JP2024518837A - 遺伝データに基づいて有効性調整モデルを介して圃場を処置するための処置パラメータ（作物保護製品など）のランキングを決定する方法 - Google Patents
遺伝データに基づいて有効性調整モデルを介して圃場を処置するための処置パラメータ（作物保護製品など）のランキングを決定する方法 Download PDFInfo
- Publication number
- JP2024518837A JP2024518837A JP2023571324A JP2023571324A JP2024518837A JP 2024518837 A JP2024518837 A JP 2024518837A JP 2023571324 A JP2023571324 A JP 2023571324A JP 2023571324 A JP2023571324 A JP 2023571324A JP 2024518837 A JP2024518837 A JP 2024518837A
- Authority
- JP
- Japan
- Prior art keywords
- data
- efficacy
- level
- treatment
- organism
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011282 treatment Methods 0.000 title claims abstract description 256
- 230000002068 genetic effect Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000005259 measurement Methods 0.000 claims abstract description 42
- 230000008685 targeting Effects 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims description 36
- 230000004044 response Effects 0.000 claims description 34
- 238000012163 sequencing technique Methods 0.000 claims description 32
- 241000196324 Embryophyta Species 0.000 claims description 25
- 239000000523 sample Substances 0.000 claims description 25
- 230000001973 epigenetic effect Effects 0.000 claims description 19
- 108091028043 Nucleic acid sequence Proteins 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 17
- 230000009286 beneficial effect Effects 0.000 claims description 16
- 238000012252 genetic analysis Methods 0.000 claims description 16
- 230000003321 amplification Effects 0.000 claims description 14
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 14
- 241000894007 species Species 0.000 claims description 14
- 241000238631 Hexapoda Species 0.000 claims description 13
- 108020004414 DNA Proteins 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 241000233866 Fungi Species 0.000 claims description 8
- 238000003752 polymerase chain reaction Methods 0.000 claims description 8
- 241000239223 Arachnida Species 0.000 claims description 7
- 241000237852 Mollusca Species 0.000 claims description 7
- 241000244206 Nematoda Species 0.000 claims description 7
- 101150108752 Ntsr1 gene Proteins 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 241000271566 Aves Species 0.000 claims description 5
- 241000894006 Bacteria Species 0.000 claims description 5
- 241000283984 Rodentia Species 0.000 claims description 5
- 241000700605 Viruses Species 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000001404 mediated effect Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000007481 next generation sequencing Methods 0.000 claims description 4
- 238000012175 pyrosequencing Methods 0.000 claims description 4
- 108010077544 Chromatin Proteins 0.000 claims description 3
- 230000007067 DNA methylation Effects 0.000 claims description 3
- 108010091086 Recombinases Proteins 0.000 claims description 3
- 102000018120 Recombinases Human genes 0.000 claims description 3
- 210000003483 chromatin Anatomy 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000007672 fourth generation sequencing Methods 0.000 claims description 3
- 238000012482 interaction analysis Methods 0.000 claims description 3
- 150000007523 nucleic acids Chemical group 0.000 claims description 3
- 238000007480 sanger sequencing Methods 0.000 claims description 3
- 239000004065 semiconductor Substances 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000013518 transcription Methods 0.000 claims description 3
- 230000035897 transcription Effects 0.000 claims description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 2
- 229910021389 graphene Inorganic materials 0.000 claims description 2
- 238000011901 isothermal amplification Methods 0.000 claims description 2
- 238000012775 microarray technology Methods 0.000 claims description 2
- 238000007841 sequencing by ligation Methods 0.000 claims description 2
- 239000004009 herbicide Substances 0.000 description 28
- 244000038559 crop plants Species 0.000 description 16
- 230000002363 herbicidal effect Effects 0.000 description 13
- 230000012010 growth Effects 0.000 description 12
- 108090000623 proteins and genes Proteins 0.000 description 11
- 239000000417 fungicide Substances 0.000 description 10
- 239000002917 insecticide Substances 0.000 description 10
- 239000005645 nematicide Substances 0.000 description 10
- 239000002689 soil Substances 0.000 description 9
- 239000003112 inhibitor Substances 0.000 description 8
- 239000000203 mixture Substances 0.000 description 8
- 101150029707 ERBB2 gene Proteins 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 101100123850 Caenorhabditis elegans her-1 gene Proteins 0.000 description 6
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 6
- 239000000642 acaricide Substances 0.000 description 5
- 239000003750 molluscacide Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 206010064571 Gene mutation Diseases 0.000 description 4
- 239000005562 Glyphosate Substances 0.000 description 4
- 230000000895 acaricidal effect Effects 0.000 description 4
- 230000000844 anti-bacterial effect Effects 0.000 description 4
- 239000003899 bactericide agent Substances 0.000 description 4
- 239000003139 biocide Substances 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000000855 fungicidal effect Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000003208 gene overexpression Methods 0.000 description 4
- XDDAORKBJWWYJS-UHFFFAOYSA-N glyphosate Chemical compound OC(=O)CNCP(O)(O)=O XDDAORKBJWWYJS-UHFFFAOYSA-N 0.000 description 4
- 229940097068 glyphosate Drugs 0.000 description 4
- 238000003306 harvesting Methods 0.000 description 4
- 230000002013 molluscicidal effect Effects 0.000 description 4
- 239000005648 plant growth regulator Substances 0.000 description 4
- 239000005871 repellent Substances 0.000 description 4
- 230000002940 repellent Effects 0.000 description 4
- 239000003128 rodenticide Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 239000002601 urease inhibitor Substances 0.000 description 4
- 244000068988 Glycine max Species 0.000 description 3
- 235000010469 Glycine max Nutrition 0.000 description 3
- 230000004720 fertilization Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000011987 methylation Effects 0.000 description 3
- 238000007069 methylation reaction Methods 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- -1 safeners Substances 0.000 description 3
- 238000009331 sowing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000001712 DNA sequencing Methods 0.000 description 2
- 244000025670 Eleusine indica Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 239000004480 active ingredient Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001627 detrimental effect Effects 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012165 high-throughput sequencing Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000009406 nutrient management Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003971 tillage Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001542006 Amaranthus palmeri Species 0.000 description 1
- 241000203069 Archaea Species 0.000 description 1
- 239000002028 Biomass Substances 0.000 description 1
- 239000005497 Clethodim Substances 0.000 description 1
- 208000031888 Mycoses Diseases 0.000 description 1
- 101100273253 Rhizopus niveus RNAP gene Proteins 0.000 description 1
- 229940090496 Urease inhibitor Drugs 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 238000010170 biological method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002975 chemoattractant Substances 0.000 description 1
- SILSDTWXNBZOGF-JWGBMQLESA-N clethodim Chemical compound CCSC(C)CC1CC(O)=C(C(CC)=NOC\C=C\Cl)C(=O)C1 SILSDTWXNBZOGF-JWGBMQLESA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000008995 epigenetic change Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000003205 genotyping method Methods 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012177 large-scale sequencing Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 239000011807 nanoball Substances 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000007671 third-generation sequencing Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
-
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Game Theory and Decision Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Catching Or Destruction (AREA)
Abstract
少なくとも１つの処置パラメータに基づいて農機具を制御するために使用可能な制御ファイルを生成するコンピュータ実施方法であって、本方法が、（ステップ１）（１１０）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の遺伝測定データ（４０）を提供するステップと、（ステップ２）（１２０）少なくとも１つの有機体をターゲットにすることができる少なくとも２つの処置パラメータの処置パラメータデータ（４２）を提供するステップと、（ステップ３）（１３０）処置パラメータデータ（４２）に基づいて、分類階級の第１のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第１のレベルの有効性」）を含む第１のレベルの有効性データ（４４）を提供するステップと、（ステップ４）（１４０）処置パラメータデータ（４２）及び第１のレベルの有効性データ（４４）に基づいて、少なくとも２つの処置パラメータのうちの第１位（４６）を決定するステップと、（ステップ５）（１５０）有効性調整モデル（５０）を提供するステップと、（ステップ６）（１６０）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）を修正することにより、分類階級の第１のレベルよりも下位である分類階級の第２のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第２のレベルの有効性」）を含む第２のレベルの有効性データ（５２）を得るステップと、（ステップ７）（１７０）処置パラメータデータ（４２）及び第２のレベルの有効性データ（５２）に基づいて、少なくとも２つの処置パラメータのうちの第２位（５４）を決定するステップと、（ステップ８）（１８０）最高ランクの処置パラメータ又はユーザが選択した処置パラメータを、農機具を制御するために使用可能な制御ファイルとして出力するステップとを含む、コンピュータ実施方法。【選択図】図１
Description
本発明は、圃場での少なくとも１つの有機体の遺伝測定データに基づいて処置パラメータのランキングを決定するコンピュータ実施方法、そのようなコンピュータ実施方法を実行するための手段を備えたデータ処理システム、農機具を制御するための最高ランクの処置パラメータの使用、及び圃場を処置するための最高ランクの処置パラメータの使用に関する。
実務上、農業従事者又はユーザは、有害な有機体、有益な有機体、又は農作物種の厳密な遺伝情報（例えば、変異、遺伝子シフト、エピジェネティックな変化）を知らないが、それにもかかわらず、有害な有機体を制御するために且つ有益な有機体又は農作物種を保護するために適用する時間窓、方法、製品、又は用量率を決定する必要があるという問題に直面することが多い。このことは、農業従事者又はユーザにより選択された製品が圃場での有害な有機体の特定の遺伝バリアント（変異、遺伝子シフトバリアント、エピジェネティックバリアント）の制御に不適切又は非効率的であるという問題に繋がる恐れがあり、それにより、有害な有機体の更なる拡散及び後の深刻な収率損失に繋がる恐れがある。一方、完全に又は部分的に自律的に動作する処置デバイスは、抵抗力のある多様な有害な有機体の出現を考慮して、有害な有機体を処置し、有益な有機体又は農作物種を保護するように農機具を制御するために使用可能な最も適切且つ／又は最適な制御ファイルを提供される必要がある。
遺伝データを使用せずに作物保護製品などの処置パラメータのランキングを決定する幾つかの方法、例えば、特許出願である国際公開第２０２１／００９１３５号パンフレットに開示されている方法が既知である。
有機体の遺伝情報を特定する幾つかの方法、とりわけ、例えば特許出願である国際公開第２０１９／１４９６２６号パンフレットに開示されているナノポアシーケンシング技術が既知である。
上記の問題及び課題に鑑みて、農業従事者又はユーザの決定プロセスを改良し簡易化する必要があることが判明した。
上記に鑑みて、本発明の目的は、農業従事者又はユーザによって容易に適用され得る、圃場での少なくとも１つの有機体の遺伝データに基づいて処置パラメータのランキングを決定するコンピュータ実施方法を提供することである。本発明の目的は、圃場の処置に関して農業従事者又はユーザの迅速且つ効率的な意思決定をサポートする、圃場での少なくとも１つの有機体の遺伝データに基づいて処置パラメータのランキングを決定するコンピュータ実施方法を提供することでもある。本発明の目的は、特定の作物保護製品に対する抵抗性の認識及び定量化を可能にする、圃場での少なくとも１つの有機体の遺伝データに基づいて処置パラメータのランキングを決定するコンピュータ実施方法を提供することでもある。本発明の目的は、圃場での有害な有機体の制御を改良するコンピュータ実施方法を提供することでもある。本発明の目的は、圃場での有益な有機体の保護又は使用を改善するコンピュータ実施方法を提供することでもある。本発明の目的は、圃場で生長する農作物植物の収率、又はバイオマス、又は栄養分、又は作物品質を改善するコンピュータ実施方法を提供することでもある。本発明の目的は、過去又は初期の処置に関する品質制御に有用なコンピュータ実施方法を提供することでもある。
本発明の目的は、独立請求項の主題によって解決され、更なる実施形態が従属請求項に組み込まれる。以下に記載される本発明の態様及び例は、方法、並びにデータ処理システム、コンピュータプログラム製品、及びコンピュータ可読記憶媒体に適用されることに留意されたい。
本発明の第１の態様によれば、本発明は、少なくとも２つの処置パラメータのランキングを決定するコンピュータ実施方法であって、処置パラメータが、
ａ）圃場における処置の少なくとも１つの時間窓、
ｂ）圃場における処置の少なくとも１つの方法、
ｃ）圃場における処置の少なくとも１つの製品、
ｄ）圃場における処置の少なくとも１つの用量率、及び
ｅ）少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の少なくとも１つの処置スケジュール
からなる群から選択され、本方法が、
（ステップ１）（１１０）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の遺伝測定データ（４０）を提供するステップと、
（ステップ２）（１２０）少なくとも１つの有機体をターゲットにすることができる少なくとも２つの処置パラメータの処置パラメータデータ（４２）を提供するステップと、
（ステップ３）（１３０）処置パラメータデータ（４２）に基づいて、分類階級の第１のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第１のレベルの有効性」）を含む第１のレベルの有効性データ（４４）を提供するステップと、
（ステップ４）（１４０）処置パラメータデータ（４２）及び第１のレベルの有効性データ（４４）に基づいて、少なくとも２つの処置パラメータのうちの第１位（４６）を決定するステップと、
（ステップ５）（１５０）有効性調整モデル（５０）を提供するステップと、
（ステップ６）（１６０）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）を修正することにより、分類階級の第１のレベルよりも下位である分類階級の第２のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第２のレベルの有効性」）を含む第２のレベルの有効性データ（５２）を得るステップと、
（ステップ７）（１７０）処置パラメータデータ（４２）及び第２のレベルの有効性データ（５２）に基づいて、少なくとも２つの処置パラメータのうちの第２位（５４）を決定するステップと
を含む、コンピュータ実施方法に関する。
ａ）圃場における処置の少なくとも１つの時間窓、
ｂ）圃場における処置の少なくとも１つの方法、
ｃ）圃場における処置の少なくとも１つの製品、
ｄ）圃場における処置の少なくとも１つの用量率、及び
ｅ）少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の少なくとも１つの処置スケジュール
からなる群から選択され、本方法が、
（ステップ１）（１１０）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の遺伝測定データ（４０）を提供するステップと、
（ステップ２）（１２０）少なくとも１つの有機体をターゲットにすることができる少なくとも２つの処置パラメータの処置パラメータデータ（４２）を提供するステップと、
（ステップ３）（１３０）処置パラメータデータ（４２）に基づいて、分類階級の第１のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第１のレベルの有効性」）を含む第１のレベルの有効性データ（４４）を提供するステップと、
（ステップ４）（１４０）処置パラメータデータ（４２）及び第１のレベルの有効性データ（４４）に基づいて、少なくとも２つの処置パラメータのうちの第１位（４６）を決定するステップと、
（ステップ５）（１５０）有効性調整モデル（５０）を提供するステップと、
（ステップ６）（１６０）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）を修正することにより、分類階級の第１のレベルよりも下位である分類階級の第２のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第２のレベルの有効性」）を含む第２のレベルの有効性データ（５２）を得るステップと、
（ステップ７）（１７０）処置パラメータデータ（４２）及び第２のレベルの有効性データ（５２）に基づいて、少なくとも２つの処置パラメータのうちの第２位（５４）を決定するステップと
を含む、コンピュータ実施方法に関する。
本発明の更なる態様によれば、本発明は、少なくとも１つの処置パラメータに基づいて農機具を制御するために使用可能な制御ファイルを生成するコンピュータ実施方法であって、処置パラメータが、
ａ）圃場における処置の少なくとも１つの時間窓、
ｂ）圃場における処置の少なくとも１つの方法、
ｃ）圃場における処置の少なくとも１つの製品、
ｄ）圃場における処置の少なくとも１つの用量率、及び
ｅ）少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の少なくとも１つの処置スケジュール
からなる群から選択され、本方法が、
（ステップ１）（１１０）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の遺伝測定データ（４０）を提供するステップと、
（ステップ２）（１２０）少なくとも１つの有機体をターゲットにすることができる少なくとも２つの処置パラメータの処置パラメータデータ（４２）を提供するステップと、
（ステップ３）（１３０）処置パラメータデータ（４２）に基づいて、分類階級の第１のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第１のレベルの有効性」）を含む第１のレベルの有効性データ（４４）を提供するステップと、
（ステップ４）（１４０）処置パラメータデータ（４２）及び第１のレベルの有効性データ（４４）に基づいて、少なくとも２つの処置パラメータのうちの第１位（４６）を決定するステップと、
（ステップ５）（１５０）有効性調整モデル（５０）を提供するステップと、
（ステップ６）（１６０）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）を修正することにより、分類階級の第１のレベルよりも下位である分類階級の第２のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第２のレベルの有効性」）を含む第２のレベルの有効性データ（５２）を得るステップと、
（ステップ７）（１７０）処置パラメータデータ（４２）及び第２のレベルの有効性データ（５２）に基づいて、少なくとも２つの処置パラメータのうちの第２位（５４）を決定するステップと、
（ステップ８）（１８０）最高ランクの処置パラメータ又はユーザが選択した処置パラメータを、農機具を制御するために使用可能な制御ファイルとして出力するステップと
を含む、コンピュータ実施方法に関する。
ａ）圃場における処置の少なくとも１つの時間窓、
ｂ）圃場における処置の少なくとも１つの方法、
ｃ）圃場における処置の少なくとも１つの製品、
ｄ）圃場における処置の少なくとも１つの用量率、及び
ｅ）少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の少なくとも１つの処置スケジュール
からなる群から選択され、本方法が、
（ステップ１）（１１０）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の遺伝測定データ（４０）を提供するステップと、
（ステップ２）（１２０）少なくとも１つの有機体をターゲットにすることができる少なくとも２つの処置パラメータの処置パラメータデータ（４２）を提供するステップと、
（ステップ３）（１３０）処置パラメータデータ（４２）に基づいて、分類階級の第１のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第１のレベルの有効性」）を含む第１のレベルの有効性データ（４４）を提供するステップと、
（ステップ４）（１４０）処置パラメータデータ（４２）及び第１のレベルの有効性データ（４４）に基づいて、少なくとも２つの処置パラメータのうちの第１位（４６）を決定するステップと、
（ステップ５）（１５０）有効性調整モデル（５０）を提供するステップと、
（ステップ６）（１６０）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）を修正することにより、分類階級の第１のレベルよりも下位である分類階級の第２のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第２のレベルの有効性」）を含む第２のレベルの有効性データ（５２）を得るステップと、
（ステップ７）（１７０）処置パラメータデータ（４２）及び第２のレベルの有効性データ（５２）に基づいて、少なくとも２つの処置パラメータのうちの第２位（５４）を決定するステップと、
（ステップ８）（１８０）最高ランクの処置パラメータ又はユーザが選択した処置パラメータを、農機具を制御するために使用可能な制御ファイルとして出力するステップと
を含む、コンピュータ実施方法に関する。
本発明の好ましい実施形態によれば、第２のレベルの有効性データ（５２）を得るステップが、
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応のタイプ（５６）を決定するステップと、
（ステップ６ｂ）（１６４）遺伝特異反応のタイプ（５６）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）を修正するステップと、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応のタイプ（５６）を決定するステップと、
（ステップ６ｂ）（１６４）遺伝特異反応のタイプ（５６）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）を修正するステップと、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
本発明の更なる好ましい実施形態によれば、第２のレベルの有効性データ（５２）を得るステップが、
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応のタイプ（５６）を、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性が低下するように有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性が低下するが、タイプ１の反応（５８）の場合と比べてより低いレベルで低下するように、有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように、有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応のタイプ（５６）を、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性が低下するように有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性が低下するが、タイプ１の反応（５８）の場合と比べてより低いレベルで低下するように、有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように、有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
本発明の更なる好ましい実施形態によれば、第２のレベルの有効性データを得るステップが、
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応（５６）のタイプを、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性がゼロに設定されるように有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性が低下するが、ゼロには設定されないように、好ましくは、それらの元のレベルの３％～９０％に低下され、より好ましくは、それらの元のレベルの７％～７０％に低下され、最も好ましくは、それらの元のレベルの１０％～５０％に低下され、特に、それらの元のレベルの１５％～４０％に低下されるように、有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように、有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応（５６）のタイプを、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性がゼロに設定されるように有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性が低下するが、ゼロには設定されないように、好ましくは、それらの元のレベルの３％～９０％に低下され、より好ましくは、それらの元のレベルの７％～７０％に低下され、最も好ましくは、それらの元のレベルの１０％～５０％に低下され、特に、それらの元のレベルの１５％～４０％に低下されるように、有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように、有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
本発明の更なる好ましい実施形態によれば、第２のレベルの有効性データを得るステップが、
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応のタイプ（５６）を、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、少なくとも１つの有機体をターゲットとしているがこのタイプ１の反応（５８）の影響を受けていない他のすべての処置パラメータが、影響を受けた処置パラメータよりも上位にランク付けされるように第１のレベルの有効性が低下するように、有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、少なくとも１つの有機体をターゲットとしているがこのタイプ２の反応（６０）の影響を受けていない他のすべての処置パラメータが、影響を受けた処置パラメータよりも上位にランク付けされるように第１のレベルの有効性が低下するように、有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように、有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応のタイプ（５６）を、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、少なくとも１つの有機体をターゲットとしているがこのタイプ１の反応（５８）の影響を受けていない他のすべての処置パラメータが、影響を受けた処置パラメータよりも上位にランク付けされるように第１のレベルの有効性が低下するように、有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、少なくとも１つの有機体をターゲットとしているがこのタイプ２の反応（６０）の影響を受けていない他のすべての処置パラメータが、影響を受けた処置パラメータよりも上位にランク付けされるように第１のレベルの有効性が低下するように、有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように、有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
本発明の更なる好ましい実施形態によれば、少なくとも２つの処置パラメータが圃場における処置の製品であり、第２のレベルの有効性データを得ることが、
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び製品データ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応のタイプ（５６）を、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、少なくとも１つの有機体をターゲットとしているがこのタイプ１の反応（５８）の影響を受けていない（タンクミックスなどの製品混合物を含む）他のすべての製品（好ましくは、別の作用機序を有する少なくとも１つの有効成分又は他のすべての非化学製品を含む他のすべての製品又は製品混合物など）が、影響を受けた処置パラメータよりも上位にランク付けされるように第１のレベルの有効性が低下するように、有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、少なくとも１つの有機体をターゲットとしているがこのタイプ２の反応（６０）の影響を受けていない（タンクミックスなどの製品混合物を含む）他のすべての製品（少なくとも１つの有効成分又は他のすべての非化学製品を含む他のすべての製品又は製品混合物など）が、影響を受けた処置パラメータよりも上位にランク付けされるように第１のレベルの有効性が低下するように、有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように、有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
（ステップ６ａ）（１６２）遺伝測定データ（４０）及び製品データ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応のタイプ（５６）を、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、少なくとも１つの有機体をターゲットとしているがこのタイプ１の反応（５８）の影響を受けていない（タンクミックスなどの製品混合物を含む）他のすべての製品（好ましくは、別の作用機序を有する少なくとも１つの有効成分又は他のすべての非化学製品を含む他のすべての製品又は製品混合物など）が、影響を受けた処置パラメータよりも上位にランク付けされるように第１のレベルの有効性が低下するように、有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、少なくとも１つの有機体をターゲットとしているがこのタイプ２の反応（６０）の影響を受けていない（タンクミックスなどの製品混合物を含む）他のすべての製品（少なくとも１つの有効成分又は他のすべての非化学製品を含む他のすべての製品又は製品混合物など）が、影響を受けた処置パラメータよりも上位にランク付けされるように第１のレベルの有効性が低下するように、有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように、有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む。
少なくとも１つの有機体の遺伝特異反応のタイプ（５６）の割り当てについては、自動データベース検索が実行又は開始されてもよく、例えば、ｈｔｔｐ：／／ｗｅｅｄｓｃｉｅｎｃｅ．ｏｒｇ／、ＨＲＡＣ、ＦＲＡＣ、若しくはＩＲＡＣにおける抵抗性分類表などの抵抗性データベース、又は抵抗性データを含む他の科学データベース若しくは製品データベースにおけるデータベース検索が実行又は開始されてもよく、割り当てがそのようなデータベース検索の結果に基づいて実施されてもよい。
タイプ１の反応（５８）の場合又はタイプ２の反応（６０）の場合に第１のレベルの有効性を低下させるために、自動データベース検索が実行又は開始されてもよく、例えば、ｈｔｔｐ：／／ｗｅｅｄｓｃｉｅｎｃｅ．ｏｒｇ／、ＨＲＡＣ、ＦＲＡＣ、若しくはＩＲＡＣにおける抵抗性分類表などの抵抗性データベース、又は抵抗性データを含む他の科学データベース若しくは製品データベースにおけるデータベース検索が実行又は開始されてもよく、第１のレベルの有効性を低下させることがそのようなデータベース検索の結果に基づいて実施されてもよい。
本発明の更なる好ましい実施形態によれば、処置パラメータの第１位を決定することが、追加的に、
（Ａ）農作物データであって、（ａａ）圃場で生長、播種、生長が計画、若しくは播種が計画されている農作物種についての情報及び／又は（ｂｂ）そのような農作物の生長段階についての情報を含む農作物データ、並びに／或いは
（Ｂ）圃場の場所に関連する天候及び／又は地理データ、並びに／或いは
（Ｃ）過去に圃場で行われた処置に関連する過去の処置データ
に基づくことができ、
データ（Ａ）、（Ｂ）、及び／又は（Ｃ）は、第１位を決定するステップの前に提供される。
（Ａ）農作物データであって、（ａａ）圃場で生長、播種、生長が計画、若しくは播種が計画されている農作物種についての情報及び／又は（ｂｂ）そのような農作物の生長段階についての情報を含む農作物データ、並びに／或いは
（Ｂ）圃場の場所に関連する天候及び／又は地理データ、並びに／或いは
（Ｃ）過去に圃場で行われた処置に関連する過去の処置データ
に基づくことができ、
データ（Ａ）、（Ｂ）、及び／又は（Ｃ）は、第１位を決定するステップの前に提供される。
本発明の更なる好ましい実施形態によれば、処置パラメータの第２位を決定することが、追加的に、
（Ａ）農作物データであって、（ａａ）圃場で生長、播種、生長が計画、若しくは播種が計画されている農作物種についての情報及び／又は（ｂｂ）そのような農作物の生長段階についての情報を含む農作物データ、並びに／或いは
（Ｂ）圃場の場所に関連する天候及び／又は地理データ、並びに／或いは
（Ｃ）過去に圃場で行われた処置に関連する過去の処置データ
に基づくことができ、
データ（Ａ）、（Ｂ）、及び／又は（Ｃ）は、第２位を決定するステップの前に提供される。
（Ａ）農作物データであって、（ａａ）圃場で生長、播種、生長が計画、若しくは播種が計画されている農作物種についての情報及び／又は（ｂｂ）そのような農作物の生長段階についての情報を含む農作物データ、並びに／或いは
（Ｂ）圃場の場所に関連する天候及び／又は地理データ、並びに／或いは
（Ｃ）過去に圃場で行われた処置に関連する過去の処置データ
に基づくことができ、
データ（Ａ）、（Ｂ）、及び／又は（Ｃ）は、第２位を決定するステップの前に提供される。
本発明の更なる好ましい実施形態によれば、処置パラメータの第１位及び第２位を決定することが、追加的に、
（Ａ）農作物データであって、（ａａ）圃場で生長、播種、生長が計画、若しくは播種が計画されている農作物種についての情報及び／又は（ｂｂ）そのような農作物の生長段階についての情報を含む農作物データ、並びに／或いは
（Ｂ）圃場の場所に関連する天候及び／又は地理データ、並びに／或いは
（Ｃ）過去に圃場で行われた処置に関連する過去の処置データ
に基づくことができ、
データ（Ａ）、（Ｂ）、及び／又は（Ｃ）は、第１位を決定するステップの前に提供される。
（Ａ）農作物データであって、（ａａ）圃場で生長、播種、生長が計画、若しくは播種が計画されている農作物種についての情報及び／又は（ｂｂ）そのような農作物の生長段階についての情報を含む農作物データ、並びに／或いは
（Ｂ）圃場の場所に関連する天候及び／又は地理データ、並びに／或いは
（Ｃ）過去に圃場で行われた処置に関連する過去の処置データ
に基づくことができ、
データ（Ａ）、（Ｂ）、及び／又は（Ｃ）は、第１位を決定するステップの前に提供される。
本発明に関して、天候及び／又は地理データは、天候データ及び／又は地理データである。
本発明に関して、天候データは、限定ではなく、気温、土壌温度、キャノピー温度、湿度、降雨量、水分、風況、日照レベルなどを含む天候についての任意のデータであり得る。
本発明に関して、地理データは、ＧＰＳ（全地球測位システム）データ、高度データ、土壌データなどを含む地理又は地形についての任意のデータであり得る。
本発明に関して、「遺伝測定データ」は、好ましくは、測定を通じて（例えば、サンプルを使用して）得られた、又は代替的には、ユーザ入力又はデータベースから得られた遺伝情報の識別子又は遺伝情報自体を含む、遺伝情報に関連する任意のデータであり得る。
本発明に関して、過去の処置データは、好ましくは、ユーザインタフェース及び／又はデータインタフェースを介して提供され得る。
本発明に関して、「制御ファイル」という用語は、好ましくは農機具を制御するために有用な任意のバイナリファイル、データ、信号、識別子、情報、又はアプリケーションマップを指す。
本発明の好ましい実施形態によれば、本発明のコンピュータ実施方法は、（ステップ１）（１１０）の前に、
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップ
を更に含む。
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップ
を更に含む。
本発明の好ましい実施形態によれば、少なくとも１つの有機体のサンプルは、少なくとも１つの有機体の現実世界の物理的サンプルである。サンプルは、有機体を含む任意の媒体又は材料、好ましくは土壌、麦わら、空気、水、植物の一部、花粉、種子、有機体自体（例えば昆虫類、クモ類、線虫類、軟体類）、卵、又は有機体の異なる成長段階（例えば昆虫類、クモ類、線虫類、軟体類の卵又は幼虫）から採取され得る。
本発明の更なる好ましい実施形態によれば、本発明のコンピュータ実施方法は、（ステップ１）（１１０）の前に、
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝情報及び／又はエピジェネティック情報を得るステップであって、遺伝解析が、シーケンシング技術（サンガーシーケンシング、次世代シーケンシング、パイロシーケンシング、ナノポアシーケンシング、ＧｅｎａｐＳｙｓシーケンシング、ライゲーションによるシーケンシング（ＳＯＬｉＤシーケンシング）、一分子リアルタイムシーケンシング、イオン半導体（Ｉｏｎ Ｔｏｒｒｅｎｔシーケンシング）シーケンシング、合成によるシーケンシング（Ｉｌｌｕｍｉｎａ）、コンビナトリアルプローブアンカー合成（ｃＰＡＳ－ＢＧＩ／ＭＧＩ）など）、ナノポア技術、マイクロアレイ技術、グラフェンバイオセンサ技術、ＰＣＲ（ポリメラーゼ連鎖反応）技術、高速ＰＣＲ技術、及び等温増幅（ＬＡＭＰ（ループ介在増幅）、ＲＰＡ（リコンビナーゼポリメラーゼ増幅）、核酸配列決定ベースの増幅（ＮＡＳＢＡ：Ｎｕｃｌｅｉｃ Ａｃｉｄ Ｓｅｑｕｅｎｃｅｄ Ｂａｓｅｄ Ａｍｐｌｉｆｉｃａｔｉｏｎ）、及び転写介在増幅（ＴＭＡ）など）などの他のＤＮＡ／ＲＮＡ増幅技術、並びにエピジェネティック解析（ＤＮＡメチル化、ＤＮＡ－タンパク質相互作用解析、及びクロマチン接近可能性解析など）からなる群から選択される技術のうちの少なくとも１つに基づく、ステップ
を更に含む。
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝情報及び／又はエピジェネティック情報を得るステップであって、遺伝解析が、シーケンシング技術（サンガーシーケンシング、次世代シーケンシング、パイロシーケンシング、ナノポアシーケンシング、ＧｅｎａｐＳｙｓシーケンシング、ライゲーションによるシーケンシング（ＳＯＬｉＤシーケンシング）、一分子リアルタイムシーケンシング、イオン半導体（Ｉｏｎ Ｔｏｒｒｅｎｔシーケンシング）シーケンシング、合成によるシーケンシング（Ｉｌｌｕｍｉｎａ）、コンビナトリアルプローブアンカー合成（ｃＰＡＳ－ＢＧＩ／ＭＧＩ）など）、ナノポア技術、マイクロアレイ技術、グラフェンバイオセンサ技術、ＰＣＲ（ポリメラーゼ連鎖反応）技術、高速ＰＣＲ技術、及び等温増幅（ＬＡＭＰ（ループ介在増幅）、ＲＰＡ（リコンビナーゼポリメラーゼ増幅）、核酸配列決定ベースの増幅（ＮＡＳＢＡ：Ｎｕｃｌｅｉｃ Ａｃｉｄ Ｓｅｑｕｅｎｃｅｄ Ｂａｓｅｄ Ａｍｐｌｉｆｉｃａｔｉｏｎ）、及び転写介在増幅（ＴＭＡ）など）などの他のＤＮＡ／ＲＮＡ増幅技術、並びにエピジェネティック解析（ＤＮＡメチル化、ＤＮＡ－タンパク質相互作用解析、及びクロマチン接近可能性解析など）からなる群から選択される技術のうちの少なくとも１つに基づく、ステップ
を更に含む。
本発明の更なる好ましい実施形態によれば、本発明のコンピュータ実施方法は、（ステップ１）（１１０）の前に、
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップであって、遺伝解析が、選択的遺伝子型判定に基づく、又はナノポア技術、パイロシーケンシング技術、及び他のシーケンシング若しくは次世代シーケンシング（ＮＧＳ）技術などのシーケンシング技術に基づく、ステップ
を更に含む。
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップであって、遺伝解析が、選択的遺伝子型判定に基づく、又はナノポア技術、パイロシーケンシング技術、及び他のシーケンシング若しくは次世代シーケンシング（ＮＧＳ）技術などのシーケンシング技術に基づく、ステップ
を更に含む。
本発明の更なる好ましい実施形態によれば、本発明のコンピュータ実施方法は、（ステップ１）（１１０）の前に、
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝情報を得るステップであって、遺伝解析が、マクサム－ギルバートシーケンシング、連鎖終止反応法、大規模シーケンシング及びｄｅ ｎｏｖｏシーケンシング、ショットガンシーケンシング、ハイスループットシーケンシング法、ロングリードシーケンシング法、一分子リアルタイム（ＳＭＲＴ）シーケンシング、ナノポアＤＮＡシーケンシング、ショートリードシーケンシング法、超並列シグネチャシーケンシング（ＭＰＳＳ）、コロニーシーケンシング、パイロシーケンシング、Ｉｌｌｕｍｉｎａ（Ｓｏｌｅｘａ）シーケンシング、コンビナトリアルプローブアンカー合成（ｃＰＡＳ）、ＳＯＬｉＤシーケンシング、Ｉｏｎ Ｔｏｒｒｅｎｔ半導体シーケンシング、ＤＮＡナノボールシーケンシング、Ｈｅｌｉｓｃｏｐｅ一分子シーケンシング、マイクロ流体システムを使用したシーケンシング、トンネル電流ＤＮＡシーケンシング、ハイブリダイゼーションによるシーケンシング、質量分析を用いたシーケンシング、マイクロ流体サンガーシーケンシング、顕微鏡法ベースの技法、ＲＮＡＰシーケンシング、Ｉｎ ｖｉｔｒｏウイルスハイスループットシーケンシング、ＬＡＭＰ法（ループ介在増幅）、ＲＰＡ法（リコンビナーゼポリメラーゼ増幅）、ＮＡＳＢＡ法（核酸配列ベース増幅）、転写増幅法、及びＤＮＡメチル化、ＤＮＡ－タンパク質相互作用解析、クロマチン接近可能性解析などのエピジェネティック解析からなる群から選択される技術のうちの１つに基づく、ステップ
を更に含む。
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝情報を得るステップであって、遺伝解析が、マクサム－ギルバートシーケンシング、連鎖終止反応法、大規模シーケンシング及びｄｅ ｎｏｖｏシーケンシング、ショットガンシーケンシング、ハイスループットシーケンシング法、ロングリードシーケンシング法、一分子リアルタイム（ＳＭＲＴ）シーケンシング、ナノポアＤＮＡシーケンシング、ショートリードシーケンシング法、超並列シグネチャシーケンシング（ＭＰＳＳ）、コロニーシーケンシング、パイロシーケンシング、Ｉｌｌｕｍｉｎａ（Ｓｏｌｅｘａ）シーケンシング、コンビナトリアルプローブアンカー合成（ｃＰＡＳ）、ＳＯＬｉＤシーケンシング、Ｉｏｎ Ｔｏｒｒｅｎｔ半導体シーケンシング、ＤＮＡナノボールシーケンシング、Ｈｅｌｉｓｃｏｐｅ一分子シーケンシング、マイクロ流体システムを使用したシーケンシング、トンネル電流ＤＮＡシーケンシング、ハイブリダイゼーションによるシーケンシング、質量分析を用いたシーケンシング、マイクロ流体サンガーシーケンシング、顕微鏡法ベースの技法、ＲＮＡＰシーケンシング、Ｉｎ ｖｉｔｒｏウイルスハイスループットシーケンシング、ＬＡＭＰ法（ループ介在増幅）、ＲＰＡ法（リコンビナーゼポリメラーゼ増幅）、ＮＡＳＢＡ法（核酸配列ベース増幅）、転写増幅法、及びＤＮＡメチル化、ＤＮＡ－タンパク質相互作用解析、クロマチン接近可能性解析などのエピジェネティック解析からなる群から選択される技術のうちの１つに基づく、ステップ
を更に含む。
本発明の更なる好ましい実施形態によれば、本発明のコンピュータ実施方法は、（ステップ１）（１１０）の前に、
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも２つのサンプルを採取し、少なくとも１つの有機体の少なくとも２つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップであって、少なくとも２つのサンプルは、圃場内の少なくとも２つの異なる場所から採取されている、ステップ
を更に含む。
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも２つのサンプルを採取し、少なくとも１つの有機体の少なくとも２つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップであって、少なくとも２つのサンプルは、圃場内の少なくとも２つの異なる場所から採取されている、ステップ
を更に含む。
本発明の更なる好ましい実施形態によれば、本発明のコンピュータ実施方法は、（ステップ１）（１１０）の前に、
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも２つのサンプルを採取し、少なくとも１つの有機体の少なくとも２つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップであって、少なくとも２つのサンプルは、圃場内の少なくとも２つの異なるゾーンから採取されている、ステップ
を更に含む。
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも２つのサンプルを採取し、少なくとも１つの有機体の少なくとも２つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップであって、少なくとも２つのサンプルは、圃場内の少なくとも２つの異なるゾーンから採取されている、ステップ
を更に含む。
本発明の更なる好ましい実施形態によれば、本発明のコンピュータ実施方法は、（ステップ１）（１１０）の前に、
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップであって、サンプルは、圃場内の各ゾーンから採取されている、ステップ
を更に含む。
（ステップ０）（１００）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の少なくとも１つのサンプルを採取し、少なくとも１つの有機体の少なくとも１つのサンプルを使用して遺伝解析を行い、そこから少なくとも１つの有機体の遺伝測定データを得るステップであって、サンプルは、圃場内の各ゾーンから採取されている、ステップ
を更に含む。
本発明の更なる好ましい実施形態によれば、少なくとも１つの有機体は、有害な有機体、好ましくは、雑草類、菌類、ウイルス類、細菌類、昆虫類、クモ類、線虫類、軟体類、鳥類、及び齧歯類からなる群から選択される有害な有機体である。
本発明の更なる好ましい実施形態によれば、少なくとも１つの有機体は、有益な有機体、好ましくは、有益な植物、菌類、ウイルス類、細菌類、昆虫類、クモ類、線虫類、軟体類、鳥類、齧歯類、及び原虫類からなる群から選択される有益な有機体である。
本発明の更なる好ましい実施形態によれば、少なくとも１つの有機体は、圃場で生長、播種、生長が計画、又は播種が計画されている農作物種である。
幾つかの場合、特に、例えば農作物植物が予期されるものと異なる遺伝的特性を有する（例えば予期せぬ変異体又はバリアントである）とき、高効率処置の処置パラメータを決定するためには、有害な有機体の遺伝測定データを得るだけでは十分ではないことがある。そのような場合、高効率処置の処置パラメータは、有害な有機体及び農作物植物の両方の遺伝測定データが得られた後でのみ、決定することができる。更に、サンプル採集（サンプリング）プロセスをより効率的にするために、有害な有機体の一部及び農作物植物の一部の両方を含むサンプルを採取することが好ましく、例えば、特定の真菌病に部分的に感染した農作物植物の葉を採取することが好ましい。
本発明の更なる好ましい実施形態によれば、コンピュータ実施方法の（ステップ１）（１１０）において、圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有害な有機体の遺伝測定データと、圃場で生長、播種、生長が計画、又は播種が計画されている少なくとも１つの農作物植物の遺伝測定データとが提供される。
本発明の更なる好ましい実施形態によれば、コンピュータ実施方法の（ステップ１）（１１０）において、圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有益な有機体の遺伝測定データと、圃場で生長、播種、生長が計画、又は播種が計画されている少なくとも１つの農作物植物の遺伝測定データとが提供される。
本発明の更なる好ましい実施形態によれば、少なくとも１つの有機体の遺伝解析は、圃場で動作するポータブルデバイスを使用して行われる。
本発明の更なる好ましい実施形態によれば、少なくとも１つの有機体の遺伝解析は、圃場外部の設備で行われる。
本発明の更なる好ましい実施形態によれば、サンプル採取（ステップ０）（１００）と遺伝測定データの提供（ステップ１）（１１０）との間の時間枠は、１秒～５日、より好ましくは１分～３日、最も好ましくは５分～１日、特に好ましくは１０分～１５時間、特により好ましくは１５分～１０時間、特に２０分～１０時間、例えば３０分～５時間である。
本発明の更なる好ましい実施形態によれば、少なくとも１つの有機体の遺伝測定データは、ユーザインタフェース及び／又はデータインタフェースにより提供されている。
本発明の更なる好ましい実施形態によれば、最高ランクの処置パラメータは、農機具のための制御ファイル、好ましくは圃場を処置するように農機具を制御するための制御ファイルとして出力され、好ましくは自動的に出力される。
本発明の更なる好ましい実施形態によれば、本発明は、少なくとも２つの処置パラメータのランキングを決定するコンピュータ実施方法であって、処置パラメータが、
ａ）圃場における処置の少なくとも１つの時間窓、
ｂ）圃場における処置の少なくとも１つの方法、
ｃ）圃場における処置の少なくとも１つの製品、
ｄ）圃場における処置の少なくとも１つの用量率、及び
ｅ）少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の少なくとも１つの処置スケジュール
からなる群から選択され、本方法が、
（ステップ１）（１１０）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の遺伝測定データ（４０）を提供するステップと、
（ステップ２）（１２０）少なくとも１つの有機体をターゲットにすることができる少なくとも２つの処置パラメータの処置パラメータデータ（４２）を提供するステップと、
（ステップ３）（１３０）処置パラメータデータ（４２）に基づいて、分類階級の第１のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第１のレベルの有効性」）を含む第１のレベルの有効性データ（４４）を提供するステップと、
（ステップ４）（１４０）処置パラメータデータ（４２）及び第１のレベルの有効性データ（４４）に基づいて、少なくとも２つの処置パラメータのうちの第１位（４６）を決定するステップと、
（ステップ５）（１５０）有効性調整モデル（５０）を提供するステップと、
（ステップ６）（１６０）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）を修正することにより、分類階級の第１のレベルよりも下位である分類階級の第２のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第２のレベルの有効性」）を含む第２のレベルの有効性データ（５２）を得るステップと、
（ステップ７）（１７０）処置パラメータデータ（４２）及び第２のレベルの有効性データ（５２）に基づいて、少なくとも２つの処置パラメータのうちの第２位（５４）を決定するステップと、
（ステップ８）（１８０）最高ランクの処置パラメータを、農機具を制御するために使用可能な制御ファイル、好ましくは圃場を処置するように農機具を制御するために使用可能な制御ファイルとして出力するステップと
を含む、コンピュータ実施方法に関する。
ａ）圃場における処置の少なくとも１つの時間窓、
ｂ）圃場における処置の少なくとも１つの方法、
ｃ）圃場における処置の少なくとも１つの製品、
ｄ）圃場における処置の少なくとも１つの用量率、及び
ｅ）少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の少なくとも１つの処置スケジュール
からなる群から選択され、本方法が、
（ステップ１）（１１０）圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の遺伝測定データ（４０）を提供するステップと、
（ステップ２）（１２０）少なくとも１つの有機体をターゲットにすることができる少なくとも２つの処置パラメータの処置パラメータデータ（４２）を提供するステップと、
（ステップ３）（１３０）処置パラメータデータ（４２）に基づいて、分類階級の第１のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第１のレベルの有効性」）を含む第１のレベルの有効性データ（４４）を提供するステップと、
（ステップ４）（１４０）処置パラメータデータ（４２）及び第１のレベルの有効性データ（４４）に基づいて、少なくとも２つの処置パラメータのうちの第１位（４６）を決定するステップと、
（ステップ５）（１５０）有効性調整モデル（５０）を提供するステップと、
（ステップ６）（１６０）遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）を修正することにより、分類階級の第１のレベルよりも下位である分類階級の第２のレベルにある少なくとも１つの有機体に関連する少なくとも２つの処置パラメータの有効性（「第２のレベルの有効性」）を含む第２のレベルの有効性データ（５２）を得るステップと、
（ステップ７）（１７０）処置パラメータデータ（４２）及び第２のレベルの有効性データ（５２）に基づいて、少なくとも２つの処置パラメータのうちの第２位（５４）を決定するステップと、
（ステップ８）（１８０）最高ランクの処置パラメータを、農機具を制御するために使用可能な制御ファイル、好ましくは圃場を処置するように農機具を制御するために使用可能な制御ファイルとして出力するステップと
を含む、コンピュータ実施方法に関する。
本発明の更なる好ましい実施形態によれば、少なくとも
（ステップ１）（１１０）、（ステップ２）（１２０）、（ステップ３）（１３０）、（ステップ４）（１４０）、（ステップ５）（１５０）、（ステップ６）（１６０）、及び（ステップ７）（１７０）
が、リアルタイムモードで、即ち好ましくは１分未満、より好ましくは１０～４５秒以内、最も好ましくは１～１０秒以内、より好ましくは０．５～１秒以内、最も好ましくは１００～５００ミリ秒以内、特に１０～１００ミリ秒以内で実行される。
（ステップ１）（１１０）、（ステップ２）（１２０）、（ステップ３）（１３０）、（ステップ４）（１４０）、（ステップ５）（１５０）、（ステップ６）（１６０）、及び（ステップ７）（１７０）
が、リアルタイムモードで、即ち好ましくは１分未満、より好ましくは１０～４５秒以内、最も好ましくは１～１０秒以内、より好ましくは０．５～１秒以内、最も好ましくは１００～５００ミリ秒以内、特に１０～１００ミリ秒以内で実行される。
本発明の更なる好ましい実施形態によれば、少なくとも
（ステップ１）（１１０）、（ステップ２）（１２０）、（ステップ３）（１３０）、（ステップ４）（１４０）、（ステップ５）（１５０）、
（ステップ６）（１６０）、（ステップ７）（１７０）、及び（ステップ８）（１８０）
が、リアルタイムモードで、即ち好ましくは１分未満、より好ましくは１０～４５秒以内、最も好ましくは１～１０秒以内、より好ましくは０．５～１秒以内、最も好ましくは１００～５００ミリ秒以内、特に１０～１００ミリ秒以内で実行される。
（ステップ１）（１１０）、（ステップ２）（１２０）、（ステップ３）（１３０）、（ステップ４）（１４０）、（ステップ５）（１５０）、
（ステップ６）（１６０）、（ステップ７）（１７０）、及び（ステップ８）（１８０）
が、リアルタイムモードで、即ち好ましくは１分未満、より好ましくは１０～４５秒以内、最も好ましくは１～１０秒以内、より好ましくは０．５～１秒以内、最も好ましくは１００～５００ミリ秒以内、特に１０～１００ミリ秒以内で実行される。
本発明の更なる好ましい実施形態によれば、
（ステップ１）（１１０）、（ステップ２）（１２０）、（ステップ３）（１３０）、（ステップ４）（１４０）、（ステップ５）（１５０）、（ステップ６）（１６０）、及び（ステップ７）（１７０）
のうちの少なくとも１つ、好ましくは２つ、より好ましくは３つ、最も好ましくは４つ、特に好ましくは５つ、例えばすべてが、分散計算システムに関してクラウド又はクラウドサーバで実行される。
（ステップ１）（１１０）、（ステップ２）（１２０）、（ステップ３）（１３０）、（ステップ４）（１４０）、（ステップ５）（１５０）、（ステップ６）（１６０）、及び（ステップ７）（１７０）
のうちの少なくとも１つ、好ましくは２つ、より好ましくは３つ、最も好ましくは４つ、特に好ましくは５つ、例えばすべてが、分散計算システムに関してクラウド又はクラウドサーバで実行される。
本発明の更なる好ましい実施形態によれば、
（ステップ１）（１１０）、（ステップ２）（１２０）、（ステップ３）（１３０）、（ステップ４）（１４０）、（ステップ５）（１５０）、
（ステップ６）（１６０）、（ステップ７）（１７０）、及び（ステップ８）（１８０）
のうちの少なくとも１つ、好ましくは２つ、より好ましくは３つ、最も好ましくは４つ、特に好ましくは５つ、例えばすべてが、分散計算システムに関してクラウド又はクラウドサーバで実行される。
（ステップ１）（１１０）、（ステップ２）（１２０）、（ステップ３）（１３０）、（ステップ４）（１４０）、（ステップ５）（１５０）、
（ステップ６）（１６０）、（ステップ７）（１７０）、及び（ステップ８）（１８０）
のうちの少なくとも１つ、好ましくは２つ、より好ましくは３つ、最も好ましくは４つ、特に好ましくは５つ、例えばすべてが、分散計算システムに関してクラウド又はクラウドサーバで実行される。
本発明の更なる好ましい実施形態によれば、好ましくは（ステップ５）（１５０）及び（ステップ６）（１６０）が、分散計算システムに関してクラウド又はクラウドサーバで実行される。
本発明の更なる好ましい実施形態によれば、本発明はまた、本発明のコンピュータ実施方法を実行するための手段を備えたデータ処理システムに関する。
本発明の更なる好ましい実施形態によれば、本発明はまた、プログラムがコンピュータによって実行されると、コンピュータに本発明のコンピュータ実施方法を実行させる命令を含むコンピュータプログラム製品に関する。
本発明の更なる好ましい実施形態によれば、本発明はまた、コンピュータにより実行されると、本発明によるコンピュータ実施方法をコンピュータに実行させる命令を含むコンピュータ可読記憶媒体に関する。
本発明の更なる好ましい実施形態によれば、本発明はまた、農機具を制御するための本発明によるコンピュータ実施方法により決定された最高ランクの処置パラメータの使用に関する。
本発明の更なる好ましい実施形態によれば、本発明はまた、圃場を処置するための本発明によるコンピュータ実施方法により決定された最高ランクの処置パラメータの使用に関する。
本発明に関して、「処置パラメータ」という用語は、圃場における処置に有用な任意のパラメータであり、
ａ）圃場における処置の少なくとも１つの時間窓、
ｂ）圃場における処置の少なくとも１つの方法、
ｃ）圃場における処置の少なくとも１つの製品、
ｄ）圃場における処置の少なくとも１つの用量率、及び
ｅ）少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の少なくとも１つの処置スケジュール
からなる群から選択される。
ａ）圃場における処置の少なくとも１つの時間窓、
ｂ）圃場における処置の少なくとも１つの方法、
ｃ）圃場における処置の少なくとも１つの製品、
ｄ）圃場における処置の少なくとも１つの用量率、及び
ｅ）少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の少なくとも１つの処置スケジュール
からなる群から選択される。
本発明の更なる好ましい実施形態によれば、処置パラメータは圃場における処置の時間窓である。
本発明の更なる好ましい実施形態によれば、処置パラメータは圃場における処置の方法である。
本発明の更なる好ましい実施形態によれば、処置パラメータは圃場における処置の製品である。
本発明の更なる好ましい実施形態によれば、処置パラメータは圃場における処置の用量率である。
本発明の更なる好ましい実施形態によれば、処置パラメータは、少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の処置スケジュールである。
本発明に関して、「処置パラメータデータ」という用語は、処置パラメータに関連する、識別子、プロキシデータなどを含む任意のデータである。
本発明の更なる好ましい実施形態によれば、処置パラメータデータは圃場における処置の時間窓に関連する時間窓データである。
本発明の更なる好ましい実施形態によれば、処置パラメータデータは圃場における処置の方法に関連する方法データである。
本発明の更なる好ましい実施形態によれば、処置パラメータデータは圃場における処置の製品に関連する製品データである。より好ましくは、処置パラメータデータは、
－製品使用データ、
－製品登録データ、
－製品持続可能性データ、
－製品成分又は組成データ、
－製品の物理的、化学的、生物学的特性に関するデータ、
－製品の毒性、危険性、又は安全性に関するデータ、
－製品がターゲットとすることができる有機体に関するデータ、
－製品を適用可能である又は使用するのに適する作物、作物種、作物品種、作物形質、作物遺伝バリアント、作物生長段階に関するデータ
などの製品データである。
－製品使用データ、
－製品登録データ、
－製品持続可能性データ、
－製品成分又は組成データ、
－製品の物理的、化学的、生物学的特性に関するデータ、
－製品の毒性、危険性、又は安全性に関するデータ、
－製品がターゲットとすることができる有機体に関するデータ、
－製品を適用可能である又は使用するのに適する作物、作物種、作物品種、作物形質、作物遺伝バリアント、作物生長段階に関するデータ
などの製品データである。
本発明の更なる好ましい実施形態によれば、処置パラメータデータは圃場における処置の用量率に関連する用量率データである。
本発明の更なる好ましい実施形態によれば、処置パラメータは、少なくとも１つの方法又は製品と、圃場において少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の処置スケジュールに関連する処置スケジュールデータである。
本発明に関して、「修正する（ｍｏｄｉｆｙ）」という用語は、「変更する（ｃｈａｎｇｅ）」及び／又は「有効性確認済み（ｖａｌｉｄａｔｅ）」を意味する。「有効性確認済み」は、データ又はオブジェクトが正しいと確認及び／又は検証され、そのまま変わらないことを意味する。
本発明に関して、「ターゲットにする（ｔａｒｇｅｔｉｎｇ）」という用語は、
－有機体が有害な有機体である場合、制御する、又は減少させる、又は除去すること、及び
－有機体が有益な有機体又は作物植物の場合、制御する、又は保護する、又は「より安全なエリアに移動する」こと
を意味する。
－有機体が有害な有機体である場合、制御する、又は減少させる、又は除去すること、及び
－有機体が有益な有機体又は作物植物の場合、制御する、又は保護する、又は「より安全なエリアに移動する」こと
を意味する。
本発明に関して、「有機体」という用語は、限定ではなく、植物、作物植物、雑草類、菌類、ウイルス類、細菌類、昆虫類、クモ類、線虫類、軟体類、鳥類、齧歯類、他の動物、原虫類、原生生物、及び古細菌類を含む、生命特性を有する任意の種類の個々の実体であると理解される。
本発明に関して、「有害な有機体」という用語は、農作物植物の生長又は健康に対して悪影響を及ぼす任意の有機体であると理解される。
本発明に関して、「有益な有機体」という用語は、農作物植物の生長又は健康に対して悪影響を及ぼさない任意の有機体であると理解される。「有益な有機体」及び「良性有機体」という用語は同義で使用される。
本発明に関して、「遺伝情報」という用語は、限定ではなく、ＤＮＡ配列、ＲＮＡ配列、ＤＮＡ及び／又はＲＮＡ配列の部位、ＤＮＡ及び／又はＲＮＡの分子構造、エピジェネティック情報（例えばＤＮＡ部位のメチル化）、遺伝子変異についての情報、遺伝子コピー数変動についての情報、遺伝子の過剰発現についての情報、遺伝子の発現レベルについての情報、遺伝子シフトについての情報、野生型と変異体との比率についての情報、異なる変異体間の比率についての情報、変異体と他のバリアント（例えばエピジェネティックバリアント）との間の比率についての情報、異なるバリアント（例えばエピジェネティックバリアント）の比率についての情報、植物病（例えば葉枯病、黄サビ病、ダイズサビ病）又は他の病害のタイプについての情報を含め、有機体の遺伝特性についての任意の種類の情報として理解される。本発明に関して、「遺伝情報」という用語は、特定の野生型、変異体、若しくはバリアント（例えばエピジェネティックバリアント）、若しくはＤＮＡ／ＲＮＡ配列若しくはＤＮＡ／ＲＮＡ配列の部位、又は特定のエピジェネティック情報が存在しないという情報も含む。本発明に関して、「遺伝情報」という用語は、特定の遺伝情報が存在しないという情報も含む（例えば、特定のタイプの葉枯病が存在しないという情報も遺伝情報である）。本発明の好ましい実施形態では、遺伝情報」は以下の情報の少なくとも１つである：ＤＮＡ配列、ＲＮＡ配列、ＤＮＡ及び／又はＲＮＡ配列の部位、ＤＮＡ及び／又はＲＮＡの分子構造、エピジェネティック情報（例えばＤＮＡ部位のメチル化）、遺伝子変異についての情報、遺伝子コピー数変動についての情報、遺伝子の過剰発現についての情報、遺伝子の発現レベルについての情報、遺伝子シフトについての情報、野生型と変異体との比率についての情報、異なる変異体間の比率についての情報、変異体と他のバリアント（例えばエピジェネティックバリアント）との間の比率についての情報、異なるバリアント（例えばエピジェネティックバリアント）の比率についての情報、植物病又は他の病害のタイプ（例えば葉枯病、黄サビ病、ダイズサビ病）についての情報。本発明の別の好ましい実施形態では、遺伝情報」は以下の情報の少なくとも１つである：ＤＮＡ配列、ＲＮＡ配列、ＤＮＡ及び／又はＲＮＡの分子構造、ＤＮＡ及び／又はＲＮＡ配列の部位、エピジェネティック情報（例えばＤＮＡ部位のメチル化）。本発明の別の好ましい実施形態では、遺伝情報」は以下の情報の少なくとも１つである：ＤＮＡ配列、ＲＮＡ配列。本発明の別の好ましい実施形態では、遺伝情報」は以下の情報の少なくとも１つである：遺伝子変異についての情報、遺伝子コピー数変動についての情報、遺伝子の過剰発現についての情報、遺伝子の発現レベルについての情報、遺伝子シフトについての情報、野生型と変異体との比率についての情報、異なる変異体間の比率についての情報、変異体と他のバリアント（例えばエピジェネティックバリアント）との間の比率についての情報、異なるバリアント（例えばエピジェネティックバリアント）の比率についての情報、植物病又は他の病害のタイプ（例えば葉枯病、黄サビ病、ダイズサビ病）についての情報。本発明の別の好ましい実施形態では、遺伝情報」は以下の情報の少なくとも１つである：遺伝子変異についての情報、遺伝子コピー数変動についての情報、遺伝子の過剰発現についての情報、遺伝子の発現レベルについての情報、遺伝子シフトについての情報。本発明の別の好ましい実施形態では、遺伝情報」は以下の情報の少なくとも１つである：野生型と変異体との比率についての情報、異なる変異体間の比率についての情報、変異体と他のバリアント（例えばエピジェネティックバリアント）との間の比率についての情報、異なるバリアント（例えばエピジェネティックバリアント）の比率についての情報。
本発明の別の好ましい実施形態では、遺伝情報は、特定の作物保護製品に対する有機体の抵抗性についての情報である。
本発明に関して、「処置」という用語は、圃場で可能な任意の種類の処置として理解され、限定ではなく、播種、施肥、作物保護、生育制御、収穫、有機体－特に作物植物－の追加又は除去、並びに土壌処置、土壌養分管理、土壌窒素管理、耕運、耕作、灌漑を含む。本発明の好ましい実施形態では、処置は、以下の活動の１つである：播種、施肥、作物保護、生長制御、収穫、有機体－特に作物植物－の追加又は除去、並びに土壌処置、土壌養分管理、土壌窒素管理、耕運、耕作、灌漑。本発明の別の好ましい実施形態では、処置は播種である。本発明の別の好ましい実施形態では、処置は施肥である。本発明の別の好ましい実施形態では、処置は作物保護である。本発明の別の好ましい実施形態では、処置は生長制御である。本発明の別の好ましい実施形態では、処置は収穫である。本発明の別の好ましい実施形態では、処置は有機体－特に作物植物－の追加又は除去である。
本発明に関して、「圃場」という用語は、有機体、特に作物植物が生産、生長、播種、生産が計画、生長が計画、及び／又は播種が計画されている任意のエリアとして理解される。「圃場」という用語はまた、園芸フィールド、林業フィールド、及び水生生物の生産且つ／又は生長のためのフィールドも含む。
本発明に関して、「有効性」という用語は、ターゲットとする有機体（雑草、菌類、害虫など）の減少又は除去のレベル又は程度として理解される。１００％の有効性とは、例えば、特定の処置パラメータを使用して、ターゲットとする有機体の約１００％を除去し得ることを意味する。５０％の有効性とは、例えば、特定の処置パラメータを使用して、ターゲットとする有機体の約５０％を除去し得ることを意味する。０％の有効性とは、例えば、特定の処置パラメータを使用して、ターゲットとする有機体の約０％を除去し得ることを意味する。
本発明に関して、「分類階級」という用語は、分類学上の階層における有機体群の相対的なレベルを意味すると理解される。動物の分類階級は、例えば、界、門、綱、目、科、属、種、亜種である。植物の分類階級は、例えば、界、門、綱、目、科、属、種、亜種、変種である。分類階級の第１のレベルが例えば属である場合、分類階級の第１のレベルよりも下位である分類階級の第２のレベルは、例えば、種、亜種、又は変種である。分類階級の第１のレベルが例えば種である場合、分類階級の第１のレベルよりも下位である分類階級の第２のレベルは、例えば、亜種、又は変種である。分類階級の第１のレベルが例えば亜種である場合、分類階級の第１のレベルよりも下位である分類階級の第２のレベルは、例えば、変種である。
本発明に関して、「処置の方法」は、限定ではなく、
－機械的方法－例えば、例えば草を刈るロボットなどの機械による雑草の機械的除去、
－物理的方法－例えば、レーザなどの光学系による光（ｏｐｔｉｃａｌ ｌｉｇｈｔ）による雑草除去、
－化学的方法－例えば、除草剤を噴霧することによる雑草除去又は例えば、化学的誘引剤を使用して圃場外の別のエリアに有益な昆虫類を誘引する、
－生物学的方法－例えば、バイオ除草剤として使用される微生物を適用することによる雑草除去又は例えば、他の有機体（有益な昆虫類にとって食べ物として機能する）を圃場外の別のエリアに配置することにより、この別のエリアに有益な昆虫類を誘引する
を含む。
－機械的方法－例えば、例えば草を刈るロボットなどの機械による雑草の機械的除去、
－物理的方法－例えば、レーザなどの光学系による光（ｏｐｔｉｃａｌ ｌｉｇｈｔ）による雑草除去、
－化学的方法－例えば、除草剤を噴霧することによる雑草除去又は例えば、化学的誘引剤を使用して圃場外の別のエリアに有益な昆虫類を誘引する、
－生物学的方法－例えば、バイオ除草剤として使用される微生物を適用することによる雑草除去又は例えば、他の有機体（有益な昆虫類にとって食べ物として機能する）を圃場外の別のエリアに配置することにより、この別のエリアに有益な昆虫類を誘引する
を含む。
本発明に関して、「製品」という用語は、処置に有用な任意の物体又は材料として理解される。本発明に関して、「製品」という用語は、限定ではなく、
－化学製品、例えば防カビ剤、除草剤、殺虫剤、殺ダニ剤、軟体動物駆除剤、殺線虫剤、殺鳥剤、殺魚剤、殺鼠剤、忌避剤、殺菌剤、殺生物剤、毒性緩和剤、植物生長調節剤、ウレアーゼ阻害剤、硝酸化成抑制剤、脱窒阻害剤、又はそれらの任意の組合せ、
－生物学的製品、例えば防カビ剤（バイオ防カビ剤）、除草剤（バイオ除草剤）、殺虫剤（バイオ殺虫剤）、殺ダニ剤（バイオ殺ダニ剤）、軟体動物駆除剤（バイオ軟体動物駆除剤）、殺線虫剤（バイオ殺線虫剤）、殺鳥剤、殺魚剤、殺鼠剤、忌避剤、殺菌剤、殺生物剤、毒性緩和剤、植物生育調節剤、ウレアーゼ阻害剤、硝酸化成抑制剤、脱窒阻害剤、又はそれらの任意の組合せとして有用な微生物、
－肥料及び栄養物、
－種子及び苗木、
－水、
－更なる非化学製品、例えば、雑草又は菌類又は昆虫の除去機械、ロボット、又はドローンを含む機械的／物理的／光学的な雑草又は菌類又は昆虫の除去機器、及び
－それらの任意の組合せ
を含む。
－化学製品、例えば防カビ剤、除草剤、殺虫剤、殺ダニ剤、軟体動物駆除剤、殺線虫剤、殺鳥剤、殺魚剤、殺鼠剤、忌避剤、殺菌剤、殺生物剤、毒性緩和剤、植物生長調節剤、ウレアーゼ阻害剤、硝酸化成抑制剤、脱窒阻害剤、又はそれらの任意の組合せ、
－生物学的製品、例えば防カビ剤（バイオ防カビ剤）、除草剤（バイオ除草剤）、殺虫剤（バイオ殺虫剤）、殺ダニ剤（バイオ殺ダニ剤）、軟体動物駆除剤（バイオ軟体動物駆除剤）、殺線虫剤（バイオ殺線虫剤）、殺鳥剤、殺魚剤、殺鼠剤、忌避剤、殺菌剤、殺生物剤、毒性緩和剤、植物生育調節剤、ウレアーゼ阻害剤、硝酸化成抑制剤、脱窒阻害剤、又はそれらの任意の組合せとして有用な微生物、
－肥料及び栄養物、
－種子及び苗木、
－水、
－更なる非化学製品、例えば、雑草又は菌類又は昆虫の除去機械、ロボット、又はドローンを含む機械的／物理的／光学的な雑草又は菌類又は昆虫の除去機器、及び
－それらの任意の組合せ
を含む。
本発明に関して、「製品」という用語はまた、異なる製品の組合せを含む。
本発明の好ましい実施形態では、製品は、防カビ剤、除草剤、殺虫剤、殺ダニ剤、軟体動物駆除剤、殺線虫剤、殺鳥剤、殺魚剤、殺鼠剤、忌避剤、殺菌剤、殺生物剤、毒性緩和剤、植物生長調節剤、ウレアーゼ阻害剤、硝酸化成抑制剤、脱窒阻害剤、又はそれらの任意の組合せから選択される少なくとも１つの化学製品である。
本発明の別の好ましい実施形態では、製品は、防カビ剤、除草剤、殺虫剤、殺ダニ剤、軟体動物駆除剤、殺線虫剤、殺鳥剤、殺魚剤、殺鼠剤、忌避剤、殺菌剤、殺生物剤、毒性緩和剤、植物生長調節剤、ウレアーゼ阻害剤、硝酸化成抑制剤、脱窒阻害剤、又はそれらの任意の組合せとして有用な微生物から選択される少なくとも１つの生物学的製品である。
本発明の別の好ましい実施形態では、製品は肥料及び／又は栄養物である。
本発明の別の好ましい実施形態では、製品は種子及び／又は苗木である。
本発明に関して、「用量率」という用語は、例えば１ヘクタール当たりのリットル数（Ｌ／ｈａ）として表される、単位面積当たりで適用される製品量として理解される。
本発明に関して、処置の時間窓は、好ましくは１０日～１時間、より好ましくは７日～３時間、最も好ましくは５日～５時間、特に好ましくは３日～８時間、特により好ましくは２日～１２時間、特に３６時間～１６時間、例えば２８時間～２０時間に及ぶことができる。
本発明の好ましい実施形態では、「圃場に存在することが予期される有機体」は、この圃場、若しくはその周囲、若しくはその地域、若しくはその国でそのような有機体に関連する対応する予測若しくは予見－植物病、昆虫害虫、若しくは雑草類の存在についての予測など－に従って、この圃場、若しくはその周囲、若しくはその地域、若しくはその国でそのような有機体に関連する対応する過去の経験に従って、又は農作物植物の生長に関連する対応する過去の経験に従って、圃場に存在すると予期される有機体である。そのような有機体に関連する予測又は予見は、対応するコンピュータモデルに基づくことができる。
本発明の好ましい実施形態では、有効性調整モデルは過去のデータセットに従ってパラメータ化されたデータ駆動型モデルである。
本発明の好ましい実施形態では、有効性調整モデルは、決定木、コンピュータ実施ニューラルネットワーク若しくは人工ニューラルネットワーク、又はそれらの任意の組合せなどの機械学習モデルである。機械学習モデルを訓練するために、訓練データは、訓練用に１つとテスト用１つとの２つの部分に分割される（例えば、データの９０％を訓練用とし、１０％をテスト用とする）。機械学習モデルを訓練及びテストする場合、平均絶対誤差が評価指標として使用され得る。
本発明の好ましい実施形態では、有効性調整モデルは、パラメータ間の特定の関数及び／又は依存関係がユーザによって提供されるプロセスモデルである。これらの関数及び／又は依存関係は、単純な関数であってもよいし、過去の観測に基づいてもよい。
本発明のこれら及び他の態様は、以下の説明において例として説明される実施形態を参照し、添付の図面を参照することにより明らかになり、更に解明されるはずである。
図面は純粋に図式的なものであり、原寸に比例して描かれていないことに留意されたい。図面では、既に説明した要素に対応する要素には同じ参照数字が付されている場合がある。例、実施形態、又は任意選択の特徴は、非限定的であるとして示されているか否かにかかわらず、特許請求の範囲に記載された本発明を限定するものとして理解されるものではない。
図面の詳細な説明
図１は、農業処置デバイス２０を使用して圃場での処置を制御又は監視する分散計算システム１０の一例を示す。
図１は、農業処置デバイス２０を使用して圃場での処置を制御又は監視する分散計算システム１０の一例を示す。
分散システム１０は、作物を耕作する圃場１１の処置のために構成される。圃場１１は、ジオリファレンスされた場所における任意の植物又は作物耕作エリアであり得る。書き込みにより図１に示されるように、圃場１１は任意選択的に、ゾーン固有又は場所固有の特殊性を示す２つ以上のサブエリアに分割され得る。システム１０は、リモート計算リソース１２、１４、１６、１８、２０を有する分散計算システムを含み得る。システム１０は、１つ若しくは複数の作物保護処置デバイス２０又は１つ若しくは複数の収穫デバイスなどの圃場を処置するように構成されたスマート機械１０と、作物保護処置を制御又は監視するように構成された準備システム１４と、出力データをユーザに表示する、又はユーザからの入力データを収集するように構成されたクライアントデバイス１６と、データパケットを送信又は受信するように構成されたデータ配信システム１８（例えば、クラウド）と、収穫された農業製品の処理を監視するように構成された１つ又は複数の生産管理システム２０とを含み得る。圃場１１は、除草剤、防カビ剤、殺虫剤、又は殺線虫剤などの作物保護製品の使用によって処置され得る。
より統合的な制御又は監視のために、システム１０は、処置制御データを生成する準備システム１４を含む。処置制御データは機械可読フォーマットのデータセットであり得、データセットは、
－圃場１１の場所及び／又は作物タイプ若しくは作物生長段階などの作物データを含む圃場属性を示す少なくとも１つの圃場識別子と、
－除草剤、防カビ剤、殺虫剤、又は殺線虫剤などの圃場１１で適用される処置製品を示す少なくとも１つの処置製品識別子と、
－圃場１１に適用される処置製品の量を示す少なくとも１つの処置動作パラメータと、
－圃場で処置を行う時間を示す少なくとも１つの処置時間又は時間窓と
を含む。
－圃場１１の場所及び／又は作物タイプ若しくは作物生長段階などの作物データを含む圃場属性を示す少なくとも１つの圃場識別子と、
－除草剤、防カビ剤、殺虫剤、又は殺線虫剤などの圃場１１で適用される処置製品を示す少なくとも１つの処置製品識別子と、
－圃場１１に適用される処置製品の量を示す少なくとも１つの処置動作パラメータと、
－圃場で処置を行う時間を示す少なくとも１つの処置時間又は時間窓と
を含む。
処置制御データは、処置前又は処置中、作物保護処置デバイス２０に提供され得る。処置デバイス２０は、処置動作パラメータ及び処置時間又は時間範囲に基づいて、除草剤、防カビ剤、殺虫剤、又は殺線虫剤などの処置製品の圃場１１への適用を制御し得る。処置制御データは、データ点を圃場１１の場所又はサブエリアに関連付けることにより、１つ又は複数のデータ点に空間的に分解され得る。処置制御データは、圃場１１に適用される処置製品又は製品混合物に関連付けられた１つの処置製品識別子を含み得る。処置制御データは、圃場１１の異なる場所に異なる処置製品又は製品混合物が適用される状態で空間的に分解された処置製品マップを示す２つ以上の処置製品識別子を含み得る。処置制御データは、圃場１１に適用される処置製品の量又は用量と関連付けられた１つの処置動作パラメータを含み得る。処置制御データは、圃場１１の異なる場所に異なる量の処置製品が適用される状態で空間的に分解された処置マップを示す２つ以上の処置動作パラメータを含み得る。処置制御データは、圃場１１で処置を行う時間に関連付けられた１つの処置時間又は時間範囲を含み得る。処置制御データは、異なる場所において圃場１１を処置するための異なる処置時間又は時間範囲を有する空間的に分解されたタイミングマップを示す２つ以上の処置時間又は時間窓を含み得る。
準備システム１４は、有効性調整モデルを格納するように構成されたデータベースを備え得る。格納された有効性調整モデルは、第２のレベルの有効性データを生成し、圃場１１で栽培された植物を処置するための製品などの処置パラメータのランキングを決定するために使用され得る。準備システム１４は、圃場１１での処置中又は処置前のいずれかで行われた遺伝解析からの遺伝測定データを受信するように構成されたインタフェースを備え得る。準備システム１４は、例えば、製品データなどの処置パラメータデータ及び第１のレベルの有効性データを受信するように構成されたインタフェースを備え得る。準備システム１４は、（最高ランクの処置パラメータに関連する）少なくとも１つの処置制御データを処置デバイス２０、クライアントデバイス１６、データ配信システム１８、又は処理システム２１に送信するように構成されたインタフェースを備え得る。同様のインタフェースが、各データパッケージを送信又は受信するために、処置デバイス２０、クライアントデバイス１６、データ配信システム１８、又は処理システム２１に備えられ得る。特に、データが任意の処置デバイス２０によって監視、収集、且つ／又は記録される場合、そのようなデータは、分散計算システム１０の計算システム１４、１６、１８、２０のうちの１つ若しくは複数に又はすべての計算システム１４、１６、１８、２０に配信され得る。
図２は、作物保護製品（除草剤、防カビ剤、殺虫剤、又は殺線虫剤など）を圃場に適用するための作物保護処置デバイス２０の一例を示す。なお、図２は、主要構成要素を示す単なる概略図である。農業処置デバイス２０は、図示の構成要素よりも多数、少数、又は異なる構成要素を備え得る。
農業処置デバイス２０は、（図１に示すような）機械１０の一部であってもよく、圃場１１又はその１つ若しくは複数のサブエリアに作物保護製品を適用するように構成され得る。放出要素２８は、作物保護製品を圃場１１に適用するように構成され得る。少なくとも幾つかの実施形態では、農業処置デバイス２０はブームを備え得、ブームは、ブームに沿って配置された複数の放出要素２８を有する。放出要素２８は、ブームに沿って一定間隔又は不規則な間隔で固定又は移動可能に取り付けされ得る。各放出要素２８は、１つ又は複数の好ましくは別個に制御可能な弁３８と一緒に配置されて、圃場１１への処置製品放出を調節し得る。
１つ又は複数のタンク２３、２４、２５が、筐体２２に配置され得、１つ又は複数の作物保護製品（除草剤、防カビ剤、殺虫剤、又は殺線虫剤など）を分配する１つ又は複数の接続部２８を通して放出要素２８と連通し得る。各タンク２３、２４、２５は、タンク２３、２４、２５から接続部２６への放出を調節する制御可能弁を更に備え得る。
タンク弁及び／又は放出要素２８は、制御システム３２に通信可能に結合され得る。図２に示す実施形態では、制御システム３２は、主筐体２２に配置され、各構成要素に有線接続される。別の実施形態では、タンク弁又は放出要素２８の弁は、制御システム３２に無線接続され得る。更に別の実施形態では、２つ以上の制御システム３２が筐体２２に分散され、タンク弁又は放出要素２８の弁に通信可能に結合され得る。
制御システム３２は、処置制御データに基づいてタンク弁又は放出要素２８の弁を制御するように構成され得る。処置制御データは、農業処置デバイス２０が処置中に制御される基となる制御ファイル又は制御プロトコルであり得る。制御システム３２は、命令を有する複数の電子モジュールを備え得、命令は、実行されると、特にタンク放出又は放出要素２８を制御することによって処置を制御する。例えば、１つのモジュールは、圃場１１での適用中、データ、例えば場所データを収集するように構成され得る。更なるモジュールは、処置制御データと共に制御ファイルを受信するように構成され得る。更なるモジュールは、場所データ及び制御ファイルから制御信号を導出するように構成され得る。また更なるモジュール（複数可）は、そのような導出された制御信号に基づいてタンク２３、２４、２５の放出及び／又は放出要素２８を制御するように構成され得る。また更なるモジュール（複数可）は、圃場１１での処置実行中、適用マップ（ａｓ－ａｐｐｌｉｅｄ ｍａｐ）などの処置デバイス２０の制御データ及び／又は監視データを格納するように構成され得る。また更なるモジュール（複数可）は、圃場１１での処置実行中に収集された適用マップなどの処置デバイス２０の制御データ及び／又は監視データを、例えば図１のクライアントデバイス１６、データ配信システム１８、又は処理システム２１に提供するように構成され得る。
図３は、少なくとも２つの処置パラメータのランキングを決定する１つの例示的な方法のフロー図を示す。
（ステップ１）（１１０）において、Ｗ１の特定の変異体Ｍ１の存在を示す、雑草種Ｗ１の遺伝測定データ（４０）が提供される。（ステップ２）（１２０）において、Ｗ１をターゲットとすることができる２つの除草剤、即ち除草剤Ｈ１及び除草剤Ｈ２の製品データ（４２）が提供される。（ステップ３）（１３０）において、製品データ（４２）に基づいて、種レベルでのＷ１に関連する除草剤Ｈ１及びＨ２の有効性（「第１のレベルの有効性」）を含む第１のレベルの有効性データ（４４）が提供される。（ステップ４）（１４０）において、製品データ（４２）及び第１のレベルの有効性データ（４４）に基づいて、２つの除草剤Ｈ１及びＨ２のうちの第１位（４６）が決定され、例えば、Ｈ１が９９％の第１のレベルの有効性を有し、Ｈ２が９０％の第１のレベルの有効性を有するため、Ｈ１はＨ２より上位にランク付けされる。（ステップ５）（１５０）において、有効性調整モデルが提供される。（ステップ６）（１６０）において、第１のレベルの有効性データ（４４）が、遺伝測定データ（４０）及び製品データ（４２）に基づいて、有効性調整モデル（５０）を介して修正され、変異体Ｍ１のレベルのＷ１に関連する２つの除草剤の有効性（「第２のレベルの有効性」）を含む第２のレベルの有効性データ（５２）を得る（例えば、Ｈ１に対する変異体Ｍ１の作用点抵抗性に起因して、Ｈ１の第１のレベルの有効性は９９％から０％に低下しており、変異体Ｍ１にはＨ２に対する作用点及び非作用点抵抗性がないため、Ｈ２の第２のレベルの有効性は９０％のままで変わらない）。（ステップ７）（１７０）において、処置パラメータデータ（４２）と、Ｈ１については０％であり、Ｈ２については９０％である第２のレベルの有効性データ（５２）とに基づいて、２つの除草剤のうちの第２位（５４）が決定され、その結果、Ｈ２がＨ１よりも上位にランク付けされるようになっている。
例えば、雑草種Ｗ１はオオホナガアオゲイトウ（Ａｍａｒａｎｔｈｕｓ ｐａｌｍｅｒｉ）であり、変異体Ｍ１はアミノ酸Ｐｒｏ１０６上の変異である。
図４は、出力を農機具のための制御ファイルとした、少なくとも２つの処置パラメータのランキングを決定する１つの例示的な方法のフロー図を示す。
ステップ（ステップ１）（１１０）から（ステップ７）（１７０）までは、図３について上述したのと同じである。加えて、最終ステップ（ステップ８）（１８０）において、Ｈ２（変異体Ｍ１に関し、Ｈ１の第２のレベルの有効性が０％であるのに対し、第２のレベルの有効性が９０％）である最高ランクの処置パラメータが、農機具、例えば噴霧器を制御するための制御ファイルとして自動的に出力される。
図５は、有効性調整モデルの動作を示す１つの例示的な方法のフロー図を示す。（ステップ６ａ）（１６２）において、遺伝測定データ（４０）及び処置パラメータデータ（４２）に基づいて、有効性調整モデル（５０）を介して少なくとも１つの有機体の遺伝特異反応のタイプ（５６）が、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てられる。
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てられる。
（ステップ６ｂ）（１６４）において、以下の動作が実施される。
－（６４）：タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性（「Ｅ」と略す）がゼロに設定されるように有効性調整モデル（５０）を介して修正され、
－（６６）：タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性（「Ｅ」と略す）が低下するがゼロに設定されないように有効性調整モデル（５０）を介して修正され、
－（６８）：タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータ（「Ｅ」と略す）が有効性確認済みであるように、及び／又はそのまま変わらないように有効性調整モデル（５０）を介して修正される。
－（６４）：タイプ１の反応（５８）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性（「Ｅ」と略す）がゼロに設定されるように有効性調整モデル（５０）を介して修正され、
－（６６）：タイプ２の反応（６０）の場合、第１のレベルの有効性データ（４４）が、第１のレベルの有効性（「Ｅ」と略す）が低下するがゼロに設定されないように有効性調整モデル（５０）を介して修正され、
－（６８）：タイプ３の反応（６２）の場合、第１のレベルの有効性データ（４４）が、これらのデータ（「Ｅ」と略す）が有効性確認済みであるように、及び／又はそのまま変わらないように有効性調整モデル（５０）を介して修正される。
実施例：
本発明の一例では、まず（ステップ１）において、雑草であるオヒシバ（Ｅｌｅｕｓｉｎｅ ｉｎｄｉｃａ）（圃場に存在する雑草）の遺伝測定データ（４０）が提供されている。次いで、（ステップ２）において、２つの特定の除草剤、即ち、グリホサート単独である第１の除草剤製品（Ｈｅｒ１）、及びグリホサートとクレトジムとの３：２混合物である第２の除草剤製品（Ｈｅｒ２）に関する除草剤データ（４２）が提供される。（ステップ３）及び（ステップ４）において、対応する除草剤データ（４２）に基づいて、（Ｈｅｒ１）及び（Ｈｅｒ２）の第１のレベルの有効性が提供され、この段階では（Ｈｅｒ１）は（Ｈｅｒ２）よりも上位にランク付けされている。（ステップ５）において、有効性調整モデル（５０）が提供される。（ステップ６）において、この圃場における雑草であるオヒシバ（Ｅｌｅｕｓｉｎｅ ｉｎｄｉｃａ）の特定のグリホサート抵抗性変異の存在を示す遺伝測定データ（４０）に基づいて、且つ除草剤データ（４２）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）が修正されて、このグリホサート抵抗性変異に関連する２つの除草剤製品（Ｈｅｒ１）及び（Ｈｅｒ２）の有効性を含む第２のレベルの有効性データ（５２）を得る。（ステップ７）において、除草剤データ（４２）及び第２のレベルの有効性データ（５２）に基づいて、２つの除草剤製品（Ｈｅｒ１）及び（Ｈｅｒ２）のうちの第２位（５４）がここで決定され、（Ｈｅｒ２）が（Ｈｅｒ１）よりも上位にランク付けされるようになっている。（ステップ８）において、最高ランクの除草剤製品（Ｈｅｒ２）が、農機具をコントロールするために使用可能な制御ファイルとして出力される。
本発明の一例では、まず（ステップ１）において、雑草であるオヒシバ（Ｅｌｅｕｓｉｎｅ ｉｎｄｉｃａ）（圃場に存在する雑草）の遺伝測定データ（４０）が提供されている。次いで、（ステップ２）において、２つの特定の除草剤、即ち、グリホサート単独である第１の除草剤製品（Ｈｅｒ１）、及びグリホサートとクレトジムとの３：２混合物である第２の除草剤製品（Ｈｅｒ２）に関する除草剤データ（４２）が提供される。（ステップ３）及び（ステップ４）において、対応する除草剤データ（４２）に基づいて、（Ｈｅｒ１）及び（Ｈｅｒ２）の第１のレベルの有効性が提供され、この段階では（Ｈｅｒ１）は（Ｈｅｒ２）よりも上位にランク付けされている。（ステップ５）において、有効性調整モデル（５０）が提供される。（ステップ６）において、この圃場における雑草であるオヒシバ（Ｅｌｅｕｓｉｎｅ ｉｎｄｉｃａ）の特定のグリホサート抵抗性変異の存在を示す遺伝測定データ（４０）に基づいて、且つ除草剤データ（４２）に基づいて、有効性調整モデル（５０）を介して第１のレベルの有効性データ（４４）が修正されて、このグリホサート抵抗性変異に関連する２つの除草剤製品（Ｈｅｒ１）及び（Ｈｅｒ２）の有効性を含む第２のレベルの有効性データ（５２）を得る。（ステップ７）において、除草剤データ（４２）及び第２のレベルの有効性データ（５２）に基づいて、２つの除草剤製品（Ｈｅｒ１）及び（Ｈｅｒ２）のうちの第２位（５４）がここで決定され、（Ｈｅｒ２）が（Ｈｅｒ１）よりも上位にランク付けされるようになっている。（ステップ８）において、最高ランクの除草剤製品（Ｈｅｒ２）が、農機具をコントロールするために使用可能な制御ファイルとして出力される。
Claims (15)
- 少なくとも１つの処置パラメータに基づいて農機具を制御するために使用可能な制御ファイルを生成するコンピュータ実施方法であって、前記処置パラメータが、
ａ）圃場における処置の少なくとも１つの時間窓、
ｂ）圃場における処置の少なくとも１つの方法、
ｃ）圃場における処置の少なくとも１つの製品、
ｄ）圃場における処置の少なくとも１つの用量率、及び
ｅ）少なくとも１つの方法又は製品と、前記圃場において前記少なくとも１つの方法又は製品を適用する時間窓とを含む、圃場における処置の少なくとも１つの処置スケジュール
からなる群から選択され、前記方法が、
（ステップ１）（１１０）前記圃場に存在していた、又は存在している、又は存在すると予期される少なくとも１つの有機体の遺伝測定データ（４０）を提供するステップと、
（ステップ２）（１２０）前記少なくとも１つの有機体をターゲットにすることができる少なくとも２つの処置パラメータの処置パラメータデータ（４２）を提供するステップと、
（ステップ３）（１３０）前記処置パラメータデータ（４２）に基づいて、分類階級の第１のレベルにある前記少なくとも１つの有機体に関連する前記少なくとも２つの処置パラメータの有効性（「第１のレベルの有効性」）を含む第１のレベルの有効性データ（４４）を提供するステップと、
（ステップ４）（１４０）前記処置パラメータデータ（４２）及び前記第１のレベルの有効性データ（４４）に基づいて、前記少なくとも２つの処置パラメータのうちの第１位（４６）を決定するステップと、
（ステップ５）（１５０）有効性調整モデル（５０）を提供するステップと、
（ステップ６）（１６０）前記遺伝測定データ（４０）及び前記処置パラメータデータ（４２）に基づいて、前記有効性調整モデル（５０）を介して前記第１のレベルの有効性データ（４４）を修正することにより、前記分類階級の前記第１のレベルよりも下位である前記分類階級の第２のレベルにある前記少なくとも１つの有機体に関連する前記少なくとも２つの処置パラメータの有効性（「第２のレベルの有効性」）を含む第２のレベルの有効性データ（５２）を得るステップと、
（ステップ７）（１７０）前記処置パラメータデータ（４２）及び前記第２のレベルの有効性データ（５２）に基づいて、前記少なくとも２つの処置パラメータのうちの第２位（５４）を決定するステップと、
（ステップ８）（１８０）最高ランクの処置パラメータ又はユーザが選択した処置パラメータを、農機具を制御するために使用可能な制御ファイルとして出力するステップと
を含む、コンピュータ実施方法。 - 前記第２のレベルの有効性データ（５２）を得ることが、
（ステップ６ａ）（１６２）前記遺伝測定データ（４０）及び前記処置パラメータデータ（４２）に基づいて、前記有効性調整モデル（５０）を介して前記少なくとも１つの有機体の遺伝特異反応のタイプ（５６）を決定するステップと、
（ステップ６ｂ）（１６４）前記遺伝特異反応のタイプ（５６）に基づいて、前記有効性調整モデル（５０）を介して前記第１のレベルの有効性データ（４４）を修正するステップと、
（ステップ６ｃ）（１６６）前記修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む、請求項１に記載のコンピュータ実施方法。 - 前記第２のレベルの有効性データ（５２）を得ることが、
（ステップ６ａ）（１６２）前記遺伝測定データ（４０）及び前記処置パラメータデータ（４２）に基づいて、前記有効性調整モデル（５０）を介して前記少なくとも１つの有機体の前記遺伝特異反応のタイプ（５６）を、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、前記第１のレベルの有効性データ（４４）が、第１のレベルの有効性が低下するように前記有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、前記第１のレベルの有効性データ（４４）が、第１のレベルの有効性が低下するが、タイプ１の反応（５８）の場合と比べてより低いレベルで低下するように、前記有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、前記第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように前記有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）前記修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む、請求項１に記載のコンピュータ実施方法。 - 前記第２のレベルの有効性データを得ることが、
（ステップ６ａ）（１６２）前記遺伝測定データ（４０）及び前記処置パラメータデータ（４２）に基づいて、前記有効性調整モデル（５０）を介して前記少なくとも１つの有機体の前記遺伝特異反応のタイプ（５６）を、
ａ）タイプ１の反応（５８）：作用点抵抗性（ＴＳＲ）、
ｂ）タイプ２の反応（６０）：非作用点抵抗性（ＮＴＳＲ）、
ｃ）タイプ３の反応（６２）：関連する遺伝特異反応なし
のうちの１つに割り当てるステップと、
（ステップ６ｂ）（１６４）タイプ１の反応（５８）の場合、前記第１のレベルの有効性データ（４４）が、第１のレベルの有効性がゼロに設定されるように前記有効性調整モデル（５０）を介して修正され、
タイプ２の反応（６０）の場合、前記第１のレベルの有効性データ（４４）が、第１のレベルの有効性が低下するがゼロに設定されないように前記有効性調整モデル（５０）を介して修正され、
タイプ３の反応（６２）の場合、前記第１のレベルの有効性データ（４４）が、これらのデータが有効性確認済みであるように、及び／又はそのまま変わらないように前記有効性調整モデル（５０）を介して修正され、
（ステップ６ｃ）（１６６）前記修正された第１のレベルの有効性データを、第２のレベルの有効性データ（５２）として出力するステップと
を含む、請求項１に記載のコンピュータ実施方法。 - （ステップ１）（１１０）の前に、
（ステップ０）（１００）前記圃場に存在していた、又は存在している、又は存在すると予期される前記少なくとも１つの有機体の少なくとも１つのサンプルを採取し、前記少なくとも１つの有機体の前記少なくとも１つのサンプルを使用して遺伝解析を行い、そこから前記少なくとも１つの有機体の前記遺伝測定データ（４０）を得るステップ
を更に含む、請求項１～４のいずれか１項に記載のコンピュータ実施方法。 - （ステップ１）（１１０）の前に、
（ステップ０）（１００）前記圃場に存在していた、又は存在している、又は存在すると予期される前記少なくとも１つの有機体の少なくとも１つのサンプルを採取し、前記少なくとも１つの有機体の前記少なくとも１つのサンプルを使用して遺伝解析を行い、そこから前記少なくとも１つの有機体の遺伝情報及び／又はエピジェネティック情報を得るステップであって、前記遺伝解析が、シーケンシング技術（サンガーシーケンシング、次世代シーケンシング、パイロシーケンシング、ナノポアシーケンシング、ＧｅｎａｐＳｙｓシーケンシング、ライゲーションによるシーケンシング（ＳＯＬｉＤシーケンシング）、一分子リアルタイムシーケンシング、イオン半導体（Ｉｏｎ Ｔｏｒｒｅｎｔシーケンシング）シーケンシング、合成によるシーケンシング（Ｉｌｌｕｍｉｎａ）、コンビナトリアルプローブアンカー合成（ｃＰＡＳ－ＢＧＩ／ＭＧＩ）など）、ナノポア技術、マイクロアレイ技術、グラフェンバイオセンサ技術、ＰＣＲ（ポリメラーゼ連鎖反応）技術、高速ＰＣＲ技術、及び等温増幅（ＬＡＭＰ（ループ介在増幅）、ＲＰＡ（リコンビナーゼポリメラーゼ増幅）、核酸配列決定ベースの増幅（ＮＡＳＢＡ：Ｎｕｃｌｅｉｃ Ａｃｉｄ Ｓｅｑｕｅｎｃｅｄ Ｂａｓｅｄ Ａｍｐｌｉｆｉｃａｔｉｏｎ）、及び転写介在増幅（ＴＭＡ）など）などの他のＤＮＡ／ＲＮＡ増幅技術、並びにエピジェネティック解析（ＤＮＡメチル化、ＤＮＡ－タンパク質相互作用解析、及びクロマチン接近可能性解析など）からなる群から選択される技術のうちの少なくとも１つに基づく、ステップ
を更に含む、請求項１～５のいずれか１項に記載のコンピュータ実施方法。 - サンプル採取と前記遺伝測定データ（４０）の前記提供との間の時間枠が、１秒～５日である、請求項５又は６に記載のコンピュータ実施方法。
- 前記少なくとも１つの有機体が、雑草類、菌類、ウイルス類、細菌類、昆虫類、クモ類、線虫類、軟体類、鳥類、及び齧歯類からなる群から選択される有害な有機体である、請求項１～７のいずれか１項に記載のコンピュータ実施方法。
- 前記少なくとも１つの有機体が、有益な植物、菌類、ウイルス類、細菌類、昆虫類、クモ類、線虫類、軟体類、鳥類、齧歯類、及び原虫類からなる群から選択される有益な有機体である、請求項１～８のいずれか１項に記載のコンピュータ実施方法。
- 前記少なくとも１つの有機体が、前記圃場で生長、播種、生長が計画、又は播種が計画されている農作物種である、請求項１～９のいずれか１項に記載のコンピュータ実施方法。
- 前記最高ランクの処置パラメータが、農機具のための制御ファイルとして出力される、請求項１～１０のいずれか１項に記載のコンピュータ実施方法。
- 請求項１～１１のいずれか１項に記載のコンピュータ実施方法を実行するための手段を備えるデータ処理システム。
- 命令を含むコンピュータプログラム製品であって、プログラムがコンピュータによって実行されると、前記コンピュータに、請求項１～１１のいずれか１項に記載のコンピュータ実施方法を実行させる、コンピュータプログラム製品。
- 命令を含むコンピュータ可読記憶媒体であって、前記命令が、コンピュータによって実行されると、前記コンピュータに、請求項１～１１のいずれか１項に記載のコンピュータ実施方法を実行させる、コンピュータ可読記憶媒体。
- 農機具を制御するために、請求項１～１１のいずれか１項に記載のコンピュータ実施方法によって決定される最高ランクの処置パラメータの使用。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP21174711 | 2021-05-19 | ||
| EP21174711.8 | 2021-05-19 | ||
| PCT/EP2022/063454 WO2022243380A1 (en) | 2021-05-19 | 2022-05-18 | Method for determining a ranking of treatment parameters (such as crop protection products) for treating an agricultural field via an efficacy adjustment model based on genetic data |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2024518837A true JP2024518837A (ja) | 2024-05-07 |
Family
ID=76011806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023571324A Pending JP2024518837A (ja) | 2021-05-19 | 2022-05-18 | 遺伝データに基づいて有効性調整モデルを介して圃場を処置するための処置パラメータ（作物保護製品など）のランキングを決定する方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20240257275A1 (ja) |
| EP (1) | EP4341874A1 (ja) |
| JP (1) | JP2024518837A (ja) |
| BR (1) | BR112023023979A2 (ja) |
| WO (1) | WO2022243380A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024099985A1 (en) * | 2022-11-10 | 2024-05-16 | Bayer Aktiengesellschaft | Targeted crop protection product application based on genetic profiles |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017205957A1 (en) * | 2016-06-01 | 2017-12-07 | 9087-4405 Quebec Inc. | Remote access system and method for plant pathogen management |
| US20200250593A1 (en) * | 2017-10-26 | 2020-08-06 | Basf Agro Trademarks Gmbh | Yield estimation in the cultivation of crop plants |
| AU2019212700B2 (en) * | 2018-01-25 | 2022-06-16 | Trace Genomics, Inc. | Soil health indicators using microbial composition |
| EP3745857A1 (de) | 2018-02-02 | 2020-12-09 | Bayer Aktiengesellschaft | Bekämpfung resistenter schadorganismen |
| CA3146778A1 (en) | 2019-07-15 | 2021-01-21 | Basf Agro Trademarks Gmbh | Method for determining and providing an application scheme for pesticides |
-
2022
- 2022-05-18 EP EP22730401.1A patent/EP4341874A1/en active Pending
- 2022-05-18 BR BR112023023979A patent/BR112023023979A2/pt unknown
- 2022-05-18 WO PCT/EP2022/063454 patent/WO2022243380A1/en active Application Filing
- 2022-05-18 JP JP2023571324A patent/JP2024518837A/ja active Pending
- 2022-05-18 US US18/289,659 patent/US20240257275A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20240257275A1 (en) | 2024-08-01 |
| BR112023023979A2 (pt) | 2024-01-30 |
| EP4341874A1 (en) | 2024-03-27 |
| WO2022243380A1 (en) | 2022-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109843051B (zh) | 基于侵染风险的预测控制有害生物 | |
| AU2017288969A1 (en) | Method for pest control | |
| US20240049619A1 (en) | Method for determining field-or zone-specific seeding rate, depth, and time for planting a crop in an agricultural field based on multiple data inputs such as crop, field, yield, weather, and/or soil data | |
| WO2022200601A1 (en) | 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 | |
| Wezel et al. | Agroecology and agroecological cropping practices | |
| Adler | The growing menace from superweeds | |
| Briache et al. | Field and controlled conditions screenings of some faba bean (Vicia faba L.) genotypes for resistance to the parasitic plant Orobanche crenata Forsk. and investigation of involved resistance mechanisms | |
| US20240257275A1 (en) | Method for determining a ranking of treatment parameters (such as crop protection products) for treating an agricultural field via an efficacy adjustment model based on genetic data | |
| Endersby et al. | The effects of local selection versus dispersal on insecticide resistance patterns: longitudinal evidence from diamondback moth (Plutella xylostella (Lepidoptera: Plutellidae)) in Australia evolving resistance to pyrethroids | |
| Randall et al. | The biology of agroecosystems | |
| Baucom et al. | The evolution of novel herbicide tolerance in a noxious weed: the geographic mosaic of selection | |
| WO2021094516A1 (en) | Method for determining treatment parameters based on the genetic information of at least one organism in the agricultural field | |
| Crotty | Soil organisms within arable habitats | |
| Ruttledge et al. | Climate change and weeds of cropping systems | |
| JP2022138839A (ja) | 連作障害抑制方法 | |
| US20240078479A1 (en) | Method for determining a treatment schedule for treating a field | |
| Tiwari et al. | Performance Evaluation of Black Gram (Vigna mungo L.) under Cluster Front Line Demonstration Programme in Samastipur District, Bihar, India | |
| WO2023118554A1 (en) | Method for determining a treatment schedule for treating an agricultural field based on the matching with the field potential | |
| CN118044442A (zh) | 一种预防水稻穗腐病的水稻栽培方法 | |
| WO2023118551A1 (en) | Method for determining a treatment schedule based on the matching with the user preference | |
| Krahl et al. | Cherry growing in Germany, science and education-a field trip summary | |
| Storkey et al. | Ecological Intensification and the sustainable use of fertilisers | |
| Willoughby et al. | Delivering Resilient Forests | |
| Mead et al. | Extending meta-analysis approaches to address routes to Ecological Intensification using agricultural Long-Term Experiments | |
| De Cock | Organic Food and Farming in Flanders: Research 2019-2020 |