实现试验的位置。
18.根据权利要求11所述的方法，还包括：
使用针对多个农业田地的先前产量数据，来训练作物产量的数字模型以预测针对产量概率分布的参数；
使用针对所述特定农业田地的先前产量数据，来从经训练的作物产量的所述数字模型计算针对所述农业田地的所述产量概率分布的参数；以及
从针对所述农业田地的所述产量概率分布计算多个产量概率。
19.根据权利要求11所述的方法，还包括：
接收针对所述特定农业田地的过去产量响应数据；
确定针对所述特定农业田地的可能的产量环境；
计算针对所述可能的产量环境的变动范围；
标识所述变动范围内的每个有可能的产量环境；
基于每个有可能的产量环境，确定针对所述图形用户界面上的界面元素的一个或多个有效界面元素定位；
增强所述图形用户界面以将对所述界面元素上的定位的选择限制为所述一个或多个有效界面定位中的一个有效界面定位；以及
使所述图形用户界面上的所述界面元素显示为具有选择所述一个或多个有效界面定位中的一个有效界面定位的选项。
20.根据权利要求11所述的方法，其中针对所述特定农业田地的所述一个或多个管理实践不同于针对所述特定农业田地的一个或多个先前管理实践。
CN202080015994.8A 2019-02-21 2020-02-21 用于实现农业田地试验的农业田地数字建模和跟踪 Active CN113473840B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962808807P 2019-02-21 2019-02-21
US62/808,807 2019-02-21
PCT/US2020/019327 WO2020172603A1 (en) 2019-02-21 2020-02-21 Digital modeling and tracking of agricultural fields for implementing agricultural field trials

Publications (2)

Publication Number Publication Date
CN113473840A CN113473840A (zh) 2021-10-01
CN113473840B true CN113473840B (zh) 2023-09-05

Family

ID=72140575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080015994.8A Active CN113473840B (zh) 2019-02-21 2020-02-21 用于实现农业田地试验的农业田地数字建模和跟踪

Country Status (9)

Country Link
US (2) US11631040B2 (zh)
EP (1) EP3927137A4 (zh)
CN (1) CN113473840B (zh)
AR (1) AR118178A1 (zh)
AU (1) AU2020226907A1 (zh)
BR (1) BR112021014914A2 (zh)
CA (1) CA3130503A1 (zh)
MX (1) MX2021010120A (zh)
WO (1) WO2020172603A1 (zh)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11037343B2 (en) * 2018-05-11 2021-06-15 The Climate Corporation Digital visualization of periodically updated in-season agricultural fertility prescriptions
US11861737B1 (en) * 2018-08-31 2024-01-02 Climate Llc Hybrid seed supply management based on prescription of hybrid seed placement
CA199221S (en) * 2018-09-28 2021-02-18 Rockwool Int Display screen with graphical interface
CN110531039B (zh) * 2019-09-03 2022-04-29 河南工业大学 一种基于WiFi设备的粮食霉变检测方法及装置
US11625793B1 (en) * 2020-03-05 2023-04-11 Meyer Colpien Hesse Process for estimating crop yield
US11379865B2 (en) * 2020-07-17 2022-07-05 Sap Se Machine learned models for item price planning
US20220043735A1 (en) * 2020-08-07 2022-02-10 International Business Machines Corporation Dynamic risk based analysis model
US20220067845A1 (en) * 2020-08-25 2022-03-03 Kyndryl, Inc. Agricultural product handling and storage optimization
GB2613747A (en) * 2020-09-20 2023-06-14 Dirtsat Inc Systems and methods of urban rooftop agriculture with smart city data integration
CN115803607A (zh) * 2020-09-29 2023-03-14 株式会社佐竹 谷物的蛋白质含量的取得方法
WO2022200601A1 (en) * 2021-03-25 2022-09-29 Basf Se Computer-implemented method for determining a treatment schedule based on a soil-related sustainability score as technical indicator for carbon farming potential of an agricultural field or a sub-field zone
US12118783B2 (en) * 2021-03-25 2024-10-15 InnerPlant, Inc. System and method for identifying stressors in crops based on characteristics of sensor plants
US20220350307A1 (en) * 2021-04-30 2022-11-03 Farmers Edge Inc. Method and System for Validating Execution of a Planned Agricultural Operation
US11514350B1 (en) * 2021-05-04 2022-11-29 NotCo Delaware, LLC Machine learning driven experimental design for food technology
WO2022265914A1 (en) * 2021-06-16 2022-12-22 Advanced Agrilytics Holdings, Llc Methods and systems for generating and visualizing optimal hybrid and variety placement
EP4116897A1 (en) 2021-07-06 2023-01-11 Enrique Menotti Pescarmona Process and system of management and analysis for agricultural production
US11816582B2 (en) * 2021-10-21 2023-11-14 Snowflake Inc. Heuristic search for k-anonymization
WO2023118554A1 (en) * 2021-12-23 2023-06-29 Basf Agro Trademarks Gmbh Method for determining a treatment schedule for treating an agricultural field based on the matching with the field potential
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
CN114793852A (zh) * 2022-04-01 2022-07-29 江苏叁拾叁信息技术有限公司 一种智能施肥给水方法及其系统
US20230385957A1 (en) * 2022-05-26 2023-11-30 Climate Llc Systems and methods for use in identifying trials in fields
CN115222305B (zh) * 2022-09-21 2022-12-09 山东亿云信息技术有限公司 一种基于小麦产量数据管理预警方法
CN115983468A (zh) * 2022-12-30 2023-04-18 慕学星凡(成都)科技有限公司 一种基于大数据的信息预测分析方法及系统
US20240242121A1 (en) * 2023-01-13 2024-07-18 Climate Llc Systems and methods for treating crop diseases in growing spaces
CN115796558B (zh) * 2023-02-03 2023-05-05 光泽县宏翔智能科技有限公司 基于深度神经网络的烟草种植面积智能管理系统
WO2024190391A1 (ja) * 2023-03-13 2024-09-19 コニカミノルタ株式会社 特定装置、特定方法およびプログラム
CN117217372B (zh) * 2023-09-08 2024-03-08 湖北泰跃卫星技术发展股份有限公司 一种农产品产量预测及量化农事活动对产量的影响的方法
CN117574096B (zh) * 2024-01-15 2024-04-05 西安道法数器信息科技有限公司 基于大数据的农林有害生物预测方法
CN118411060B (zh) * 2024-07-03 2024-09-24 威海大则智控科技有限公司 一种智慧农业5g平台系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104285574A (zh) * 2014-09-02 2015-01-21 云南省农业科学院农业环境资源研究所 一种农田氮素投入阈值的计算方法
CN107077650A (zh) * 2014-09-12 2017-08-18 克莱米特公司 用于管理农业活动的方法和系统

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5961573A (en) 1996-11-22 1999-10-05 Case Corporation Height control of an agricultural tool in a site-specific farming system
US6058351A (en) 1998-09-10 2000-05-02 Case Corporation Management zones for precision farming
US8019636B2 (en) 2004-09-28 2011-09-13 International Business Machines Corporation Method, system and program product for planning and managing a call center study
CA2770216C (en) 2012-03-02 2016-10-18 Phantom Ag Ltd. Method and system for identifying management zones for variable-rate crop inputs
US20130332205A1 (en) * 2012-06-06 2013-12-12 David Friedberg System and method for establishing an insurance policy based on various farming risks
US20140067745A1 (en) 2012-08-30 2014-03-06 Pioneer Hi-Bred International, Inc. Targeted agricultural recommendation system
US20140089045A1 (en) 2012-09-27 2014-03-27 Superior Edge, Inc. Methods, apparatus and systems for determining stand population, stand consistency and stand quality in an agricultural crop and alerting users
CN105940427A (zh) 2013-12-09 2016-09-14 特里内特斯公司 识别用于临床试验的候选人
WO2015100023A1 (en) 2013-12-27 2015-07-02 Dow Agrosciences Llc Characterizing field sites for agronomic stress tests
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
US11069005B2 (en) * 2014-09-12 2021-07-20 The Climate Corporation Methods and systems for determining agricultural revenue
US20160085943A1 (en) 2014-09-22 2016-03-24 Medidata Solutions, Inc. System and Method for Monitoring Clinical Trial Progress
US20170161560A1 (en) 2014-11-24 2017-06-08 Prospera Technologies, Ltd. System and method for harvest yield prediction
US9792557B2 (en) 2015-01-14 2017-10-17 Accenture Global Services Limited Precision agriculture system
US20160232621A1 (en) * 2015-02-06 2016-08-11 The Climate Corporation Methods and systems for recommending agricultural activities
US9813512B2 (en) 2015-04-20 2017-11-07 Agverdict, Inc. Systems and methods for efficiently generating a geospatial data map for use in agricultural operations
BR112017026437B1 (pt) 2015-06-08 2022-01-18 The Climate Corporation Sistema de computador e método implantado por computador para monitorar operações de um ou mais campos
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
US11062223B2 (en) 2015-12-02 2021-07-13 The Climate Corporation Forecasting field level crop yield during a growing season
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
US10529036B2 (en) 2016-01-22 2020-01-07 The Climate Corporation Forecasting national crop yield during the growing season using weather indices
US10509872B2 (en) * 2017-03-08 2019-12-17 The Climate Corporation Location selection for treatment sampling
US11257172B2 (en) 2017-04-26 2022-02-22 International Business Machines Corporation Cognitive based decision support system for agriculture
US10580093B2 (en) 2017-06-17 2020-03-03 Institute Of Agricultural Resources And Regional Planning Chinese Academy Of Agricultural Sciences Estimating the prior for a stochastic allocation model
US11263707B2 (en) * 2017-08-08 2022-03-01 Indigo Ag, Inc. Machine learning in agricultural planting, growing, and harvesting contexts
CA3073348C (en) 2017-08-21 2022-11-22 The Climate Corporation Digital modeling and tracking of agricultural fields for implementing agricultural field trials
US20200265527A1 (en) * 2019-02-15 2020-08-20 Growers Edge Financial, Inc. Agronomic prescription product
US11645308B2 (en) 2020-05-27 2023-05-09 International Business Machines Corporation Customizing agricultural practices to maximize crop yield
EP3923231A1 (en) 2020-06-11 2021-12-15 KWS SAAT SE & Co. KGaA Method and system for managing agricultural processes

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104285574A (zh) * 2014-09-02 2015-01-21 云南省农业科学院农业环境资源研究所 一种农田氮素投入阈值的计算方法
CN107077650A (zh) * 2014-09-12 2017-08-18 克莱米特公司 用于管理农业活动的方法和系统

Also Published As

Publication number Publication date
AU2020226907A1 (en) 2021-09-30
CN113473840A (zh) 2021-10-01
EP3927137A4 (en) 2022-11-09
WO2020172603A1 (en) 2020-08-27
CA3130503A1 (en) 2020-08-27
AR118178A1 (es) 2021-09-22
EP3927137A1 (en) 2021-12-29
US20230368112A1 (en) 2023-11-16
MX2021010120A (es) 2021-09-23
BR112021014914A2 (pt) 2021-09-28
US20200272971A1 (en) 2020-08-27
US11631040B2 (en) 2023-04-18

Similar Documents

Publication Publication Date Title
CN113473840B (zh) 用于实现农业田地试验的农业田地数字建模和跟踪
US12002115B2 (en) Digital modeling and tracking of agricultural fields for implementing agricultural field trials
US20200042890A1 (en) Automatic prediction of yields and recommendation of seeding rates based on weather data
CN112889007B (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
US11707016B2 (en) Cross-grower study and field targeting
CN113226009B (zh) 针对大豆的预测性的种子脚本处理
EP3897090B1 (en) Utilizing spatial statistical models for implementing agronomic trials
US11861737B1 (en) Hybrid seed supply management based on prescription of hybrid seed placement
US11564345B1 (en) Computer-implemented recommendation of side-by-side planting in agricultural fields
US12120976B2 (en) Cross-grower study and field targeting
US20240242121A1 (en) Systems and methods for treating crop diseases in growing spaces
CN112166453B (zh) 杂交种植研究与田地目标

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
CB02 Change of applicant information

Address after: California, USA

Applicant after: Clemet Co.,Ltd.

Address before: 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: California, USA

Applicant before: Clemet Co.,Ltd.

GR01 Patent grant
GR01 Patent grant