UA126557C2 - Спосіб визначення врожайності сільськогосподарської культури на національному рівні протягом періоду вегетації із використанням погодних індексів - Google Patents
Спосіб визначення врожайності сільськогосподарської культури на національному рівні протягом періоду вегетації із використанням погодних індексів Download PDFInfo
- Publication number
- UA126557C2 UA126557C2 UAA201808880A UAA201808880A UA126557C2 UA 126557 C2 UA126557 C2 UA 126557C2 UA A201808880 A UAA201808880 A UA A201808880A UA A201808880 A UAA201808880 A UA A201808880A UA 126557 C2 UA126557 C2 UA 126557C2
- Authority
- UA
- Ukraine
- Prior art keywords
- data
- instructions
- weather
- agricultural
- yield
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000012417 linear regression Methods 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 239000002689 soil Substances 0.000 claims description 60
- 238000009826 distribution Methods 0.000 claims description 47
- 230000009418 agronomic effect Effects 0.000 claims description 37
- 240000008042 Zea mays Species 0.000 claims description 36
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims description 36
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims description 35
- 235000005822 corn Nutrition 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000008642 heat stress Effects 0.000 claims description 23
- 230000035882 stress Effects 0.000 claims description 23
- 230000008641 drought stress Effects 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 238000003306 harvesting Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000001556 precipitation Methods 0.000 claims description 13
- 230000033228 biological regulation Effects 0.000 claims description 12
- 230000012010 growth Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004883 computer application Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 230000001850 reproductive effect Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 4
- 230000035939 shock Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 4
- 241000543381 Cliftonia monophylla Species 0.000 claims 1
- 241001327708 Coriaria sarmentosa Species 0.000 claims 1
- 101710102686 Dual function macrocyclase-peptidase POPB Proteins 0.000 claims 1
- 241000283070 Equus zebra Species 0.000 claims 1
- 241000511976 Hoya Species 0.000 claims 1
- 240000002134 Pentadesma butyracea Species 0.000 claims 1
- 235000000857 Pentadesma butyracea Nutrition 0.000 claims 1
- 235000000935 Santalum yasi Nutrition 0.000 claims 1
- 241000775525 Santalum yasi Species 0.000 claims 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 claims 1
- CCAZWUJBLXKBAY-ULZPOIKGSA-N Tutin Chemical compound C([C@]12[C@@H]3O[C@@H]3[C@@]3(O)[C@H]4C(=O)O[C@@H]([C@H]([C@]32C)O)[C@H]4C(=C)C)O1 CCAZWUJBLXKBAY-ULZPOIKGSA-N 0.000 claims 1
- 240000004668 Valerianella locusta Species 0.000 claims 1
- 235000003560 Valerianella locusta Nutrition 0.000 claims 1
- 238000009933 burial Methods 0.000 claims 1
- 235000012432 gingerbread Nutrition 0.000 claims 1
- 238000009331 sowing Methods 0.000 claims 1
- 210000003462 vein Anatomy 0.000 claims 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 104
- 229910052757 nitrogen Inorganic materials 0.000 description 52
- 238000011161 development Methods 0.000 description 36
- 230000018109 developmental process Effects 0.000 description 36
- 238000003860 storage Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 22
- 235000013339 cereals Nutrition 0.000 description 18
- 238000013515 script Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 16
- 238000005259 measurement Methods 0.000 description 14
- 230000007246 mechanism Effects 0.000 description 14
- 239000003337 fertilizer Substances 0.000 description 12
- 238000013459 approach Methods 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 10
- 239000000969 carrier Substances 0.000 description 8
- 239000000203 mixture Substances 0.000 description 8
- 238000013479 data entry Methods 0.000 description 7
- 238000003973 irrigation Methods 0.000 description 7
- 230000002262 irrigation Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 230000000422 nocturnal effect Effects 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 238000003971 tillage Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000010899 nucleation Methods 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 239000002917 insecticide Substances 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000035 biogenic effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000012272 crop production Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000000417 fungicide Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000035800 maturation Effects 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000021217 seedling development Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 241000669069 Chrysomphalus aonidum Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 101000980162 Homo sapiens Mediator of RNA polymerase II transcription subunit 18 Proteins 0.000 description 1
- 241000155250 Iole Species 0.000 description 1
- 241001124569 Lycaenidae Species 0.000 description 1
- 102100024280 Mediator of RNA polymerase II transcription subunit 18 Human genes 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 238000007705 chemical test Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000002837 defoliant Substances 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000003630 growth substance Substances 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 description 1
- 235000009973 maize Nutrition 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010152 pollination Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- -1 silt Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Description
налаштованої на національному рівні із використанням інструкцій із регулювання врожайності на національному рівні. пана 10 Ток м ; сечу в
ЩО ше |. шо | Польові Зовнішні ОО ца ш !
Комп'ютер | Сільськогосполарський ( ! кабіни пристрій -і
М Віддеоенинй І ЦЯКовтрюлер застосунку
Ввтчих х 109 Мережа (|) : 133 Комунікаційний ріже ; 170 Туденстема прогнозування врожайнокт на кмацісввлкнму вів і т ключ 00000 бТвструюцї Е7З ітрукції об'єднання |» й о обчнолення негодних погодних індексів и не і імаекох | Я . ! ; 00 А60Двні
В а: ! тт: пня моделі
НО інструкцій ИН ДЯ інетру кції лінійної Польові дані зжінки врожайност | рекреси сховище и рі відьенкєсвавави З. 00000 7 пеня
Іо Фо культури і і
Ж 176 Інструкнії регулювання 75 інструкцій генерування врожайності на розподілу памюзнитньвснмях рівні
У 134 Презентаційний рівень ІЮ Ріневь упривління даними
ІЇ50 вень апаратного забезпечення / віру унії
І Сільськогосподавська птелектуальня обчнолювальна система
Фіг. 1
ПОВІДОМЛЕННЯ ПРО АВТОРСЬКІ ПРАВА
Частина даного опису патентного документу містить матеріали, на які розповсюджується захист авторських прав. Власник авторських прав не проти факсимільного відтворення будь-ким патентного документа або опису патенту, як це видно з патентної картотеки або реєстрації патентів Бюро з реєстрації патентів і товарних знаків, а у решті залишає всі авторські права або права без змін. Є 2015 Тне Сіітайе Согрогаїоп.
ОБЛАСТЬ ТЕХНІКІ
Даний винахід відноситься до комп'ютерних систем та реалізованих на комп'ютері способів, що виконані із можливістю генерування значень даних, які використовуються для прогнозування врожайності сільськогосподарської культури для всієї країни або іншого великого регіону протягом періоду вегетації на основі локального вимірювання даних протягом певного періоду часу.
РІВЕНЬ ТЕХНІКИ
Викладені у даному розділі підходи є підходами, які необхідно здійснити, однак, не обов'язково, підходами, які були розроблені або здійснені раніше. Таким чином, якщо не вказано інше, не слід припускати, то будь-які підходи, що описані у даному розділі відносяться до попереднього рівня техніки виключно із того, що вони включені у даний розділ.
Сільськогосподарське виробництво потребує певної стратегії та досліджень. У більшості випадків, виробники сільськогосподарської продукції, наприклад, фермери або інші виробники, що пов'язані із вирощуванням сільськогосподарської продукції, потребують аналізу різноманітних даних для прийняття довгострокових стратегічних рішень напередодні та під час періоду вирощування сільськогосподарської культури. При прийняті таких стратегічних рішень фермери покладаються на реалізовані на комп'ютері моделі прогнозування врожайності сільськогосподарської культури для визначення своєї стратегії вирощування. Моделі прогнозування врожайності сільськогосподарської культури можуть допомогти фермеру прийняти рішення, щодо витрат та заощаджень у ключових областях, що мають відношення до вирощування, наприклад, про вартість палива та ресурсів, витрати на обладнання, страхування, що пов'язане із сільськогосподарської культурою, та трудові ресурси для вирощування сільськогосподарської культури.
Зо Моделі прогнозування врожайності сільськогосподарської культури також використовують страхові компанії та компанії страхування ризиків для обчислення страхових внесків на основі факторів ризику. Наприклад, страхування доходів від сільськогосподарської культури є договором страхування, що захищає заплановані доходи фермера на певний рік та покриває зниження ціни, що відбувається протягом вегетаційного періоду сільськогосподарської культури.
Таке покриття доходів від сільськогосподарської культури базується на визначенні відхилення від середнього запланованого доходу від сільськогосподарської культури. Для створення страховими компаніями сприятливого плану страхування доходів від сільськогосподарської культури страхові компанії повинні мати точну модель прогнозування врожайності сільськогосподарської культури для точної оцінки доходів фермера.
Тім не менш, більшість вимірювань виробництва сільськогосподарської культури відбувається у кінці вегетаційного періоду та підготовлюється на локальній або регіональній основі. У великих географічних областях, наприклад, у Сполучених Штатах, отримання точних прогнозів врожайності сільськогосподарської культури на національному рівні та протягом вегетативного сезону є досить складним для фермерів та страхових компаній. Локальні та регіональні вимірювання є чисельними та підготовленими у широко розподілених географічно областях, та є складними для отримання фермерами протягом вегетаційного періоду, коли фермери зайняті іншими критичними задачами вирощування. Отже, однією із труднощів при створенні точної моделі прогнозування врожайності сільськогосподарської культури є просте отримання даних, які використовуються для створення моделі прогнозування врожайності сільськогосподарської культури протягом вегетативного періоду. Одним із підходів є використання даних, що надаються Національною службою сільськогосподарської статистики (МА55) Міністерства сільського господарства Сполучених Штатів. Національна служба сільськогосподарської статистики (МАБ5) надає технології збору даних, що засновані на дослідженнях, при цьому вона проводить дослідження сільськогосподарської врожайності декілька разів на рік. Дослідження надаються безпосередньо фермерам по всій країні та у фермерів запитуються звіти про їх умови розвитку сільськогосподарської культури у такий період року. Тім не менш, такий підхід не є особливо зручним для прогнозування протягом вегетаційного періоду, так як фермери не можуть надати точні оцінки своєї врожайності сільськогосподарської культури до тих пір, поки не наступить період збору врожаю, наприкінці бо вегетаційного періоду.
Іншим підходом для прогнозування точної врожайності сільськогосподарської культури протягом вегетаційного періоду може бути використання моделі симуляції процесу розвитку сільськогосподарської культури, наприклад, для прогнозування регіональної врожайності сільськогосподарської культури. Недоліком такого підходу є те, що така модель процесу потребує великої кількості введення локальних даних, які містять погодні та кліматичні умови, умови грунту, та точок даних, що вкривають великій набір сільськогосподарських районів. Для точності такі введені дані необхідно калібрувати. Вартість збору великої кількості введень локальних даних та калібрування параметрів може зробити процес моделювання дуже дорогим для виправданого використання на національному рівні.
Потрібні способи аналізу обмеженої кількості даних, пов'язаних із сільськогосподарською культурою протягом періоду вегетації, та моделювання врожайності сільськогосподарської культури на рівні, що враховує національну специфіку.
КОРОТКИМ ОПИС ГРАФІЧНИХ МАТЕРІАЛІВ
На графічних матеріалах:
Фіг. 1 ілюструє приклад обчислювальної системи, що виконана із можливістю виконувати функції, які описані в даному документі, та проілюстрована у польових умовах із іншими пристроями, з якими система може взаємодіяти.
Фіг. 2 ілюструє два відображення прикладу логічної організації наборів інструкцій в основній пам'яті під час загрузки прикладу мобільного застосунку для виконання.
Фі. З ілюструє запрограмований процес, за допомогою якого сільськогосподарська інтелектуальна обчислювальна система генерує одну або більше попередньо налаштованих агрономічних моделей з використанням агрономічних даних, наданих одним або більше зовнішнім джерелом даних.
Фіг. 4 є функціональною схемою, що ілюструє обчислювальну систему, на базі якої може бути здійснений варіант реалізації винаходу.
Філ 5 ілюструє блок-схему, що відображає процес визначення врожайності сільськогосподарської культури на національному рівні для певного року.
Фіг. 6 ілюструє процес визначення того, чи обчислені постійні параметри регресії або змінні параметри регресії.
Зо Фіг. 7 ілюструє приклад варіанту етапів розвитку кукурудзи.
На Фіг. 8 проілюструє приклад таблиці, де дні ступеню зростання визначають початок різних фенологічних етапів розвитку.
На Фіг. 9 ілюструє приклад варіанту реалізації відображення екрану у режимі часової тікали для даних, що вводиться.
Фіг. 10 ілюструє приклад варіанту реалізації відображення екрану у режимі цифрової таблиці для даних, що вводяться.
ДЕТАЛЬНИЙ ОПИС СУТІ ВИНАХОДУ
У наступному описі, для роз'яснення, чисельні характерні деталі викладені для надання повного розуміння даного винаходу. Тім не менш, зрозуміло, що даний винахід може бути реалізовано на практиці без цих характерних деталей. В інших випадках добре знайомі структури та пристрої проілюстровані у вигляді функціональної схеми для запобігання надмірного ускладнення даного опису. Для ясності та лаконічності, у деяких варіантах даний опис винаходу посилається на певні значення даних, що збережені та використовуються у електронній цифровій формі у пам'яті або у енергонезалежному запам'ятовуючому пристрої, використовуючи маркери, що відображають концепції або абстракції, а також посилається на певні математичні вирази та рівняння. Тім не менш, кожен варіант використання в даному детальному описі або посилання на абстрактний елемент, або концепцію направлений на включення однієї або більше електронних цифрових інструкцій, що зберігаються, або значень даних, що відображують, або відповідають вказаному абстрактному елементу або концепції.
Іншими словами, опис винаходу направлений на певне застосування концепцій, описаних в даному документі, із використанням певних комп'ютерів, комп'ютерної пам'яті, комп'ютерних запам'ятовуючих пристроїв та комп'ютерних засобів обміну даними, що описані в даному документі, та не направлений на включення всіх способів реалізації абстрактних елементів або концепцій, а також на включення самих абстрактних елементів та концепцій. Варіанти реалізації винаходу викладені у даному розділу відповідно до наступного плану: 1. Загальний огляд 2. Приклад сільськогосподарської інтелектуальної обчислювальної системи 2.1. Огляд структури 2.2. Огляд прикладної програми бо 2.3. Потрапляння даних у обчислювальну систему
2.4. Огляд процесу - підготовка агрономічної моделі 2.5. Підсистема прогнозування врожайності сільськогосподарської культури на національному рівні 2.6. Приклад реалізації - огляд апаратного забезпечення 3. Функціональний огляд - прогнозування врожайності сільськогосподарської культури на національному рівні протягом вегетаційного періоду 3.1. Отримання даних та обчислення породних індексів 3.2. Об'єднання погодних індексів 3.3. Визначення врожайності сільськогосподарської культури для географічної області 3.4. визначення врожайності сільськогосподарської культури на національному рівні 4. Погодні індекси 4.1. Фенологія сільськогосподарської культури 4.2. Стрес, викликаний затопленням 4.3. Стрес від посухи 4.4. Стрес. викликаний ранньою посухою 4.5. Денний тепловий стрес 4.6. Нічний тепловий стрес 5. Переваги певних варіантів реалізації даного винаході 6. Додаткові та альтернативні варіанти 1. ЗАГАЛЬНИЙ ОГЛЯД
Пропонується комп'ютерна система та реалізований на комп'ютері спосіб, що налаштовані на визначення врожайності сільськогосподарської культури па національному рівні протягом вегетаційного періоду із використанням сільськогосподарських даних. У контексті даного документу термін «національний» використовується по відношенню до країни, штату - у міжнародному сенсі поняття штату - або до іншого великого регіону. У варіанті реалізації винаходу визначення врожайності сільськогосподарської культури на національному рівні протягом вегетаційного періоду може бути виконане із використанням серверної комп'ютерної системи, що отримує через мережу сільськогосподарські дані, які використовуються для прогнозування врожайності сільськогосподарської культури на національному рівні для певного
Зо року. У межах серверної комп'ютерної системи інструкції погодних індексів отримують один або більше записів даних, що відображають отримані сільськогосподарські точки даних для певної географічної локації у певний час. Отримані сільськогосподарські точки даних містять, крім іншого, отримані записи температури, записи вологості грунту та записи опадів для певної географічної локації. Потім інструкції обчислення погодних індексів обчислюють одне або більше значень погодних індексів із одного або більше записів сільськогосподарських даних.
Значення погодних індексів відображають стреси сільськогосподарської культури, що можуть впливати на врожайність сільськогосподарської культури для певних саджанців. Потім значення погодних індексів компілюються у один або більше погодних індексів, що враховують специфіку географічної області, для однієї або більше географічних областей протягом певного періоду часу. Кожен із погодних індексів, що враховують специфіку географічної області, може містити значення погодних індексів, що відображають різни типи стресових подій на сільськогосподарській культурі, включаючи, крім іншого, стрес, викликаний затопленням, стрес від посухи, стрес, викликаний ранньою посухою, денний тепловий стрес та нічний тепловий стрес.
У межах серверної комп'ютерної системи інструкції об'єднання погодних індексів об'єднують один або більше погодних індексів, що враховують специфіку географічної області для створення однієї або більше послідовності даних об'єднаних погодних індексів, при цьому кожна послідовність даних об'єднаних погодних індексів містить значення погодних індексів для певного обчисленого погодного індексу для однієї або більше певних географічних областей.
Кожна послідовність даних погодних індексів відображає певну географічну область із підмножини одного або більше погодних індексів, і що враховують специфіку географічної області.
Потім інструкції оцінки врожайності сільськогосподарської культури у серверній комп'ютерній системі обирають характерні ознаки із кожної послідовності даних об'єднаних погодних індексів у межах кожної із однієї або більше послідовності даних об'єднаних погодних індексів.
Потім інструкції оцінки врожайності сільськогосподарської культури створюють у комп'ютерній пам'яті серверної комп'ютерної системи коваріантну матрицю для кожної певної географічної області. Коваріантна матриця містить характерні ознаки, що обрані із однієї або більше послідовності даних об'єднаних погодних індексів. Потім, у тому випадку, коли країна бо організована як федерація штатів, інструкції оцінки врожайності сільськогосподарської культури визначають врожайність сільськогосподарської культури для певного року та певної географічної області, при цьому певна географічна область може відображати штат у межах країни; в інших варіантах реалізації винаходу певна географічна область може відображати інший тип адміністративно-територіальної одиниці, що відноситься до різних країн, наприклад, громадянський округ, округ, територіальна громада, графство і таке інше. Врожайність сільськогосподарської культури для певної географічної області і для певного року обчислюється із використанням інструкцій лінійної регресії для обчислення врожайності сільськогосподарської культури для певної географічної області із коваріантної матриці, що відображає певну географічну область у певний рік. Параметри інструкцій лінійної регресії містять параметри регресії, що обчислюються із використанням інструкцій генерації розподілу та розміру похибки, що обчислена із використанням інструкцій генерації розподілу, при цьому параметр усереднення для величини похибки дорівнює нулю та параметр величини відхилення є коефіцієнтом зміщення для географічної похибки.
Після визначення врожайності сільськогосподарської культури для певної географічної області, що відображає одну або більше послідовність даних об'єднаних погодних індексів, інструкції оцінки врожайності визначають врожайність сільськогосподарської культури на національному рівні для певного року за рахунок використання інструкцій генерації розподілу для обчислення врожайності сільськогосподарської культури на національному рівні для певного року із суми врожайностей сільськогосподарської культури для певних географічних областей у певний рік, та налаштовані на національному рівні із використанням інструкцій із регулювання врожайності на національному рівні. У варіанті реалізації винаходу врожайність сільськогосподарської культури означає певну врожайність сільськогосподарської культури, наприклад, врожайність кукурудзи. 2.ПРИКЛАД СІЛЬСЬКОГОСПОДАРСЬКОЇ ІНТЕЛЕКТУАЛЬНОЇ ОБЧИСЛЮВАЛЬНОЇ
СИСТЕМИ
21 ОГЛЯД СТРУКТУРИ
Фіг. 1 ілюструє приклад обчислювальної системи, що виконана із можливістю виконувати функції, які описані в даному документ і, та проілюстрована у польових умовах із іншими пристроями, з якими система може взаємодіяти. У варіанті реалізації винаходу користувач 102 є
Зо власником, працює або володіє обчислювальним пристроєм керівника польових робіт 104 на місці розташування поля, або пов'язаному із розташуванням поля, наприклад, на полі, що призначене для сільськогосподарської діяльності, або у місці керування одним або більше сільськогосподарськими полями. Обчислювальний пристрій керуючого польовими роботами 104 програмується або виконаний із можливістю надання польових даних 106 у сільськогосподарську інтелектуальну обчислювальну систему 130 через одну або більше мереж 109.
Приклади польових даних 106 містять (а) ідентифікаційні дані (наприклад, площу поля в акрах, назву поля, ідентифікатори поля, географічні ідентифікатори, ідентифікатори меж, ідентифікатори сільськогосподарської культури, та будь-які інші відповідні дані, які можуть використовуватися для ідентифікації землі фермерського господарства наприклад, одиниця суспільної землі (СІ У, номер лота та блока, номер земельної ділянки, географічні координати та кордони, серійний номер господарства (Е5М), номер господарства, номер ділянки, номер поля, поле у 640 акрів, поле у 36 квадратних миль, та/або протяжність, (р) дані про збір врожаю (наприклад, тип посіву, сорти сільськогосподарських культур, сівозміна, чи вирощувалися посіви органічно, дата сбіру врожаю, фактичні показники врожайності (АРН), планову врожайність, врожайність, вартість посіву, доходи від врожаю, вологість зернових, прийоми механічної обробки, інформація про попередні погодні умови), (с) дані про грунт (наприклад, тип, склад, рН, органічні речовини (ОМ), обмінна ємність катіонів (СЕС), (4) дані про саджання (наприклад, дата саджання, тип зернових, відносний розвиток (АМ) посаджених зернових, щільність саджання), (6) дані по добривам (наприклад, тип добрива (азотні, що містять фосфор, калійні), тип застосування, дата застосування, кількість, джерело, спосіб), (І) дані про пестициди (наприклад, пестициди, гербіциди, фунгіциди, інші речовини або суміші речовин, що використовуються у якості регуляторів росту, дефоліанту або десіктанту, дата застосування, кількість, джерело, спосіб), (9) дані про зрошення (наприклад, дата застосування, об'єм, джерело, спосіб), (п) погодні умови (наприклад, опади, температура, вітер, тиск, видимість, хмарність, тепловий індекс, точка роси, вологість, глибина снігу, якість повітря, схід сонця, захід сонця), (ї) дані про зображення (наприклад, інформація про зображення та світловий спектр (із сільськогосподарського пристрою, датчика, камери, комп'ютера, смартфона, КІІК, безпілотного літального апарату, літака або супутника), () розвідувальні спостереження (знімки, відео, бо записи у вільній формі, голосові записи, розшифрування записів, погодні умови (температура,
опади (поточні та на протязі певного періоду часу), вологість грунту, фаза росту посіву, швидкість вітру, відносна вологість, точка роси, шар черні)), та (к) фенологія грунту, насіння, посівів, звіт про шкідників та хвороби, та прогнозовані джерела та бази даних.
Комп'ютер серверу даних 108 функціонально зв'язаний із сільськогосподарською інтелектуальною обчислювальною системою 130 та запрограмований або виконаний із можливістю відправляння зовнішніх даних 110 сільськогосподарській інтелектуальній обчислювальній системі 130 через мережу(і) 109. Зовнішній комп'ютер серверу даних 108 може бути власністю, або на ньому може працювати одна і та ж юридична особа або об'єкт, що працює з сільськогосподарською інтелектуальною обчислювальною системою 130, або різні особи або об'єкти, наприклад, урядовий заклад, неурядова організація (НУО), та/або приватний постачальник послуг з передавання даних. Приклади зовнішніх даних містять дані про погоду, дані у вигляді зображень, дані про грунт або, між іншим, статистичні дані, що відносяться до врожайності сільськогосподарської культури. Зовнішні дані 110 можуть містити ті ж самі типи інформації, що і польові дані 106. У деяких варіантах реалізації винаходу зовнішні дані 110, що надані сервером зовнішніх даних 108, належать тім самим об'єктам, яким належать та/або які працюють із сільськогосподарською інтелектуальною обчислювальною системою 130.
Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може містити сервер даних, що фокусується на типі даних, наприклад, на даних про погоду, які, у іншому випадку, можуть бути надані сторонніми джерелами. У деяких варіантах реалізації винаходу, сервер зовнішніх даних 108 може фактично бути вбудованим у систему 130.
Сільськогосподарські пристрої 111 можуть мати один або більше віддалених датчиків 112, що встановлені на них, при цьому ці датчики з'єднані із можливістю обміну даними, як напряму, так ії не напряму, через сільськогосподарські пристрої 111, із сільськогосподарською інтелектуальною обчислювальною системою 130, та запрограмовані, або викопані із можливістю відправляти дані датчика сільськогосподарській інтелектуальній обчислювальній системі 130. Приклади сільськогосподарських пристроїв 111 містять трактори, комбайни, зернозбиральні машини, сівалки, вантажні машини, обладнання для внесення добрив, безпілотні літальні апарати та будь-які інші одиниці фізичних механізмів або апаратного забезпечення, як правило, мобільні механізми, та які можуть використовуватися у задачах,
Зо пов'язаних із сільським господарством. У деяких варіантах реалізації винаходу одна одиниця пристрою 111 може містити множину датчиків 112, що з'єднані локально у мережу пристроїв; локальна мережа контролерів (САМ) є прикладом такої мережі, що може бути встановлена на комбайни або зернозбиральні машини. Контролер застосунку 114 з'єднаний із можливістю обміну даними із сільськогосподарською інтелектуальною обчислювальною системою 130 через мережу() 109, та запрограмований або виконаний із можливістю отримувати від сільськогосподарської інтелектуальної обчислювальної системи 130 один або більше скриптів для управління робочими параметрами сільськогосподарського транспорту, або їх виконання.
Для прикладу, інтерфейс шини локальної мережі контролерів (САМ) може використовуватися для обміну даними між сільськогосподарською інтелектуальною обчислювальною системою 130 та сільськогосподарськими пристроями 111, наприклад, таким чином, як використовується у
СІИІМАТЕ РІО МІЕМУ ОКІМЕ, який доступний від компанії Те Сіїтаїе Согрогаййоп, Сан-
Франциско, Каліфорнія. Дані від датчиків можуть містити ті ж самі типи інформації, що і польові дані 106.
Пристрої 111 можуть містити комп'ютер кабіни 115, який містить застосунок кабіни, який може містити версію або приклад мобільного застосунку для пристрою 104, який додатково описаний у інших розділах даного документу. У варіанті реалізації винаходу комп'ютер кабіни 115 містить портативний комп'ютер, найчастіше, комп'ютер розміром із планшет, або смартфон, із кольоровим графічним екраном, що встановлений всередині кабіни оператора пристрою 111.
Комп'ютер кабіни 115 може реалізувати деякі або всі операції та функції, які описані додатково у даному документі по відношенню до портативного обчислювального пристрою 104.
Мережа(ї) 3109 широко представлена будь-якою комбінацією однієї або більше комунікаційних мереж, включно із локальними мережами, глобальними мережами або мережею
Інтернет, з використанням дротових або бездротових каналів зв'язку, включаючи наземні або супутникові канали зв'язку. Мережа() може бути реалізована за допомогою будь-якого середовища передавання даних або механізму, що надається для обміну даними між різними елементами на фіг. 1. Різні елементи на Фіг. 1 можуть мати прямі (дротові або бездротові) комунікаційні канали. Кожен із датчиків 112, контролер 114, комп'ютер серверу зовнішніх даних 108 та інші елементи системи містять інтерфейс, сумісний із мережею(ами) 109, та запрограмований або виконаний із можливістю використання стандартних протоколів обміну 60 даними через мережу, наприклад, протоколів ТСР/ІР, Віоєїооїй, САМ, та протоколів високого рівня, наприклад, НТТР, ТІ 5 і тому подібних.
Сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконана із можливістю отримувати польові дані 106 від обчислювального пристрою керівника польових робіт 104, зовнішніх даних 110, від комп'ютеру серверу зовнішніх даних 108, та даних датчиків від віддалених датчиків 112. Сільськогосподарська інтелектуальна обчислювальна система 130 може додатково бути виконана із можливістю розміщення, використання або виконання однієї або більше комп'ютерних програм, інших програмних елементів, цифрової програмованої логіки, наприклад, ЕРСА або А5І1С, або будь-якої їх комбінації для виконання трансляції та зберігання елементів даних, конструкцій цифрових моделей одного або більше посівів па одному або більше полях, генерування рекомендацій та повідомлень, та генерування і відправки скриптів контролеру застосунку 114, способами, що додатково описані у інших розділах даного опису.
У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована із або містить комунікаційний рівень 132, презентацій ний рівень 134, рівень управління даними 140, рівень апаратного забезпечення/віртуалізації 150 та сховище моделей та польових даних 160. В контексті даного документа, терміні «рівень» означає комбінацію електронних схем цифрового інтерфейсу, мікроконтролерів, вбудованого програмного забезпечення та/або комп'ютерних програм, або інших програмних елементів.
Комунікаційний рівень 132 може бути запрограмований або виконаний із можливістю виконувати інтерфейсні функції введення/виведення, включаючи відправку запитів обчислювальному пристрою керівника польових робіт 104, комп'ютеру серверу зовнішніх даних 108 та віддаленим датчикам 112, на отримання польових даних, зовнішніх даних та даних датчиків, відповідно. Комунікаційний рівень 132 може бути запрограмований або виконаний із можливістю відправки отриманих даних у сховище моделей та польових даних 160 для зберігання в якості польових даних 106.
Презентаційний рівень 134 може бути запрограмований або виконаний із можливістю генерування графічного інтерфейсу користувача (ГІК) для відображення на обчислювальному пристрої керівника польових робіт 104, комп'ютері кабіни 115 або інших комп'ютерах, які підключені до системи 130 через мережу 109. ГІК може містити органи керування для даних, що
Зо вводяться, для їхнього введення у сільськогосподарську інтелектуальну обчислювальну систему 130, генерування запитів на моделі та/або рекомендації, та/або відображення рекомендацій, повідомлень, моделей, та інших польових даних.
Рівень управління даними 140 може бути запрограмований або виконаний із можливістю керувати операціями зчитування та запису з використанням сховища 160 та іншими функціональними елементами системи, включаючи набори запитів та результатів, що передаються між функціональними елементами системи та сховищем. Приклади рівня управління даними 140 містять, між іншим, код інтерфейсу ЧУОВС, БОЇ -серверів, та/(або коду інтерфейсу НАБООР. Сховище 160 може містити базу даних. У контексті даного документу термін «база даних» означає як масив даних, так і систему управління реляційною базою даних (КОВМ5), або їх обох. У контексті даного документу база даних може містити будь-який набір даних, включно з ієрархічною базою даних, реляційною базою даних, базою даних на пласких файлах, об'єктно-реляційною базою даних, об'єктно- орієнтовною базою даних, та будь-яким іншим структурованим набором записів або даних, що зберігаються у обчислювальній системі.
Приклади КОВМ5 містять, крім іншого, бази даних ОКАСІЕФ, МУБОЇ, ІВМФ 082,
МІСКОЗОБТФ БОЇ ЗЕКМЕК, ЗУВАЗЕФ та РОБТОКЕБЗОЇ. Тім не менш, може використовуватися будь-яка база даних, що дозволяє виконувати системи та способи, що описані у даному документі.
Якщо польові дані 106 не потрапляють напряму до сільськогосподарської інтелектуальної обчислювальної системи за допомогою однієї чи більше сільськогосподарських машин або пристроїв сільськогосподарських машин, що взаємодіють із сільськогосподарською інтелектуальною обчислювальною системою, користувачеві може бути наданий запит на введення такої інформації за допомогою одного чи більше інтерфейсів користувача на пристрої користувача (який обслуговується сільськогосподарською інтелектуальною обчислювальною системою). У варіанті реалізації винаходу, що наводиться у якості прикладу, користувач може вказати ідентифікаційні дані за допомогою доступу до мапи на пристрої користувача (яка обслуговується сільськогосподарською інтелектуальною обчислювальною системою) та вибрати певну СІ 0, що графічно відображається на мапі. В альтернативному варіанті реалізації винаходу користувач 102 може вказати ідентифікаційні дані за допомогою доступу до мапи на пристрої користувача (який обслуговується сільськогосподарською інтелектуальною бо обчислювальною системою 130). намалювавши межі ділянки зверху на мапі. Такий вибір СУ або малювання на мапі відображає географічні ідентифікатори. В альтернативному варіанті реалізації винаходу користувач може вказати ідентифікаційні дані за допомогою доступу до ідентифікаційних польових даних (які надаються у вигляді векторних файлів або у аналогічному форматі) від Управління обслуговування фермерів Міністерства сільського господарства США або іншого джерела, за допомогою пристрою користувача, та надати такі ідентифікаційні польові дані сільськогосподарській інтелектуальній обчислювальній системі.
У варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована для генерування та відображення графічного інтерфейсу користувача, що містить менеджер даних для введення даних. Після того, як буде ідентифіковане одно або більше полів із використанням способів, що описані вище, менеджер даних може надати один або більше віджетів графічного інтерфейсу користувача, які при їх обранні можуть ідентифікувати зміни щодо поля, грунту, посівів, прийомів механічної обробки або прийомів застосування поживних речовин. Менеджер даних може містити відображення екрану у режимі часової шкали, відображення екрану у режимі цифрової таблиці, та/або однієї або більше програм, що редагуються.
Фіг. 9 ілюструє приклад варіанту реалізації відображення екрану у режимі часової шкали для даних, що вводяться. Завдяки використанню екрану, що відображений на Фіг. 9, користувач може виконати вибір певного поля та певної дати для додавання події. Події, відображені у верхній частині часової шкали, містять вкладки: Азот, Саджання, Прийоми та Грунт. Для додавання події застосування азоту комп'ютер користувача може надавати можливість вибору вкладки з азотом. Потім, комп'ютер користувача може обирати певне положення на часовій шкалі, що відповідає певному полю, для інформації про застосування азоту на певному полі.
У відповідь на отримання положення на часовій шкалі для певного поля менеджер даних може відобразити прозорий шар для даних, що вводяться, що дозволяє комп'ютеру користувача вводити дані, що відносяться до застосування азотних добрив, процедур саджання, внесення підкормки у грунт, прийомів механічної обробки, прийомів зрошення та іншої інформації, щодо певного поля. Наприклад, якщо комп'ютер користувача обирає частину часової шкали та вказує на застосування азоту, то прозорий шар для даних, що вводяться, може містити поля для введення кількості азоту, що буде застосована, дату застосування, тип обладнання, що
Зо використовується для застосування добрив, та будь-яку іншу інформацію, що відноситься до застосування азоту.
У варіанті реалізації винаходу, менеджер даних надає інтерфейс для створення однієї або більше програм. У контексті даного документу, термін «програма» означає набір даних, що відносяться до застосування азоту, процедур саджання, внесення підкормки у грунт, прийомів механічної обробки, прийомів зрошення та іншої інформації, що може відноситися до одного або більше полів, та може зберігатися у цифровому сховищі даних для повторного використання в якості набору даних в інших операціях. Після того, як програму буде створено, вона може бути застосована концептуально до одного або більше полів, а посилання на програму може бути збережено у цифровому сховищі, одночасно із даними, що ідентифікують поля. Таким чином, замість ручного введення ідентичних даних, що відносяться до того ж самого застосування азоту на множині різних полів, комп'ютер користувача може створити програму, що вказує на певне застосування азоту, а потім, застосувати програму для множини різних полів. Наприклад, на екрані у режимі часової шкали на Фіг. 9 дві верхні часові шкали мають обрану програму «Осіннє застосування», що містить застосування 150 фунтів азоту на акр на початку квітня. Менеджер даних може надавати інтерфейс для редагування програми. У варіанті реалізації винаходу, коли редагується певна програма, редагується кожне поле, для якого обрана певна програма. Наприклад, на Фіг. 9, якщо редагується програма «Осіннє застосування» для зниження застосування азоту до 130 фунтів на акр, два верхні поля оновлюються із зниженим застосуванням азоту на основі відредагованої програми.
У варіанті реалізації винаходу у відповідь на отримання редагування поля, що має обрану програму, менеджер даних видаляє посилання поля на обрану програму. Наприклад, якщо застосування азоту додається до верхнього поля на Фіг. 9, інтерфейс оновлюється для того, щоб надати інформацію, що програма «Осіннє застосування» більше не застосовується до верхнього поля. Хоча застосування азоту на початку квітня залишається, оновлення програми «Осіннє застосування» не змінює застосування азоту у квітні.
Фіг. 10 ілюструє приклад варіанту реалізації відображення екрану у режимі цифрової таблиці для даних, що вводяться. Завдяки використанню екрану, що відображений на фіг. 10, користувач може створювати та редагувати інформацію для одного або більше полів.
Менеджер даних може містити цифрову таблицю для введення інформації щодо вкладок: Азот, бо Саджання, Прийомі та Грунт, як проілюстровано на Фіг. 10. Для редагування певного запису комп'ютер користувача може обрати певний запис у цифровій таблиці та оновити значення.
Наприклад, на Фіг. 10 ілюструє процес виконання оновлення заданого значення врожайності для другого поля. Додатково, комп'ютер користувача може обирати одне або більше полів для застосування однієї або більше програм. У відповідь на отримання вибору програми для певного поля менеджер даних може автоматично завершити введення даних для певного поля на основі обраної програми. Як і у випадку із відображенням екрану у режимі часової шкали, у відповідь на отримання оновлення програми менеджер даних оновлює записи для кожного поля, пов'язаного із певною програмою.
Додатково, у відповідь на отримання редагування одного або більше записів для поля, менеджер даних можу видалити посилання обраної програми на поле.
У варіанті реалізації винаходу, моделі та польові дані зберігаються у сховищі моделей та польових даних 160. Дані моделі містять моделі даних, що створені для одного або більше полів. Наприклад, модель сільськогосподарської культури може містити сконструйовану цифрову модель розвитку сільськогосподарської культури на одному або більше полів. У контексті даного документу, «модель» означає збережений електронний цифровий набір інструкцій, що виконуються, та елементів даних, пов'язаних один з одним, які можугь отримувати та відповідати на програмний або інший цифровий виклик, активацію або запит аналізу, на основі вказаних вхідних даних, для виводу одного або більше збережених вихідних значень, які можуть служити, між іншим, основою для реалізованих на комп'ютері рекомендацій, відображення вихідних даних, або машинного управління. Фахівцям у даній області техніки може здатися зручною побудова моделей із використанням математичних рівнянь, однак така форма вираження не обмежує моделі, що викладені у даному документі у абстрактному понятті; замість цього, кожна модель у даному документі має практичне застосування на комп'ютері у формі збережених інструкцій, що виконуються, та даних, що реалізують модель (із використанням комп'ютера. Дані моделі можуть містити модель попередніх подій на одному або більше полях, модель поточного стану одного або більше полів, та/"або модель прогнозованих подій на одному або більше полів. Модель та польові дані можуть зберігатися у структурах даних у пам'яті, рядках у таблиці бази даних, у пласких файлах або цифрових таблицях, або інших формах збережених цифрових даних.
Зо Рівень апаратного забезпечення/віртуалізації 150 містить один або більше центральних процесорних пристроїв (ЦПП), контролери пам'яті та інші пристрої, компоненти або елементи обчислювальної системи, наприклад, енергозалежну або енергонезалежну пам'ять, енергонезалежне сховище, наприклад, диск, та пристрої введення/виведення або інтерфейси, як проілюстровано на Фіг. 4. Рівень 150 також може містити програмні інструкції, що виконані із можливістю підтримки віртуалізації, контейнеризації та інших технологій.
Для ілюстрації простого прикладу. Фіг. 1 ілюструє невелику кількість центральних функціональних елементів. Тім не менш, у інших варіантах реалізації винаходу, може існувати будь-яка кількість таких елементів. Наприклад, варіанти реалізації винаходу можуть використовувати тисячі або мільйони різних портативних обчислювальних пристроїв 104, пов'язаних із різними користувачами. Додатково, система 130 та/або комп'ютер серверу зовнішніх даних 108 може бути реалізований із використанням одного або більше процесорів, ядер, кластерів або об'єктів фізичних машин або віртуальних машин, налаштованих на окремих місцях розташування, або поєднані із іншими елементами у центрах обробки даних, загальнодоступних обчислювальних центрах або цен фах хмарних обчислень. 2.2. ОГЛЯД ПРИКЛАДНОЇ ПРОГРАМИ
У варіанті реалізації винаходу для реалізація функцій, що описані у даному документі, використовується одна або більше комп'ютерних програм, або інших програмних елементів, які завантажуються у та виконуються за допомогою одного або більше комп'ютерів загального призначення, які спонукають комп'ютери загального призначення налаштовуватися в якості певної машини або комп'ютера, що спеціально пристосовані для виконання функцій, що описані у даному документі. Додатково, кожна блок-схема, що описана додатково у даному документі, може служити, сама по собі або у комбінації із описом процесів та функцій, що описані формально у даному документі, в якості алгоритмів, планів або інструкцій, які можуть використовуватися для програмування комп'ютера або логічної схеми з метою реалізації функцій, що описані. юІншими словами, текстовий опис у даному документі та всі графічні матеріали разом призначені для надання опису алгоритмів, планів та інструкцій, що є достатніми, щоб дозволити фахівцям програмувати комп'ютер для виконання функцій, що описані у даному документі, у комбінації із знаннями та вміннями таки осіб з урахування рівня вмінь, які с відповідними для винаходу та опису таких типів. бо У варіанті реалізації винаходу користувач 102 взаємодіє із сільськогосподарською інтелектуальною обчислювальною системою 130 із використанням обчислювальною пристрою керуючого польовими роботами 104, який передбачає операційну систему та одну або більше прикладних програм або застосунків; при цьому обчислювальний пристрій керівника польових робіт 104 також може взаємодіяти із сільськогосподарською інтелектуальною обчислювальною системою незалежно та автоматично, під керуванням програми, або під керуванням логічної схеми, а пряма взаємодія користувача не завжди потрібна. Обчислювальний пристрій керівника польових робіт 104 широко представлений одним або більше смартфонами, КПК, планшетами, ноутбуками, настільними комп'ютерами, робочими станціями, або будь-якими обчислювальними пристроями, що здатні передавати та отримувати інформацію та виконувати функції, що описані у даному документі. Обчислювальний пристрій керівника польових рооіїт 104 може обмінюватися даними через мережу із використанням мобільного застосунку, який зберігається на обчислювальному пристрої керуючого польовими роботами 104, та, у деяких варіантах реалізації винаходу, пристрій може бути підключений, за допомогою кабелю 113 або з'єднувального елементу, до датчиків 112 та/або до контролерів 114. Певний користувач 102 може бути власником, працювати або володіти та використовувати, разом із системою 130, більш ніж один обчислювальний пристрій керівника польових робіт 104 одночасно.
Мобільний застосунок може надавати функціональність клієнтської частини, за рахунок використання мережі, одному чи більше мобільним обчислювальним пристроям. У варіанті реалізації винаходу, що наводиться у якості прикладу, обчислювальний пристрій керівника польових робіт 104 може мати доступ до мобільного застосунку за допомогою веб-браузеру або локального клієнтського застосунку або мобільного застосунку. Обчислювальний пристрій керівника польових робіт 104 може передавати дані до та отримувати дані з одного або більше серверів інтерфейсу із використанням протоколів або форматів вебу, наприклад, НТТР, ХМІ. та/або 5ОМ, або специфічних програмних протоколів. У варіанті реалізації винаходу, що наводиться у якості прикладу, дані можуть отримувати форму запиту та введення інформації користувачем, наприклад, польових даних, на мобільному обчислювальному пристрої. У деяких варіантах реалізації винаходу, мобільний застосунок взаємодії із локальним апаратним та програмним забезпеченням на обчислювальному пристрої керівника польових роби 104 для відстеження місцезнаходження, яке визначає місце розташування обчислювального пристрою
Зо керівника польових робіт 104, із використанням стандартних технологій відстеження місцезнаходження, наприклад, глобальної системи позиціонування (СР), ММі-Рі систем позиціонування, або інших способів мобільного позиціонування. У деяких випадках, дані про місцезнаходження або дані, що пов'язані із пристроєм 104, користувачем 102 та/або обліковим записом користувачай(ів), можуть біти отримані за допомогою запитів до операційної системи пристрою, або за допомогою запиту до мобільного застосунку для отримання даних із операційної системи.
У варіанті реалізації винаходу обчислювальний пристрій керівника польових робіт 104 відправляє дані 106 сільськогосподарській інтелектуальній обчислювальній системі 130, які містять або включають, крім іншого, елементи даних, які відображають одне або більше із наступного: географічне місцезнаходження одного або більше полів, інформацію про прийоми механічної обробки для одного або більше полів, саджання посівів на одному або більше полів, та дані про грунт, отримані з одного або більше полів. Обчислювальний пристрій керівника польових робіт 104 може відправляти польові дані 106 у відповідь на введення даних користувачем 102, які вказують на елементи даних для одного або більше полів. Додатково, обчислювальний пристрій керівника польових робіт 104 може автоматично відправляти польові дані 106, коли один або більше елементів даних стають доступними для обчислювального пристрою керівника польових робіт 104. Наприклад, обчислювальний пристрій керівника польових робіт 104 може бути з'єднано із можливістю обміну даними із віддаленим датчиком 112 та/або контролером застосунку 114. У відповідь на отримання даних, що вказують на те, що контролер застосунку 114 випустив воду на одне або більше полів, обчислювальний пристрій керівника польових робіт 104 може відправити польові дані 106 сільськогосподарській інтелектуальній обчислювальній системі 130, які вказують на те, що вода була випущена на одне або більше полів. Польові дані 106, що розглядаються у даному описі, можуть бути введені або передані із використанням електронних цифрових даних, якими обмінюються між собою обчислювальні пристрої з використанням параметризован их КІ -адрес по протоколу
НТТР, або інших підходящих комунікаційних протоколів або протоколів передавання повідомлень.
Комерційним прикладом мобільного застосунку є програма СГІМАТЕ РІЄГО МІЕМУ, що є доступною для придбання у компанії Те Сіїйтаїе Согрогайоп, Сан- Франциско, Каліфорнія. 60 Застосунок СГПІМАТЕ РІЕГО МІЕМУ або інший застосунок може бути модифіковано, розширено або адаптовано для включення в нього характерних ознак, функцій та програмного коду, що не викладені раніше, ніж дата подання цієї заявки. В одному варіанті реалізації винаходу мобільний застосунок містить інтегровану програмну платформу, яка дозволяє сільгоспвиробнику отримувати об'єктивні рішення щодо його подальших дій, за рахунок того, що вона комбінує ретроспективні дані про поля сільгоспвиробника із іншими даними, які сільгоспвиробник бажає порівняти. Комбінація та порівняння можуть виконуватися у режимі реального часу, та можуть базуватися на специфічних моделях, що надають потенційні сценарії, які дозволяють сільгоспвиробнику приймати кращі, більш усвідомлені рішення.
Фіг. 2 ілюструє два відображення прикладу логічної організації наборів інструкцій в основній пам'яті під час загрузки прикладу мобільного застосунку для виконання. На Фіг, 2 кожен іменований елемент відображає область однієї або більше сторінок КАМ або іншої головної пам'яті, або одного або більше блоків дискового сховища, або іншого енергонезалежного сховища, та програмних інструкцій всередині цих областей. В одному варіанті реалізації винаходу на зображенні (а) застосунок для мобільного комп'ютера 200 містить інструкції щодо облікового запису-поля-отримання и обробки даних-спільного використання 202, інструкції щодо загального огляду та попереджень 204, інструкції щодо карт у формі книги 206, інструкції щодо насіння та саджання 208, інструкції щодо використання азоту 210, інструкції щодо погоди 212, інструкції щодо здоров'я поля 214 та інструкції щодо продуктивності 216.
В одному варіанті реалізації винаходу, застосунок для мобільного комп'ютера 200 містить інструкції щодо облікового запису-поля-отримання и обробки даних-спільного використання 202, які запрограмовані для отримання, перетворення та обробки польових даних від сторонніх систем за рахунок ручного завантаження або АРІ. Типи даних можуть містити, крім іншого, межі поля, карги врожайності, карги саджання, результати тестів грунту, карти застосування, та/або зони управління. Формати даних можуть містити, крім іншого, векторні файли, сторонні вихідні формати даних, та/або файли експорту з інформаційної системи керування господарством (ІСКГ). Отримання даних може здійснюватися за допомогою ручної о завантаження, прикріплених до електронної пошти файлів, зовнішніх АРІ. що додають дані у мобільний застосунок, або інструкцій, що викликають АРІ зовнішніх систем для вилучення даних у мобільний застосунок. В одному варіанті реалізації винаходу, застосунок для мобільного
Зо комп'ютера 200 містить ящик для вхідних даних. У відповідь на отримання вибору ящику для вхідних даних застосунок для мобільного комп'ютера 200 може відображати графічний інтерфейс користувача для ручного завантаження файлів даних та імпортування завантажених файлів у менеджер даних.
В одному варіанті реалізації винаходу, інструкції щодо карту формі книги 206 містять шари даних мали поля, що збережені у пам'яті пристрою та запрограмовані із використанням інструментів візуалізації, та геопросторових польових даних. Це дозволяє сільгоспвиробникам мати під рукою зручну інформацію для довідки, реєстрації у журналі та візуального відображення продуктивності поля. В одному варіанті реалізації винаходу, інструкції щодо огляду та попереджень 204 запрограмовані для надання розширеного огляду операцій, що важливі для сільгоспвиробника, та своєчасних рекомендацій для вжиття заходів або фокусування на певних проблемах. Це дозволяє сільгоспвиробнику приділити час проблемам, що потребують уваги, для збереження часу та захисту врожайності протягом сезону. В одному варіанті реалізації винаходу, інструкції щодо насіння та саджання 208 запрограмовані для надання інструментів обрання насіння, розміщення гібридів та створення скрипту, включно із створенням скрипту змінної норми посіву (ЗН), яка базується на наукових моделях та емпіричних даних. Це дозволяє сільгоспвиробникам максимізувати врожайність або ефективність інвестицій за рахунок оптимальної закупівлі насіння, розміщення та щільності саджання.
В одному варіанті реалізації винаходу інструкції щодо генерування скриптів 205 запрограмовані для надання інтерфейсу генерування скриптів, включно із скриптами змінної норми родючості (ЗН). Інтерфейс дозволяє сільгоспвиробникам створювати с крипти для сільськогосподарського обладнання, наприклад, застосування азоту, саджання та зрошення.
Наприклад, інтерфейс скрипту для саджання може містити інструменти ідентифікації типу насіння для саджання. Після отримання вибору типу насіння застосунок для мобільного комп'ютера 200 може відображати одне або більше полів, що розбиті на грунтові зони поряд із панеллю, що ідентифікує кожну грунтову зону та назву зони, текстуру та дренаж для кожної зони. Застосунок для мобільного комп'ютера 200 також може відображати інсн рументи для редагування або створення таких зон. наприклад, графічні інструменти для графічного відображення грунтових зон на мапі одного або більше полів. Процедури саджання можуть бо застосовуватися до всіх грунтових зон, або різні процедури саджання можуть застосовуватися до різної підмножини грунтових зон. Після створення скрипту застосунок для мобільного комп'ютера 200 може зробити скрипт доступним для завантаження у форматі, який може зчитувати контролер застосунку, наприклад, формат архіву або стислий формат. Додатково та/або в якості альтернативи, скрипт можу бути відправлено із застосунку для мобільного комп'ютера 200 напряму до комп'ютера кабіни 115, та/або завантаження на один або більше серверів даних та збереження для подальшого використання. В одному варіанті реалізації винаходу інструкції щодо застосування азоту 210 запрограмовані для надання інструментів інформування при прийнятті рішень щодо застосування азоту за рахунок візуалізації готовності до застосування азоту для посівів. Це дозволяє сільгоспвиробникам максимізувати врожайність або ефективність інвестицій за рахунок оптимального застосування азоту протягом сезону.
Приклади запрограмованих функцій містять, крім іншого, відображення зображень, наприклад, зображень З5БИКОСО для можливості графічного відображення зон застосування та/або зображень, що було згенеровано із даних про грунт підпорядкованого поля, наприклад, даних, отриманих від датчиків, із високою роздільною здатністю по спектру (із якістю, як з 10 метрів або менше, за рахунок близькості до грунту); завантаження існуючих, визначених сільгоспвиробниками зон; надання графічного та/або картографічного застосунку для налаштування застосування азоту на множині зон; вивантаження скриптів у накопичувач обладнання; інструменти для масового введення даних та регулювання; та/або мапи для візуалізації даних. У контексті даного документу термін «масове введення даних» означає одноразове введення даних та подальше застосування однакових даних до множини полів, визначених у системі; прикладом даних можуть бути дані про застосування азоту, які є однаковими для декількох полів одного й того ж сільгоспвиробника, однак таке масове введення даних застосовується для запису будь-якого типу польових даних у застосунок для мобільного комп'ютера 200. Наприклад, інструкції щодо застосування азоту 210 можуть бути запрограмовані для прийняття визначень програм для внесення азоту та прийомів застосування, та для прийняття введення даних користувачем, що вказують на застосування таких програм для множини полів. У контексті даного документу термін «програми введення азоту» означають збережені, іменовані набори даних, які об'єднують, крім іншого: назву, кольоровий код або інший ідентифікатор, одну або більше дат застосування, типи матеріалу або продукту для кожної дати та їх кількість, спосіб застосування або введення, наприклад, впорскування або ножовий розріз, та/або кількість або норми застосування для кожної дати, сільськогосподарську культуру або гібрид, що є предметом застосунку. У контексті даного документу термін «програми внесення азоту» означають збережені, іменовані набори даних, які об'єднують: назву прийомів застосування, попередні посіви; систему механічної обробки, дату первинної механічної обробки; одну або більше попередніх систем механічної обробки, що використовувалися; один або більше показників типу застосування, наприклад, внесення навозу, що використовувалися. Інструкції щодо застосування азоту 210 можуть бути запрограмовані для генерування та спонукання до графічного відображення застосування азоту, яке вказує на передбачуване внесення вказаної кількості азоту, незалежно від того, прогнозований надлишок чи нестача; у деяких варіантах реалізації винаходу, різні кольорові індикатори можуть сигналізувати про величину надлишку або величину нестачі. В одному варіанті реалізації винаходу графічне відображення застосування азоту містить графічне відображення на екрані комп'ютера множини рядків, при цьому кожен рядок пов'язаний із та ідентифікує поле; дані вказують па те, які посіви посаджені на полі, розмір поля, місцезнаходження поля, та графічне відображення периметру поля; у кожному рядку часова шкала розділена по місяцях із графічними індикаторами, що вказують на кожне застосування азоту, та кількість у точках, що співвідносяться із назвами місяців; та цифрові та/або кольорові індикатори надлишку або нестачі, у яких колір вказує на величину.
В одному варіанті реалізації винаходу, графічне відображення застосування азоту може містити один або більше компонентів для введення даних користувачем, наприклад, Кругові шкали або повзунки, для динамічного змінення програм для внесення азоту та прийомів застосування таким чином, щоб користувач міг оптимізувати його графічне відображення застосування азоту. Потім користувач може використовувати його оптимізоване графічне відображення застосування азоту та пов'язані із ним програми для внесення азоту та прийомів застосування для реалізації одного або більше скриптів, включно із скриптами змінної норми родючості (ЗН). Інструкції щодо застосування азоту 210 можуть бути запрограмовані для генерування та спонукання до відображення мали застосування азоту, яке вказує на передбачуване внесення встановленої кількості азоту, та незалежно від того, прогнозований надлишок чи нестача; у деяких варіантах реалізації винаходу, різні кольорові індикатори можуть 60 сигналізувати про величину надлишку або величину нестачі. Мапа застосування азоту може відображати передбачуване внесення встановленої кількості азоту та незалежно від того, прогнозований надлишок чи нестача для різних періодів часу у минулому та у майбутньому (щоденно, щонеділі, щороку), використання цифрових та/або кольорових індикаторів може сигналізувати про величину надлишку або величину нестачі. В одному варіанті реалізації винаходу, мапа застосування азоту може містити один або більше компонентів для введення даних користувачем, наприклад, кругові шкали або повзунки, для динамічного змінення програм для внесення азоту та прийомів застосування таким чином, щоб користувач міг оптимізувати мапу застосування азоту, наприклад, для отримання даних про бажану величину між надлишком та нестачею. Потім користувач може використовувати його оптимізовану мапу застосування азоту та пов'язані із ним програми для внесення азоту та прийомів застосування для реалізації одного або більше скриптів, включно із скриптами змінної норми родючості (ЗН).
В інших варіантах реалізації винаходу аналогічні інструкції, як і інструкції щодо застосування азоту 210, використовуються для застосування інших поживних речовин (наприклад, фосфору та калію), застосування пестицидів та програм зрошення.
В одному варіанті реалізації винаходу інструкції щодо погоди 212 запрограмовані для надання свіжих погодних даних, що враховують особливості поля, та прогнозовану інформацію про погоду. Це дозволяє сільгоспвиробникам зберегти час та мати ефективну узагальнену індикацію по відношенню до щоденних оперативних рішень.
В одному варіанті реалізації винаходу інструкції щодо здоров'я поля 214 запрограмовані для надання своєчасних зображень дистанційного дослідження із виділенням сезонних коливань посівів та потенційних проблем. Приклади запрограмованих функцій містять, крім іншого, перевірку хмарності для ідентифікації можливої хмарності або тіні від хмар; визначення показників азоту на основі зображень поля; графічну візуалізацію шарів, за якими ведеться спостереження, наприклад, включно із тими, що відносяться до здоров'я поля, та огляд та/або спільне використання інформації про спостереження; та/або завантаження супутникових знімків від множини джерел та визначення пріоритетності знімків для сільгоспвиробника.
В одному варіанті реалізації винаходу інструкції щодо продуктивності 216 запрограмовані для надання звітів, аналізу та інструментів отримання висновків із використанням даних по господарству для порівняння, отримання висновків га прийняття рішень. Це дозволяє
Зо сільгоспвиробнику домогтися покращених результатів на наступний рік за рахунок об'єктивних висновків щодо того, чому ефективність інвестицій залишилася на попередньому рівні, та зробити висновки по відношенню до факторів, що вплинули на врожайність. Інструкції щодо продуктивності 216 можуть бути запрограмовані на обмін даними через мережу(ї) 109 із серверними програмами аналізу, які виконуються на сільськогосподарській інтелектуальній обчислювальній системі 130 та/або на комп'ютері серверу зовнішніх даних 108, та виконані із можливістю аналізувати, крім іншого, кількісні показники, наприклад, врожайність, гібриди, щільність, 5Б5ОВОО, проби грунту або висоту. Запрограмовані звіти та аналіз даних можуть містити аналіз мінливості врожайності, порівняльний аналіз врожайності та інші кількісні показники у порівнянні із іншими сільгоспвиробниками на основі анонімної інформації, зібраної від багатьох сільгоспвиробників, або, крім іншої о. дані про насіння та саджання.
Застосунки, що мають інструкції, налаштовані у такий спосіб, можуть бути реалізовані для різних платформ обчислювальних пристроїв із підтримкою такого ж загального вигляду інтерфейсу користувача. Наприклад, мобільний застосунок може бути запрограмований для виконання на планшетах, смартфонах або серверних комп'ютерах, доступ до яких здійснюється за допомогою браузерів на комп'ютерах користувачів. Додатково, мобільний застосунок, що налаштовано для планшетів або смартфон і в, може надавати повну функціональність застосунку або застосунку кабіни, які підходять для можливостей відображення та обробки даних комп'ютером кабіни 115, Наприклад, посилаючись на зображення (Б) на Фіг. 2, в одному варіанті реалізації винаходу, застосунок для комп'ютеру кабіни 220 може містити інструкції щодо мап - кабіни 222, інструкції щодо віддаленого перегляду 224, інструкції щодо збору та передавання 226, інструкції щодо попереджень механізму 228, інструкції щодо передавання скрипту 230 та інструкції щодо спостереження - кабіни 232. База похідного коду для інструкцій на зображенні (5) може бути такою самою, що й на зображенні (а), файли, що виконуються, які реалізують код, можуть бути запрограмовані для визначення типу платформи, на якій вони будуть виконуватися, та надавати, за допомогою графічного інтерфейсу користувача, тільки ті функції, що відповідають платформі кабіни або повній платформі. Такий підхід дозволяє системі визначати цілковито різні механізми взаємодії із користувачем, що підходять для умов всередині кабіни та різному технологічному середовищу кабіни. Інструкції щодо мап - кабіни 222 можуть бути запрограмовані для надання огляду мапи полів, господарств та регіонів, що бо придатні для того, щоб скерувати на них роботу механізмів. Інструкції щодо віддаленого огляду
224 можуть бути запрограмовані для увімкнення, управління та надання відображення роботи механізму, у режимі реального часу або близького до режиму реального часу, іншим обчислювальним пристроям, що підключені до системи 130 через бездротові мережі, дротові з'єднувальні елементи або адаптери, і тому подібне. Інструкції щодо збору та передавання 226 можуть бути запрограмовані для увімкнення, управління та передавання даних, зібраних датчиками та контролерами механізму, до системи 130 через бездротові мережі, дротові з'єднувальні елементи або адаптери, і тому подібне. Інструкції щодо попереджень механізму 228 можуть бути запрограмовані для виявлення проблем із роботою механізму або інструментів, пов'язаних із кабіною, та генерування попереджень оператору. Інструкції щодо передавання скрипту 230 можуть бути налаштовані для передавання у скриптах інструкцій, що налаштовані для керування роботи механізмів або збору даних. Інструкції щодо спостереження - кабіни 230 можуть бути запрограмовані для відображення попереджень на основі місцезнаходження та інформації, отриманої від системи 130, на основі місцезнаходження сільськогосподарських пристроїв 111 або датчиків 112 на полі, та для потрапляння, управління та передавання результатів спостереження на основі місцезнаходження до системи 130, у залежності від положення сільськогосподарських пристроїв 111 або датчиків 112 на полі. 2-3. ПОТРАПЛЯННЯ ДАНИХ У ОБЧИСЛЮВАЛЬНУ СИСТЕМУ
У варіанті реалізації винаходу комп'ютер серверу зовнішніх даних 108 зберігає зовнішні дані 110, включно із даними про грунт, що відображають склад грунту для одного або більше полів, та дані про погоду, що відображають температуру та опади на одному або більше полях. Дані про погоду можуть містити минулі та теперішні дані про погоду, а також прогнози щодо майбутніх погодних даних. У варіанті реалізації винаходу, комп'ютер серверу зовнішніх даних 108 містить множину серверів, що розміщені різними об'єктами. Наприклад, перший сервер можу містити дані про склад грунту, тоді як другий сервер може містити дані про погоду.
Додатково, склад грунту може зберігатися у множині серверів. Наприклад, один сервер може зберігати дані, що відображають відсоток піску, мулу та глини, голі як другий сервер може зберігати дані, що відображають відсоток органічних речовин (ОР) у грунті.
У варіанті реалізації винаходу віддалений датчик 112 містить один або більше датчиків, запрограмованих або виконаних із можливістю виконувати одне або більше вимірювань.
Віддалені датчики 112 можуть бути повітряними датчиками, наприклад, супутниковими, датчиками транспортного засобу, датчиками обладнання для саджання, датчиками обладнання механічної обробки, датчиками обладнання для внесення добрив або інсектицидів, датчиками зернозбиральної машини, та будь-яким іншим механізмом, що здатен отримувати дані від одного або більше полів. У варіанті реалізації винаходу, контролер застосунку 114 запрограмований або виконаний із можливістю отримувати інструкції від сільськогосподарської інтелектуальної обчислювальної системи 130. Контролер застосунку 114 також може бути запрограмований або виконаний із можливістю управління робочими параметрами сільськогосподарського транспортного засобу або обладнання. Наприклад, контролер застосунку може бути запрограмований або виконаний із можливістю управління робочими параметрами транспортного засобу, наприклад, трактору, обладнання для саджання, обладнання для механічної обробки, обладнання для внесення добрив або інсектицидів, обладнання зернозбиральної машини або іншим господарським обладнанням, наприклад, водяним клапаном. Інші варіанти реалізації винаходу можуть використовувати комбінацію датчиків та контролерів, які наводяться нижче виключно для прикладу.
Система 130 може збирати та приймати дані під управлінням користувача 102 на масовій основі від великої кількості сільгоспвиробників, які надають дані у загальнодоступну систему баз даних. Така форма отримання даних може називатися «ручне приймання даних», коли запитуються або запускаються одна або більше комп'ютерних операцій, якими керує користувач, для збору даних, що використовуються системою 130. В якості прикладу, застосунок СГПІМАТЕ РІЕГО МІЕМУ, доступний для придбання у компанії Те Сіїтагє Софогаїйоп,
Сан-Франциско, Каліфорнія, може працювати для експорту даних у систему 130 для зберігання у сховищі 160.
Наприклад, системи контролю насіння можуть одночасно керувати компонентами сівалки та отримувати дані про саджання, включно із сигналами від датчиків насіння через сигнальний шлейф дротів, що містить магістраль САМ, та з'єднання точка-точка для реєстрації та/або діагностики. Системи контролю насіння можуть бути запрограмовані або виконані із можливістю відображати щільність саджання насіння та іншу інформацію користувачеві через комп'ютер кабіни 115 та інші пристрої всередині системи 130, Приклади викладені у патенті США
Мо 8 738 243 та патентній публікації США Мо 20150094916, а даний опис приймає відомості цих бо інших патентних описів.
Аналогічно, системи контролю врожайності можуть містити датчики врожайності для механізму зернозбиральної машини, який відправляє дані вимірювання врожайності у комп'ютер кабіни 115 або інший пристрій всередині системи 130. Системи контролю врожайності можуть використовувати один або більше віддалений датчиків 112 для отримання вимірювань вологості зернових у комбайні або іншій жниварці зернозбиральній машині, та передавання цих вимірювань користувачеві за допомогою комп'ютера кабіни 115 або іншого пристрою всередині системи 130.
У варіанті реалізації винаходу приклади датчиків 112. які можуть використовуватися із рухомими транспортними засобами або механізмами певних типів, що описані в інших місцях даного документу, містять кінематичні датчики та датчики положення.. Кінематичні датчики можуть містити будь-які типи датчиків швидкості, наприклад, Допплерівські датчики швидкості або датчики швидкості обертання колеса, акселерометри або гіродатчики. Датчики положення можуть містити, крім іншого, СР5- приймачі або прийомопередавачі, або мобільні застосунки для визначення положення за рахунок М/і-Рі або картографії, що запрограмовані визначати положення на основі найближчих М/І-Рі точок доступу.
У варіанті реалізації винаходу приклади датчиків 112, що можуть використовуватися із тракторами або іншими рухомими транспортними засобами, містять датчики оборотів двигуна, датчики споживання палива, вказівник площі або відстані, що взаємодіє із сигналами СРБ5 або радіолокації, датчики швидкості відбору потужності, датчики гідравлічної системи трактору, що налаштовані визначати гідравлічні параметри, наприклад, тиск або витрату рідини, та/або датчики швидкості гідравлічної помпи, датчики швидкості колеса або датчики пробуксовки колеса. У варіанті реалізації винаходу приклади контролерів 114, які можуть використовуватися із тракторами, містять датчики гідророзподільника, контролери тиску, та/або контролери витрачання рідини; контролери швидкості гідравлічної помпи; контролери швидкості або регулятори обертів; контролери положення зчіпки; або контролери положення колеса, що надають автоматичне керування.
У варіанті реалізації винаходу, приклади датчиків 112, які можуть використовуватися з обладнанням для саджання насіння, наприклад, сівалкою з баночними висіваючими апаратами (у цьому документі - сівалка), рядковою сівалкою, або пневмосіялкою, містять датчики насіння,
Зо які можуть бути оптичними, електромагнітними або датчиками удару; датчики притискної сили, як штифт навантаження, тензометер, датчики тиску; датчики властивості грунту, наприклад, датчики відбиття, датчики вологості, датчики електричної електропровідності, оптичні датчики залишків або температурні датчики; датчики критерію роботи компонентів, наприклад, датчики глибини саджання, датчики притискної сили тиску у циліндрі, датчики швидкості диску із насінням, перетворювач приводу насіння, датчики швидкості системи конвеєру із насінням, або датчики рівня вакууму; або датчики застосування пестицидів, наприклад, оптичні або інші електромагнітні датчики, або датчики удару. У варіанті реалізації винаходу приклади контролерів 114, що можуть використовуватися із таким обладнанням для саджання містять: датчик вигину навісного брусу, наприклад, контролери клапанів, пов'язаних із гідравлічними циліндрами; контролери притискної сили, наприклад, контролери для клапанів, пов'язаних із пневматичними циліндрами, повітряними подушками, або гідравлічними циліндрами, та запрограмованими для застосування притискної сили до окремих висівних секцій або всієї рами сіялки; контролери глибини саджання, наприклад, лінійних приводів; контролери дозування, наприклад, електричних приводів дозування насіння, гідравлічних приводів дозування насіння, або муфти для переключення валку; контролери вибору гібридів, наприклад приводів дозування насіння, або інших приводів, що запрограмовані для вибіркового виходу або перекриття подачі насіння, або суміші насіння та повітря, із каналу подачі до або від дозатора насіння, або центрального великого бункеру; контролери дозування, наприклад, електричних приводів дозування насіння, або гідравлічних приводів дозування насіння; контролери системи конвеєру насіння, наприклад, контролери для двигуна ремінного конвеєру насіння; контролери маркеру, наприклад, контролер для пневматичного або гідравлічного приводу; або контролери норми застосування пестицидів, наприклад, контролери приводу дозатора, контролери прохідного перетину або положення.
У варіанті реалізації винаходу приклади датчиків 112, які можуть використовуватися із обладнанням для механічної обробки, містять датчики положення для інструментів, наприклад, сошників або дисків; датчики положення інструменту для таких інструментів, що налаштовані для визначення глибини, кута механічного з'єднання, або проміжку між каналами; датчики притискної сили; або датчики тягового зусилля. У варіанті реалізації винаходу, приклади контролерів 114. які можуть використовуватися із обладнанням для механічної обробки, містять 60 контролер притискної сили або контролери положення інструменту, наприклад, контролери, що налаштовані для управління глибиною інструмента, кутом механічного з'єднання або проміжком між каналами.
У варіанті реалізації винаходу приклади датчиків 112, які можуть використовуватися із обладнанням для застосування добрив, інсектицидів, фунгіцидів і тому подібного, наприклад, встановлені на сіялці системи початкового внесення добрив, машинах для внесення добрив у нижній шар грунту, або на розприскувачах добрив, містять: датчики показників рідинних систем, наприклад, датчики витрачання рідини або датчики тиску; датчики, що вказують на те, що відкриті клапани головки для розприскування або клапани каналу рідини; датчики пов'язані із резервуарами, наприклад, датчики рівня; секційні датчики або загальносистемні датчики живильної системи, або датчики живильної системи, що враховують особливості рядків; або кінематичні датчики, наприклад, датчики швидкості, що розміщені на штанзі розприскувача. У варіанті реалізації винаходу приклади контролерів 114, які можуть використовуватися із таким обладнанням містять контролери швидкості помпи; контролери клапанів, що запрограмовані для управління тиском, витратою рідини, напрямком, широтно- імпульсною модуляцією (Риїзе
Ума Моашіакноп, РУУМ) і тому подібним; або приводи позиціонування, наприклад, висотою штанги, глибиною нижнього шару грунту, або положенням штанги.
У варіанті реалізації винаходу приклади датчиків 112, які можуть використовуватися із зернозбиральними машинами містять монітори врожайності, наприклад, прибор для визначення деформації амортизаційної подушки або датчики положення, ємнісні датчики витрачання рідини, датчики навантаження, датчики ваги або датчики обертаючого моменту, пов'язані із підйомниками або шнеками, або оптичні чи інші електромагнітні датчики висоти зернових; датчики вологості зернових, наприклад, ємнісні датчики; датчики втрати зерна, включно із датчики удару, оптичні або ємнісні датчики; датчики критеріїв роботи жатки, наприклад, висоти жатки, типу жатки, проміжку у плиті настилу, швидкості фідеру, та датчики швидкості мотовила; датчики критеріїв роботи сепаратора, наприклад, датчики зазору підбарабання; швидкості ротору, зазору колодки або зазору сита; шнекові датчики положення, роботи або швидкості; або датчики обертів двигуна. У варіанті реалізації винаходу приклади контролерів 114, які можуть використовуватися із зернозбиральними машинами, містять контролери критеріїв роботи жатки для елементів, наприклад, висоти жатки, типу жатки, проміжку у плиті настилу, швидкості
Зо фідеру, та контролери швидкості мотовила; контролери критеріїв роботи сепаратора для компонентів, наприклад, контролери зазору підбарабання; швидкості ротору, зазору колодки або зазору сита; або контролери положення шнеку, роботи або швидкості.
У варіанті реалізації винаходу приклади датчиків 112. які можуть використовуватися із причепами для зернових, містять датчики ваги або датчики положення шнеку, роботи або швидкості, У варіанті реалізації винаходу приклади контролерів 114, які можуть використовуватися із причепами дня зернових, містять контролери положення шнеку, роботи або швидкості.
У варіанті реалізації винаходу приклади датчиків 112 та контролерів 114 можуть бути встановлені на безпілотних літальних апаратах (БЛА) або «дронах». Такі датчики можуть містити камери із датчиками, ефективними для будь-якого діапазону електромагнітного спектру, включно із видимим світлом, інфрачервоним, ультрафіолетовим, ближнім інфрачервоним (БічЧ) і тому подібним; висотоміри; датчики температури; датчики вологості; датчики повного тиску або інші датчики швидкості повітряного потоку або швидкості вітру; датчики ресурсу акумулятору; або пристрої визначення випромінюючої радіолокаційної станції та відбитої радіолокаційної енергії. Такі контролери можуть містити пристрої наведення або керування двигуном, контролери рульової поверхні або контролери, що запрограмовані для увімкнення, роботи отримання даних, управління та налаштування будь-яких з описаних вище датчиків. Приклади викладені у патенті США Мо 14/831 165, а даний опис приймає відомості цих інших патентних описів.
У варіанті реалізації винаходу датчики 112 та контролери 114 можуть бути прикріплені до пристроїв збирання та тестування зразків грунту та вимірювання, які виконані із можливістю або запрограмовані на збирання зразків грунту та виконання хімічних тестів грунту, тестів вологості грунту та інших тестів по відношенню до грунту. Наприклад, можуть використовуватися пристрої, що описані у патенті США Мо 8 767 194 та патенті США Мо 8 712 148, а даний опис передбачає наявність знань щодо цих патентних описів. 2,4. ОГЛЯД ПРОЦЕСУ - ПІДГОТОВКА АГРОНОМІЧНОЇ МОДЕЛІ
У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконаний із можливістю створення агрономічної моделі. У контексті даного документу агрономічна модель с структурою даних у пам'яті сільськогосподарської 60 інтелектуальної обчислювальної системи 130, що містить польові дані 106, наприклад,
ідентифікаційні дані та дані про збір врожаю для одного або більше полів. Агрономічна модель також може містити розраховані агрономічні параметри, що описують як умови, що мають вплив на розвиток однієї або більше сільськогосподарських культур на полі, так і параметри однієї або більше сільськогосподарських культур, або всі їх разом. Додатково, агрономічна модель може містити рекомендації, що базуються на агрономічних факторах, наприклад, рекомендації щодо сільськогосподарської культури, рекомендації щодо зрошування, рекомендації щодо саджання та рекомендації щодо збору врожаю. Агрономічні фактори також можуть бути використані для розрахунку результатів для однієї або більше сільськогосподарських культур, наприклад, агрономічної врожайності. Агрономічна врожайність сільськогосподарської культури враховує кількість сільськогосподарських культур, що були вирощені або, у деяких прикладах, дохід або прибуток, отриманий від вирощених сільськогосподарських культур.
У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 може використовувати попередньо налаштовану агрономічну модель для розрахунку агрономічних параметрів, що відносяться до отриманого у даний момент місцезнаходження та інформації щодо посівів на одному або більше полях. Попередньо налаштована агрономічна модель базується на польових даних, що були оброблені раніше, крім іншого, включно з ідентифікаційними даними, даними про врожайність, даними про застосування добрив та погодними даними. Попередньо налаштована агрономічна модель може бути перехресно перевірена з метою забезпечення точності моделі. Перехресна перевірка може містити порівняння із експериментальними даними, коли порівнюються прогнозовані результати із фактичними результатами на полі, наприклад, порівняння прогнозованої оцінки опадів за допомогою плювіометру на одній і тій самій ділянці, або прогнозованого вмісту азоту за допомогою вимірювання у зразках грунту.
Фіг. З ілюструє запрограмований процес, за допомогою якого сільськогосподарська інтелектуальна обчислювальна система генерує одну або більше попередньо налаштованих агрономічних моделей з використанням польових даних, наданих одним або більше джерелом даних. Фіг. З може служити алгоритмом або інструкціями для програмування функціональних елементів сільськогосподарської інтелектуальної обчислювальної системи 130 для виконання операцій, що тут описані.
Зо В блоці 305 сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконана із можливістю реалізувати агрономічні дані за рахунок попередньої обробки польових даних, що отримані від одного або більше джерел даних.
Польові дані, отримані від одного або більше джерел даних, можуть бути попередньо оброблені для видалення спотворень та ефектів, що спотворюють дані всередині агрономічних даних, включаючи виміряні сторонні дані, що впливають на отримані значення польових даних.
Варіанти реалізації попередньої обробки агрономічних даних містять, крім іншого, видалення елементів даних, що, як правило, пов'язані із сторонніми елементами даних, певними точками вимірювання даних, які відомі як такі, що занадто відхиляються від інших елементів даних, технології згладжування даних, що використовуються для видалення або зниження адитивного або мультиплікативного ефекту від спотворень, та інші технології фільтрування або вилучення даних, що використовуються для надання очищення розбіжностей між позитивними та негативними вхідними даними.
В блоці 310 сільськогосподарська інтелектуальна обчислювальна система 130 виконана із можливістю або запрограмована для виконання вибору підмножини набору даних із використанням попередньо оброблених польових даних для ідентифікації наборів даних, що придатні для початкового генерування агрономічної моделі. Сільськогосподарська інтелектуальна обчислювальна система 130 може реалізувати технологію вибору підмножини набору даних, включно з, крім іншого, методом генетичного алгоритму, методом всієї підмножини моделей, методом послідовного пошуку, методом ступінчастої регресії, оптимізацією методом рою, та методом алгоритму мурашиної колонії. Наприклад, технологія вибору за допомогою генетичного алгоритму використовує адаптивний алгоритм евристичного пошуку, що базується на еволюційних принципах натурального вибору та генетики, для визначення та оцінки наборів даних всередині попередньо оброблених агрономічних даних.
У блоці 315 сільськогосподарська інтелектуальна обчислювальна система 130 виконана із можливістю або запрограмована для реалізації оцінки масиву польових даних. У варіанті реалізації винаходу, певний масив польових даних оцінюється за рахунок створення агрономічної моделі та використання певних параметрів якості для створеної агрономічної моделі. Агрономічні моделі можуть порівнюватися із використанням технологій перевірки, включно, крім іншого, із середньоквадратичною похибкою методу виключення по одному 60 (АМ5ЕСУ), середньою абсолютною похибкою та середньою відсотковою похибкою. Наприклад,
АМ5ЕСМ може виконати перехресну перевірку агрономічної моделі за рахунок порівняння прогнозованого значення агрономічної властивості, створеного агрономічною моделлю, із попереднім значенням агрономічної властивості, яке було зібрано та проаналізовано. У варіанті реалізації винаходу, оціночна логіка агрономічного набору даних використовується у якості циклу зворотного зв'язку, де агрономічний набір даних не досягнув налаштованих параметрів якості, що використовуються під час наступних етапів вибору підмножини набору даних (блок 310).
В блоці 320 сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконана із можливістю реалізувати створення агрономічної моделі на основі перехресно перевірених агрономічних наборів даних. У варіанті реалізації винаходу, створення агрономічної моделі може реалізувати технологію множинної регресії для створення попередньо налаштованої аї рон омічної моделі даних.
В блоці 325 сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконана із можливістю зберігання попередньо налаштованої агрономічної моделі даних для подальшої оцінки польових даних. 2.5. ПІДСИСТЕМА ПРОГНОЗУВАННЯ ВРОЖАЙНОСТІ СІЛЬСЬКОГОСПОДАРСЬКОЇ
КУЛЬТУРИ НА НАЦІОНАЛЬНОМУ РІВНІ
У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130, крім інших компонентів, містить підсистему прогнозування врожайності сільськогосподарської культури на національному рівні 170. Підсистема прогнозування врожайності сільськогосподарської культури на національному рівні 170 виконана із можливістю прогнозування врожайності сільськогосподарської культури на національному рівні для певного року на основі обчислених коваріантних точок даних, що відповідають певній даті спостереження. Коваріантні дані означають незалежні змінні, що можуть використовуватися у прогнозуванні врожайності сільськогосподарської культури. У контексті даного документу коваріантні дані означають значення обчислених погодних індексів, отримані із різних записів сільськогосподарських даних, що відносяться до обстежених умов навколишнього середовища або інформації про фунт, що пов'язана із композицією сільськогосподарської землі та рівнем насиченості водою сільськогосподарського грунту. Значення обчислених погодних індексів
Зо описують та підраховують надзвичайні погодні події що можуть впливати на розвиток та врожайність сільськогосподарської культури. У варіанті реалізації винаходу записи сільськогосподарських даних із польових даних 106 та зовнішніх даних 110 використовуються для обчислення множини погодних індексів. Записи сільськогосподарських даних можуть містити, крім іншого, денні сільськогосподарські дані, пов'язані із температурою, опадами та даними вологості грунту.
У варіанті реалізації винаходу підсистема прогнозування врожайності на національному рівні 170 містить особливим чином налаштовану логіку, що містить, крім іншого, інструкції обчислення погодних індексів 171, інструкції об'єднання погодних індексів 172, інструкцій оцінки врожайності сільськогосподарської культури 173. інструкції лінійної регресії 174, інструкції генерування розподілу 175 та інструкцій із регулювання врожайності на національному рівні 176. Для кожного із перерахованих елементів в інших розділах даного документу додатково описана структура та функціональність. Кожен із елементів додатково містить інструкції, що виконуються, які завантажуються у набір з однієї або більше сторінок головної пам'яті, наприклад КАМ, у сільськогосподарській інтелектуальній обчислювальній системі 130, які при виконанні спонукають сільськогосподарську інтелектуальну обчислювальну систему 130 до виконання функцій або операцій, що описані в даному документі по відношенню до таких модулів. Наприклад, інструкції обчислення погодних індексів 171 можуть містити інструкції, що виконуються, які завантажені у набір сторінок у КАМ, що містить інструкції, які при виконанні спонукають до виконання інструкцій обчислення погодних індексів, що описані в даному документі. Такі інструкції можуть бути надані у вигляді коду, що виконується, у наборі команд
ЦІЛІ та можуть бути скомпільовані згідно похідного коду, що написаний на мові УАМА, С, Ск,
ОВОЕСТІМЕ-С або на будь-якій іншій мові програмування або середовищі, що легко може прочитати людина, як окремо, так і у комбінації із скриптами на мові "АМАЗСРВІРТ, іншими скриптовими мовами та іншим похідним програмним текстом. Термін «сторінки» призначений для опису у широкому розумінні будь-якої області всередині головної пам'яті, а специфічна термінологія, що використовується у системі, може змінюватися у широкому інтервалі, в залежності від архітектури пам'яті або архітектури процесора. В іншому варіанті реалізації винаходу, кожна з інструкцій обчислення погодних індексів 171, інструкції об'єднання погодних індексів 172, інструкцій оцінки врожайності сільськогосподарської культури 173, інструкцій бо лінійної регресії 174, інструкцій генерування розподілу 175 та інструкцій із регулювання врожайності на національному рівні 176 також можуть відображати один або більше файлів, або проектів похідного коду, що збережений в цифровому вигляді на запам'ятовуючому пристрої, наприклад, енергонезалежній КАМ або дисковому запам'ятовуючому пристрої у сільськогосподарській інтелектуальній обчислювальній системі 130 або окремій системі збереження даних, які при компіляції, або інтерпретації спонукають сільськогосподарську інтелектуальну обчислювальну систему 130 до виконання функцій, або операцій, що описані в даному документі по відношенню до таких модулів. Іншими словами, графічні матеріали можуть відображати спосіб, у який програмісти або розробники програмного забезпечення організують або пристосовують похідний код для подальшої компіляції у код, що виконується, або інтерпретації у байт-код, або еквівалент, для виконання сільськогосподарською інтелектуальною обчислювальною системою 130.
Інструкції обчислення погодних індексів 171 надають інструкції для отримання множини записів сільськогосподарських даних та обчислення значень погодних індексів, що відображають один або більше погодних індексів для одного або більше полів, що представлені множиною записів сільськогосподарських даних. Інструкції об'єднання погодних індексів 172 надають інструкції для генерування набору об'єднаних погодних індексів, що відображають набори погодних індексів для певної географічної області. Певна географічна область може складатися із одного або більше полів, що враховані. Інструкції оцінки врожайності сільськогосподарської культури 173 надають інструкції для створення коваріантних матриць для кожного об'єднаного погодного індексу. Інструкції оцінки врожайності сільськогосподарської культури 173 надають інструкції для визначення врожайності сільськогосподарської культури для заданої географічної області на основі створених коваріантних матриць. Інструкції оцінки врожайності сільськогосподарської культури 173 надають інструкції для обміну даними із інструкціями лінійної регресії 174. інструкціями генерування розподілу 175 та інструкціями із регулювання врожайності на національному рівні 176. Інструкції лінійної регресії 174 падають інструкції для визначення врожайності сільськогосподарської культури для певної географічної області із використанням функції лінійної регресії на коваріантній матриці для такої певної географічної області. Інструкції генерування розподілу 175 надають інструкції для визначення певних значень розподілу для певної географічної області. Інструкції із регулювання
Зо врожайності на національному рівні 176 надають інструкції для обчислення коефіцієнтів зміщення та похибки, що можуть бути пов'язані із неповною вибіркою врожайності для географічних областей. Інструкції оцінки врожайності сільськогосподарської культури 173 надають додаткові інструкції для використання обчислених коефіцієнтів зміщення та похибки, що надаються інструкціями із регулювання врожайності на національному рівні 176, для обчислення врожайності сільськогосподарської культури на національному рівні для певного року на основі обчисленої врожайності сільськогосподарської культури із заданих географічних областей. 2.8. ПРИКЛАД РЕАЛІЗАЦІЇ -- ОГЛЯД АПАРАТНОГО ЗАБЕЗПЕЧЕННЯ
Відповідно до одного варіанту реалізації винаходу, описані у даному документі технології, реалізовані за допомогою одного або більше обчислювальних пристроїв спеціального призначення. Пристрої спеціального призначення можуть бути реалізовані апаратно для виконання цих технологій, або можуть містити цифрові електронні пристрої, наприклад, однієї або більше спеціалізованих інтегральних схем (СІС), або логічних інтегральних схем, що програмуються (ПЛІС), які цілеспрямовано запрограмовані для виконання цих технологій, або можуть містити один або більше апаратних процесорів загального призначення, запрограмованих для виконання технологій відповідно до програмних інструкцій у вбудованому програмному забезпеченні, пам'яті, інших сховищах, або їх комбінації. Такі обчислювальні пристрої спеціального призначення також можуть бути комбінацією заказаної логіки, що реалізована апаратно, СІС, або ПЛІС, запрограмованої по заказу для виконання даних технологій. Обчислювальні пристрої спеціальною призначення можуть бути настільними комп'ютерними системами, переносними комп'ютерними системами, портативними пристроями, мережевими пристроями або будь-якими іншими пристроями, що поєднують у собі логіку, що реалізована апаратно та/або програмно, для реалізації даних технологій.
Наприклад, Фіг. 4 є функціональною схемою, що ілюструє комп'ютерну систему 400, на базі якої може бути здійснений варіант реалізації винаходу. Комп'ютерна система 400 містить шину 402 або механізм обміну даними для обміну інформацією, та апаратний процесор 404, що підключений до шини 402 для обробки інформації. Апаратний процесор 404 може бути, наприклад, мікропроцесором загального призначення.
Комп'ютерна система 400 також містить основну пам'ять 406, наприклад, пам'ять із бо довільним доступом (КАМ) або інший динамічний пристрій зберігання, що підключений до шини
402 для збереження інформації та інструкцій. які будуть виконуватися процесором 404. Головна пам'ять 406 також може використовуватися для зберігання тимчасових змінних або іншої проміжної інформації під час виконання інструкцій, які будуть виконуватися процесором 404.
Такі інструкції, при збереженні на енергонезалежному носії даних, доступ до якого має процесор 404. перетворюють комп'ютерну систему 400 у машину спеціального призначення, що налаштовується для виконання операцій, по вказані в інструкціях.
Комп'ютерна система 400 додатково містить постійний запам'ятовуючий пристрій (КОМ) 408 або інше статичний пристрій для зберігання, підключений до шини 402, для зберігання стичної інформації та інструкцій для процесора 404. Пристрій для зберігання 410, наприклад, магнітний диск, оптичний диск або твердотільний диск встановлюється та підключається до шини 402 для зберігання інформації та інструкцій.
Комп'ютерна система 400 може бути підключена за допомогою шини 402 до екрану 412, наприклад, електронно-променевої трубки (ЕПТ), для відображення інформації користувачеві комп'ютера. Пристрій введення 414, включено із цифровою та іншою клавіатурою, підключений до шини 402 для обміну інформацією та вибору команд для процесора 404. Ю(Іншим типом пристрою введення користувача є пристрій управління курсором 416, наприклад, миша, трекбол або клавіші управління курсором для передавання інформації про напрямок та вибору команд для процесора 404, та для управління переміщенням курсору на екрані 412. Такі пристрої введення, як правило, мають два ступеня свободи по двом осям, по першої осі (наприклад, Х) та по другій осі (наприклад, У), що дозволяє пристрою вказувати положення на площині.
Комп'ютерна система 400 може реалізувати технології, описані в даному документі із використанням реалізованої апаратно логіки, однієї або більше СІС або ПЛІС, вбудованого програмного забезпечення та/або програмної логіки, що у комбінації із обчислювальною системою або програмами комп'ютерної системи 400 є машиною спеціального призначення.
Відповідно до одного варіанту реалізації винаходу, описані в даному документі технології виконуються обчислювальною системою 400 у відповідь на виконання процесором 404 однієї або більше послідовностей однієї або більше інструкцій, що розміщені у пам'яті 406. Такі інструкції можуть бути прочитані із основної пам'яті 406, та з іншого носія даних, наприклад, пристрою для зберігання 410. Виконання послідовності інструкцій, що розміщені в основній
Зо пам'яті 406 спонукають процесор 404 виконувати етапи процесу, описані у даному документі.
У альтернативному варіанті реалізації винаходу, схеми, що реалізовані апаратно, можуть використовуватися замість або у комбінації із програмними інструкціями.
Термін «носій даних», що використовується в даному документі, означає будь- який енергонезалежний носій даних, що зберігає дані та/або інструкції, що спонукають машину до виконання певної роботи. Такі носії даних можуть містити енергонезалежні носії даних та/або енергозалежні носії даних. Енергонезалежні носії даних містять, наприклад, оптичні диски, магнітні диски або твердотільні пристрої, наприклад, пристрій для зберігання даних 410.
Енергозалежні носії даних містять динамічну пам'ять, наприклад, основну пам'ять 406. Загальні форми носіїв даних містять, наприклад, гнучкі магнітні диски, гнучкі диски, жорсткі диски, твердотільні накопичувачі, магнітні стрічки або магнітні носії даних, СО-ВОМ, будь-які оптичні носії даних, будь-які фізичні носії даних із розташованими отворами, ВАМ, РВОМ, та ЕРВОМ,
ЕГА5ЗН-ЕРВОМ, ММУВАМ, будь-які чип и пам'яті або картриджі.
Носії даних є віддаленими, але можуть використовуватися у поєднанні із середовищем передавання даних. Середовище передавання даних приймає участь у передаванні інформації між носіями даних. Наприклад, середовище передавання даних містить коаксіальні кабелі, мідну проволоку та оптоволоконні кабелі, включно із дротами, що містять шину 402.
Середовище передавання даних також може приймати форму акустичних або світлових хвиль, наприклад, тих, що генеруються під час обміну даними за допомогою радіохвиль або інфрачервоних хвиль.
Різні форми носіїв можуть приймати участь у підтримці однієї або більше послідовностей однієї або більше інструкцій для виконання процесором 404. Наприклад, інструкції можуть спочатку бути розміщені на магнітному диску або твердотільному накопичувачі на віддаленому комп'ютері. Віддалений комп'ютер може завантажувати інструкції у свою динамічну пам'ять та відправляти інструкції через телефонну лінію із використанням модему. Локальний модем по відношенню до комп'ютерної системи 400 може приймати дані по телефонній лінії та використовувати інфрачервоний передавач для перетворення даних у інфрачервоний сигнал.
Інфрачервоний детектор може приймати дані, що містяться в інфрачервоному сигналі, а відповідна схема може розміщувати дані у шині 402. Шина 402 передає дані в основну пам'ять 406, із якої процесор 404 вилучає та виконує інструкції. Інструкції, які отримані основною 60 пам'яттю 406, можуть додатково зберігатися на пристрої для зберігання 410 як до, так і після їх виконання процесором 404.
Комп'ютерна система 400 також містить комунікаційний інтерфейс 418. підключений до шини 402. Комунікаційний інтерфейс 418 надає двостороннє комунікаційне з'єднання із мережевим каналом 420 для обміну даними, який підключений до локальної мережі 422. Наприклад, комунікаційний інтерфейс 418 може являти собою карту інтегрованої цифрової мережі із комплексними послугами, кабельний модем, супутниковий модем або модем для надання комунікаційного з'єднання для обміну даними із відповідним типом телефонної лінії. В якості іншого прикладу, комунікаційний інтерфейс 418 може бути картою локальної мережі (І АМ), для надання комунікаційною з'єднання для обміну даними із відповідною ГАМ. Також може бути реалізований бездротовий канал з'єднання. В будь-якої із таких реалізацій, комунікаційний інтерфейс 418 відправляє та отримує електричні, електромагнітні або оптичні сигнали, що несуть у собі потоки цифрових даних, які відображають різни типи інформації.
Мережевий канал зв'язку 420, як правило, надає можливість передавання даних через одну або більше мереж до інших пристроїв даних. Наприклад, мережевий канал зв'язку 420 може надавати з'єднання через локальну мережу 422 на серверний комп'ютер 424 або обладнання для передавання даних, що знаходиться під керування постачальника послуг Інтернет (ІЗР) 426. ІЗР 426 в свою чергу надає послуги передавання даних через всесвітню мережу передавання пакетних даних, яка тепер, як правило, називається «Інтернет» 428. | локальна мережа 422, і мережа Інтернет 428 використовують електричні, електромагнітні та оптичні сигнали, що несуть у собі потоки цифрових даних. Ці сигнали, через різні мережі, та сигнали через мережевий канал зв'язку 420 та через комунікаційний інтерфейс 418, що несуть у собі цифрові дані до та від комп'ютерної системи 400, є прикладами форм середовища передавання даних.
Комп'ютерна система 400 може відправляти повідомлення та отримувати дані, включно із програмним кодом, через мережу(і), мережевий канал зв'язку 420 та комунікаційні інтерфейс 418. У прикладі мережі Інтернет, сервер 430 може передавати код, що запитується, для прикладного застосунку через Інтернет 428, ІЗР 426, локальну мережу 422 та комунікаційний інтерфейс 418.
Отриманий код може виконуватися процесором 404, так як він отриманий та/або
Зо зберігається у пристрої для зберігання 410, або іншому енергонезалежному сховищі для подальшого виконання. 3. ФУНКЦІОНАЛЬНИЙ Огляд - ПРОГНОЗУВАНЯ ВРОЖАЙНОСТІ
СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ НА НАЦІОНАЛЬНОМУ РІВНІ ПРОТЯГОМ
ВЕГЕТАЦІЙНОГО ПЕРІОДУ
Фі. 5 ілюструє блок-схему, що відображає процес визначення врожайності сільськогосподарської культури на національному рівні для певного року із використанням обчислених коваріантних точок даних на більш деталізованому рівні. Фіг. 5 може бути реалізована в одному варіанті реалізації винаходу за рахунок програмування елементів сільськогосподарської інтелектуальної обчислювальної системи 130 для виконання функцій, що описані в даному розділі, які можуть відображати розкриття алгоритму для реалізації на комп'ютері функцій, що описані. Для ілюстрації простого прикладу Фіг. 5 описана відповідно до певних елементів на Фіг. 1. Тім не менш, інші варіанти реалізації Фіг. 5 можуть бути реалізовані на практиці у багатьох інших контекстах, а посилання в даному документі на елементи на Фіг. 1 надаються виключно в якості прикладів, га не направлені на обмеження широкого об'єму винаходу і а Фіг. 5. 3.1 ІНСТРУКЦІЇ ОБЧИСЛЕННЯ ПОГОДНИХ ІНДЕКСІВ
На етапі 505 зовнішні дані 110 отримуються сільськогосподарською інтелектуальною обчислювальною системою 130. Наприклад, комунікаційний рівень 132 сільськогосподарської інтелектуальної обчислювальної системи 130 може отримувати зовнішні дані 110 із комп'ютеру серверу зовнішніх даних 108. Зовнішні дані 110 можуть містити, крім іншого, значення отриманих добових температур, добових опадів та добової вологості грунту.
У варіанті реалізації винаходу зовнішні дані 110 отримані комунікаційним рівнем 132 та збережені у сховищі моделей та польових даних 160 для використання інструкціями обчислення погодних індексів 171. У варіанті реалізації винаходу сховище зовнішніх даних 110 може бути організовано та збережено у вигляді часових послідовностей на основі полів, одиниць суспільної землі (СІ) або інших позначень, що враховують специфіку географічної області. «Часові послідовності» у даному описі винаходу означають цифрові дані, що можуть бути збережені у електронному вигляді у головній пам'яті або у цифрових електронних пристроях для зберігання, пов'язаних із сільськогосподарською інтелектуальною обчислювальною 60 системою 130, та містять збір значень даних, що відображають певну область протягом множини проміжків часу. Наприклад, часові послідовності максимальних температур можуть містити значення денної максимальної температури для полів, що враховані протягом певного періоду часу. Інші скомпільовані часові послідовності, що враховують специфіку поля, містять значення добових опадів, добового витоку води, добової вологості грунту, або інші температурні дані, наприклад, добову мінімальну температуру.
На етапі 510 інструкції обчислення погодних індексів 171 надають інструкції для обчислення погодних індексів на основі різноманітних часових послідовностей, що враховують специфіку поля, скомпільованих на етапі 505. У варіанті реалізації винаходу певні погоди і індекси відображають кількість стресів, яким піддавалася сільськогосподарська культура протягом заданого періоду часу у межах життєвого циклу рослини. По годні індекси використовуються для підрахунку надзвичайних погодних явищ, наприклад, високих або низьких температур, важких опадів або злив, або вологості грунту, що можуть спонукати стрес для розвитку сільськогосподарської культури та негативно вплинути на оптимальну врожайність сільськогосподарської культури.
У варіанті реалізації винаходу погодний індекс може бути обчислено як суму добових погодних значень, що перевищують задане граничне значення протягом певного періоду часу.
Часові періоди можуть вимірюватися на одному або більше етапах, що описують фенологію сільськогосподарської культури для видів рослин. Фенологія сільськогосподарської культури - це етап життєвого циклу видів рослин від саджання до збору врожаю. У варіанті реалізації винаходу фенологія сільськогосподарської культури може бути розділена на різні етапи, кожен з яких ідентифікує певний період у розвитку рослини. Під час обчислення погодного індексу розглядаються тільки отримані погодні явища, що ідентифіковані як надзвичайні погодні умови.
Певне граничне значення для добових вимірювань погодних умов можуть використовуватися для визначення чи є надзвичайними денні вимірювання погодних умов. Наприклад, якщо денні вимірювання погодних умов перевищують певне граничне значення, то денні погодні вимірювання розглядаються як надзвичайні та використовуються у обчисленні погодних індексів.
У варіанті реалізації винаходу інструкції обчислення погодних індексів 171 надають інструкцію для обчислення погодних індексів для погодних явищ, що містять, крім іншого, стрес, викликаний затопленням, стрес від посухи, стрес, викликаний ранньою посухою, денний тепловий стрес та нічний тепловий стрес. В іншому варіанті реалізації винаходу інструкції обчислення погодних індексів 171 можуть надавати інструкції для обчислення погодних індексів, що фокусуються на певних етапах у межах фенології сільськогосподарської культури.
Наприклад, інструкції обчислення погодних індексів 171 можуть обчислювати значення стресу від посухи для етапів один та два, де етап один стрес від посухи містить денні вимірювання погодних умов з вегетативного етапу 8 до вегетативного етапу 16 життєвого циклу фенології, а етап два стресу від посухи містить денні вимірювання погодних умов з репродуктивного етапу до циклу два життєвого циклу фенології. Обчислення погодних індексів та моделі фенології кукурудзи описані більш детально в розділі ПОГОДНІ ІНДЕКСИ даного документу. 3.2 ІНСТРУКЦІЇ ОБ'ЄДНАННЯ ПОГОДНИХ ІНДЕКСІВ
На етапі 515 інструкції об'єднання погодних індексів 172 спонукають створення одного або більше погодних індексів, кожен з яких відображає певну географічну область. Наприклад, географічна область може бути задана як штат виробництва сільськогосподарської культури, наприклад. Айова. В цьому випадку інструкції об'єднання погодних індексів 172 містять інструкції для отримання кожного погодного індексу, що враховує специфіку географічної області, який відображає географічну локацію в межах границь штату Айова та об'єднують їх для створення одиночної послідовності даних об'єднаних погодних індексів для такого певного типу погодних індексів. Наприклад, об'єднані погодні індекси для Айови містять послідовності даних погодних індексів: стрес, викликаний затопленням (етап один), стрес від посухи (етапи один, два та три), струс від ранньої посухи (етап один), денний тепловий стрес (етапи один, два та три), та нічний тепловий стрес (етап один). 3.3. ВИЗНАЧЕННЯ ВРОЖАЙНОСТІ СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ ДЛЯ
ГЕОГРАФІЧНОЇ ОБЛАСТІ
На етапі 520 інструкції оцінки врожайності сільськогосподарської культури 173 спонукають вибір характерних ознак, що відображають кожен з множини об'єднаних погодних індексів.
Обчислення при моделюванні врожайності для сільськогосподарської області із використанням усіх точок даних є дуже витратними; таким чином в одному варіанті реалізації винаходу можуть використовуватися характерні ознаки, що відображають кожен об'єднаний погодний індекс. У варіанті реалізації винаходу середні значення для кожного об'єднаного 60 погодного індексу обчислюється та використовується для відображення об'єднаного погодного індексу для географічної області В іншому варіанті реалізації винаходу може використовуватися середнє значення для кожного погодного індексу для відображення кожного об'єднаного погодного індексу. Ще в одному іншому варіанту реалізації винаходу інші характерні ознаки можуть бути обчислені із кожного об'єднаного погодного індексу для відображення певних погодних індексів.
У варіант і реалізації винаходу, інструкції оцінки врожайності сільськогосподарської культури 173 надають інструкції для створення коваріантної матриці для кожної заданої географічної області, створеної з обраних характерних ознак, що були раніше визначені із множини об'єднаних погодних індексів. Кожна створена коваріантна матриця використовуючи такий підхід порівнює набір цифрових даних, що збережені в електронному вигляді всередині сховища моделей та польових даних 160. Для прикладу, коваріантна матриця для географічної області, що відображає штат Айова буде містити середнє значення для кожного типу погодних індексів, визначених із множини полів, що враховані, у межах штату Айова.
На етапі 525 визначається врожайність сільськогосподарської культури для певної географічної області. Інструкції оцінки врожайності сільськогосподарської культури 173 спонукають визначення врожайності сільськогосподарської культури для певної географічної області за рахунок запиту інструкцій лінійної регресії 174 для визначення прогнозованої врожайності сільськогосподарської культури із використанням коваріантної матриці для певної географічної області. Інструкції лінійної регресії 174 спонукають визначення прогнозованої врожайності сільськогосподарської культури за рахунок створення моделі лінійної регресії.
Модель лінійної регресії є підходом для моделювання співвідношення між залежною змінною та незалежними змінними. В контексті даного документу, залежна змінна є врожайністю сільськогосподарської культури для певної географічної області, та одна або більше незалежних змінних є коваріантними значеннями у коваріантній матриці. Модель лінійної регресії вважає, що співвідношення між залежною змінною та однією або більше незалежних змінних є лінійним. Лінійне співвідношення змодельоване з врахуванням величини похибки є, що є нес постереженою випадковою змінною. Статистична оцінка введена із використанням коефіцієнта регресії р.
У варіанті реалізації винаходу, інструкції лінійної регресії 174 надають інструкцію для
Зо визначення врожайності сільськогосподарської культури для певної географічної області та певного року із використанням логіки, що реалізує наступні функції:
Тих г ) Вус обу ча 5 де: їх : дорівнює врожайності сільськогосподарської культури для певної географічної області 5 певного року ї.
С
Хм - дорівнює транспонованій коваріантній матриці географічної області 5 у року Її до дати обстеження.
В. : дорівнює коефіцієнту регресії для географічної області 5.
Ем : дорівнює величині похибки географічної області 5 у року Ї.
Для визначення інструкціями лінійної регресії 174 врожайності сільськогосподарської культури для певної географічної області, вони спочатку визначають коефіцієнт регресії В та величину похибки є.
Наприклад, інструкції генерування розподілу 175 можуть бути запрограмовані на визначення коефіцієнта регресії В га величин и похибки є для заданого штату та заданого року. Інструкції лінійної регресії 174 запитують інструкції генерування розподілу 175 на повернення коефіцієнтна регресії В та величини похибки є для заданої географічної області та року. У варіанті реалізації винаходу інструкції генерування розподілу 175 можуть використовувати ретроспекі явні дані визначення коефіцієнтна регресії В та величини похибки є. Інструкції генерування розподілу 175 запрограмовані на визначення коефіцієнта регресії ВД та величини похибки є за рахунок використання незалежних та рівномірно розподілених випадкових змінних із нормального розподілу, як проілюстровано нижче.
бета Во, Хо) га -а ма, с
Нормальний розподіл є функцією, що відображає розподіл багатьох випадкових змінних у вигляді симетричного дзвіноподібного графа. Це позначено функцією М(Н,о), де н відображає середнє значення або математичне очікування розподілу, а о- відображає величину відхилення.
В цьому випадку, функції нормального розподілу є незалежними та рівномірно розподіленими випадковими змінними, таким чином, кожна випадкова змінна має той самий вірогідний розподіл як і інші, та всі випадкові змінні є взаємно незалежними.
У варіанті реалізації винаходу у залежності від того, коли ініційоване прогнозування, інструкції генерування розподілу 175 можуть визначати постійний коефіцієнт регресії або змінний коефіцієнт регресії. Постійний коефіцієнт означає, що інструкції генерування розподілу 175 визначають коефіцієнт регресії р із використанням ретроспективних даних із усіх доступних географічних областей та створюють значення коефіцієнта регресії ДВ, яке буде використовуватися для всіх географічних областей. В результаті чого Ма бю. В вх для всіх географічних областей із в.. Ба), Змінний коефіцієнт означає, що інструкції генерування розподілу 175 визначають значення певного коефіцієнтна регресії В для певної географічної області із використанням ретроспективних даних із певної географічної області.
Наприклад, інструкції генерування розподілу 175 можуть використовувати ретроспективні дані, що враховують специфіку географічної області 5 для визначення коефіцієнта регресії Ве для певної географічної області.
У варіанті реалізації винаходу при обчисленні однакового коефіцієнтна регресії ВД інструкції генерування розподілу 175 можуть використовувати ретроспективні дані із множини географічних областей для визначення коефіцієнтна регресії В що використовується усіма географічними областями. Призначенням використання множини географічних областей є наступне: якщо дані раннього сезону не містять достатньої кількості сигналів даних у наборі даних для кожного регіону для окремого обчислення коефіцієнтна регресії Ве, то корисно комбінувати дані раннього сезону у окремий набір даних, а обчислення однакового коефіцієнту регресії В може використовуватися для надання точних результатів врожайності сільськогосподарської культури.
У варіанті реалізації винаходу, інструкції генерування розподілу 175 можуть надавати
Зо ретроспективні дані дати обстеження, що можуть використовуватися для визначення чи використовують інструкції генерування розподілу 175 ретроспективні дані, що враховують специфіку однієї географічної області або ретроспективні дані із множини географічних областей. У варіанті реалізації винаходу ретроспективні дані дати обстеження можуть бути налаштовані інструкціями генерування розподілу 175.
Фіг. 6 ілюструє приклад процесу визначення того, чи обчислені постійні параметри регресії або змінні параметри регресії. На етані 605 інструкції генерування розподілу 175 визначають чи містять ретроспективні дані, що отримані, дані, що були отримані після дати припинення збору ретроспективних даних. Дата припинення збору ретроспективних даних є датою обстеження, що виконана з можливістю визначати, чи використовувати постійний коефіцієнт регресії ВД, чи змінний коефіцієнт регресії В5. Наприклад, якщо дата припинення збору ретроспективних даних встановлена на 15 липня поточного року, то якщо прогнозування врожайності на національному рівні виконується до дати припинення збирання ретроспективних даних, то інструкції генерування розподілу 175 будуть використовувати дані, надані із множини географічних областей для визначення точного постійного коефіцієнту регресії ВД. Тім не менш,якщо прогнозування врожайності на національному рівні виконується після дати припинення збору ретроспективних даних, то інструкції генерування розподілу 175 можуть визначати змінний коефіцієнт регресії До із використанням тільки ретроспективних даних для географічної області, що є об'єктом спостереження.
Етап 610 відображає сценарій , у якому отримані ретроспективні дані були отримані на дату або до дати обстеження ретроспективних даних 15 липня. У цьому сценарію інструкції генерування розподілу 175 обчислюють постійний коефіцієнт регресії В із ретроспективних даних з усіх доступних географічних областей.
Етап 615 відображає сценарій , у якому отримані ретроспективні дані містять дані, що отримані після дати обстеження ретроспективних даних 15 липня. У цьому сценарію інструкції генерування розподілу 175 обчислюють змінний коефіцієнт регресії В5 із використанням тільки ретроспективних даних для географічної області, що є об'єктом спостереження.
Етап 620 відображає інструкції генерування розподілу 175, що надають визначений коефіцієнт регресії ВД як для постійного так і для змінного коефіцієнту, та значення величини похибки є для інструкцій лінійної регресії 174.
У варіанті реалізації винаходу інструкції генерування розподілу 175 можуть надавати додаткові інструкції, які гарантують, що постійний коефіцієнт регресії В більш сприятливий для прогнозування врожайності сільськогосподарської культури за рахунок необхідності того, щоб коефіцієнт регресії В мав негативне значення, так як виміряні погодні індекси описують стрес сільськогосподарської культури, що має негативний вплив на врожайність сільськогосподарської культури.
У варіанті реалізації винаходу в залежності від погоди інструкції генерування розподілу 175 визначають постійний коефіцієнт регресії В або набір змінних коефіцієнтів регресії В5, при цьому інструкції лінійної регресії 174 визначають врожайність для певної географічної області та року, що надаються інструкціями оцінки врожайності 173. Визначена врожайність для певної географічної області є очікуваним значення для врожайності сільськогосподарської культури певної географічної області. Інструкції лінійної регресії 174 надають інструкції для повернення очікуваного значення врожайності сільськогосподарської культури для інструкцій оцінки врожайності сільськогосподарської культури 173. Інструкції оцінки врожайності сільськогосподарської культури 173 надають інструкції для повторення цього процесу для визначення врожайності всіх географічних областей, що мають коваріантну матрицю, із використанням як постійного коефіцієнта регресії ВД так і набору змінних коефіцієнтів регресії 5. 3.4. ВИЗНАЧЕННЯ ВРОЖАЙНОСТІ /СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ /- НА
НАЦОНАЛЬНОМУ РІВНІ
На етапі 530 врожайність на національному рівні визначається для певного року із використанням раніше визначеної врожайності сільськогосподарської культури для множини певних географічних областей та враховуючи окремі національні коефіцієнті коригування.
Наприклад, інструкції оцінки врожайності сільськогосподарської культури 173 визначають врожайність на національному рівні для певного року із використанням раніше визначеної
Зо врожайності сільськогосподарської культури для географічної області з врахуванням певних національних факторів коригування. Інструкції оцінки врожайності сільськогосподарської культури 173 спочатку відправляють врожайність сільськогосподарської культури для набору географічних областей до інструкцій із регулювання врожайності на національному рівні 176.
Інструкції із регулювання врожайності на національному рівні. 176 визначають, яку вагу мас кожна географічна область по відношенню до іншої. Наприклад, кожна географічна область відображає різних штат, що виробляє кукурудзу. Якщо штат Айова виробляє вдвічі більше кукурудзи, ніж штат Небраска, то зважений коефіцієнт штату Айова буде вдвічі більшим, ніж зважений коефіцієнт штату Небраска. Так як кожна врожайність сільськогосподарської культури для певної географічної області, що отримана інструкціями із регулювання врожайності на національному рівні 176, є прогнозом, то інструкції із регулювання врожайності на національному рівні 176 використовують три коефіцієнти зміщення 557» Ф, для врахування зміщень та похибок, до яких призводить неповна вибірка у межах географічних областей. Потім інструкції із регулювання врожайності на національному рівні 176 повертають вагові коефіцієнти, що відповідають кожній географічній області та коефіцієнти зміщення для інструкцій оцінки врожайності сільськогосподарської культури 173. Потім інструкції оцінки врожайності сільськогосподарської культури 173 запитують нормальний розподіл із інструкцій генерування розподілу 175, де середнє значення та зміни є сумою врожайностей сільськогосподарської культури із географічних областей із врахуванням коефіцієнтів зміщення.
Нижче наведена нормальна функція розподілу для врожайності на національному рівні: . її ок оо Сх. з. о У Ма у Хе Ул, У в в с с)
Нижче наведена нотація:
Віз : дорівнює очікуваному значенню їз
Уйє: дорівнює зваженому значенню, заданому для кожної географічної області по відношенню до інших географічних областей для такого заданого року. ще
За : дорівнює відхиленню дія певної еографічної області. де ТУСЕМа. дорівнює сумі значень врожайності сільськогосподарської культури для географічної області, помножених на їх відповідні вагові коефіцієнти. аеро. ше с. : є першим, другим та третім національними коефіцієнтами зміщення. є : дорівнює сумі відхилень, що враховують специфіку географічної області, помножених на їх відповідні вагові коефіцієнти у квадраті.
Після обчислення прогнозованої врожайності сільськогосподарської культури із використанням інструкції генерування розподілу 175, інструкції оцінки врожайності сільськогосподарської культури 173 створюють оцінку врожайності сільськогосподарської культури для певного року, що запитується.
У варіанті реалізації винаходу оцінка врожайності сільськогосподарської культури на національному рівні містить набір значень, що містять, крім іншого, значення врожайності сільськогосподарської культури на національному рівні, прогнозований інтервал для значення врожайності сільськогосподарської культури на національному рівні, та набір розподілу, що пов'язаний із прогнозованим значенням врожайності сільськогосподарської культури на національному рівні. У варіанті реалізації винаходу інструкції оцінки врожайності сільськогосподарської культури 173 можуть створювати оцінку врожайності сільськогосподарської культури, що містить набір значень, пов'язаних як із рівнем штату, так з регіональним рівнем.
Прогнозований інтервал, що пов'язаний із врожайністю сільськогосподарської культури на національному рівні, є діапазоном, обчисленим із використанням інструкцій оцінки врожайності сільськогосподарської культури 173, що, як очікується, вкриває справжні значення врожайності на національному рівні із певною вірогідністю. Коли вірогідність покриття справжньої врожайності на національному рівні зафіксована, точні прогнозовані інтервали надають більш достовірну точність прогнозування врожайності на національному рівні. Наприклад, інструкції оцінки врожайності сільськогосподарської культури 173 можуть бути виконані із можливістю обчислення прогнозованого інтервалу, що, як очікується, вкриває справжню врожайність сільськогосподарської культури цього періоду часу на 9095. В цьому прикладі, якщо прогнозована врожайність сільськогосподарської культури на національному рівні становить 165 бушелів на акр та прогнозований діапазон інтервалу є дуже малим, наприклад, 155 - 170 бушелів на акр, то достовірність, що пов'язана із прогнозованою врожайністю
Зо сільськогосподарської культури на національному рівні є дуже високою, так як більше 90 95 результатів прогнозів знаходяться у дуже вузькому інтервалі значень. Тім не менш, якщо попередній приклад прогнозованого інтервалу складає 120 - 200 бушелів на акр, то достовірність, що пов'язана із прогнозованою врожайністю сільськогосподарської культури на національному рівні, буде низькою, так як для досягнення такої ж вірогідності покриття справжньої врожайності на національному рівні необхідним є діапазон у 80 бушелів на акр замість 15 бушелів на акр. Перевагою отримання пов'язаного прогнозованого інтервалу є те, що це дозволяє користувачеві краще розуміти достовірність, що лежить в основі прогнозованого значення врожайності сільськогосподарської культури на національному рівні.
У варіанті реалізації винаходу, набір розподілу, пов'язаний із прогнозованим значенням врожайності сільськогосподарської культури на національному рівні, може бути обчислений для надання додаткової інформації про прогнозовану врожайність сільськогосподарської культури на національному рівні. Для прикладу, за рахунок надання повного набору розподілу, користувач може додатково обчислювати ризики, доходи та інші прогнози на основі набору розподілу значень врожайності. 4. ПОГОДНІ ІНДЕКСИ
Як описано вище, індекси стресу для сільськогосподарської культури використовуються для визначення екстремальних випадків, що можу ть призводити до стресу сільськогосподарської культури під час розвитку та можуть негативно впливати на оптимальну врожайність сільськогосподарської культури. Типи погодних індексів містять, крім іншого, стрес, викликаний затопленням, стрес, викликаний посухою, денний тепловий стрес, нічний тепловий стрес, стрес, викликаний ранньою посухою. Кожен з описаних типів погодних індексів обчислений із використанням отриманих сільськогосподарських даних протягом певного періоду. У варіанті реалізації винаходу певний період, що використовується для обчислення погодного індексу може бути вилучений із життєвого циклу сільськогосподарської культури, що зветься фенологією сільськогосподарської культури. 41 ФЕНОЛОГІЯ СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ
Життєвий цикл саджанців вимірюється із використанням етапів розвитку під час росту, що починаються із саджання та закінчуються фізіологічною зрілістю. У кукурудзи етап зрілості також відомий як етап шару черні. Фіг. 7 ілюструє приклад варіанту етапів розвитку кукурудзи.
Етапи розвитку кукурудзи можуть бути поділені на два головних етапи - вегетативний етап та репродуктивний етап. Вегетативні етапи розвитку є етапами, на яких саджанець кукурудзи розвивається від насіння до повністю сформованого саджанця. Вегетативні етапи розвитку характеризуються збільшенням біомаси сільськогосподарської культури, розвитком коренів, стебла та листя, та його підготовкою до репродукції. Вегетативні етапи розвитку починаються із стадії сходів, що позначаються «МЕ», та закінчуються повною видимою кісточкою «МТ». Сходи кукурудзи (МЕ) означають перший видимий із землі вузол саджанця кукурудзи. Повна видима кісточка (МТ) означає етап, на якому повністю є видимою кісточка, що при запиленні формує квітки. Між етапами МЕ та МТ існують багато вегетативних етапів, що, як правило, позначені цифрами, які описують розвиток саджанця кукурудзи за допомогою того, як багато верхнього листя є видимим із листовим вузлом. Наприклад, «У2» означає етап розвитку, на якому два листа повністю витягнулися до видимого листового вузла, а «М12» означає етап розвитку, на якому дванадцять листків повністю витягнулися до видимого листового вузла.
Репродуктивні етапи описують етапи, що починаються з того моменту, коли запилення може призвести до фізичного дозрівання саджанця кукурудзи. Репродуктивні етапи починаються з викидання маточних стовпчиків «К1»Та закінчуються фізіологічним дозріванням «Кб», також відомим як етап шару черні. Між етапами КІ! та Кб знаходяться етапи, що відносяться до розвитку саджанця кукурудзи. Наприклад. «К2» є етапом бульбашки, на якому зерна мають білий колір та схожі за формою на бульбашку. Етап «КЗ» є молочним етапом, на якому зерна мають жовтий колір зовні із молочною внутрішньою рідиною. Етап «К4» є фазою воскової стиглості, на якій молочна внутрішня рідина ущільнюється до пастоподібної консистенції. Етап «К5»с етапом сліду на зерні, на якому зерна демонструють механічний слід від нігтя.
Фенологічні етапи саджанця кукурудзи можуть бути відстеженні на основі зовнішніх факторів, що проявляються на окремих саджанцях кукурудзи. Наприклад, фенологічний розвиток саджанців кукурудзи сильно залежить від накопичення тепла саджанцями, яке сприяє розвитку саджанця. Накопичення тепла може бути оцінене за рахунок відстеження максимальної та мінімальної денної температури на або поблизу поля. У варіанті реалізації винаходу градусо-дні росту (5300) використовуються для відстеження різноманітних етапів розвитку саджанця кукурудзи. Градусо-дні росту (500) можуть бути обчислені із використанням
Зо різних отриманих даних та різних граничних значень. Наприклад, градусо-дні росту (500) можуть бути обчислені як: 2 к райу СВО ех Твах ул - Тнахе
Гах ви» де 2 є середньою добовою температурою, що обчислена за рахунок максимальної та мінімальної температури. Тьзазее Є нижнім граничним значенням температури, коли не спостерігається значного розвитку саджанця. У варіанті реалізації винаходу граничне значення може бути встановлене для Ттах Ттіп, Наприклад, граничне значення 86 "ЕЕ (30 С) може бути встановлене для Ттах таким чином, що Ттах встановлюється на 86 "РЕ (30 "С) коли температура перевищує 86 "Е (30 "С), а граничне значення 50 "Е (10 "С) може бути встановлене для Ттіп таким чином, що Ттліп встановлюється на 50 "Е (10 "С) коли температура падає нижче
БО г (107).
Таким чином, коли середня денна температура не перевищую нижнє граничне значення температури, не спостерігається розвиток саджанця кукурудзи. Фіг. 8 ілюструє приклад таблиці, де кількість днів ступеню зростання використовується для визначення початку та закінчення різних фенологічних етапів розвитку. Наприклад, після 177 градусо-днів росту (500) починається етап М2 для саджанця кукурудзи. На 1240 градусо-день росту починається репродуктивний етап К1. Незважаючи на те, що Фіг. 9 ілюструє, головним чином, різноманітні фізіологічні етапи розвитку для певної сільськогосподарської культури, у варіанті реалізації винаходу різні типи насіння можуть досягати фізіологічних етапів у різний час. Наприклад, граничне значення для етапу М2 саджанця кукурудзи із високим значенням відносного дозрівання, як зображено на Фіг. 9, може настати після 177 градусо-днів росту (500).
Вимірювання градусо-днів росту (5300) особливо корисне, коли визначення певних погодних умов вказує на співвідношення із різними етапами розвитку під час зростання саджанця кукурудзи. . 4,2. СТРЕС, ВИКЛИКАНИЙ ЗАТОПЛЕННЯМ
Затоплення полів є несприятливим для розвитку кукурудзи. Наприклад, стала вода може вкрити верхні частини саджанців кукурудзи, що може призвести до їхнього страждання від надлишку води та збіднення рівня кисню у фунті. Нестача кисню у грунті може перешкоджати виконанню саджанцем функцій, наприклад, поглинання біогенних речовин та води, що негативно впливає на загальну врожайність сільськогосподарської культури. Стрес, викликаний затопленням, може використовуватися для кількісного визначення негативного впливу зафіксованого затоплення для точного прогнозування врожайності сільськогосподарської культури. У варіанті реалізації винаходу стрес, викликаний затопленням, обчислюється як сума денного витоку води, що перевищує вищезгадане певне граничне значення витоку води. Виток води означає, що вода, яка не поглинається грунтом, протікає зверху грунту. При вимірюванні витоку деякий витік може бути результатом того, що вода не поглинається так швидко, як заплановане зрошення доставляє воду. Таким чином, тільки такий витік, що перевищує допустиме граничне значення, розглядається як такий, що сприяє затопленню. Наприклад, якщо допустиме граничне значення для иоля налаштоване як 3,75 дюйми (9,53 см), то будь- який виміряний витік вище 3,75 дюйми (9,53 см) зараховується до загальної кількості витоку для обчислення стресу, викликаного затопленням. У варіанті реалізації винаходу перший етап стресу, викликаного затопленням, може бути обчислений як сума денного витоку, що перевищує 3,75 дюйми (9,53 см) протягом періоду від насіння до М8, де перший етап вкриває період від саджання до У8. В інших варіантах реалізації винаходу граничне значення може бути налаштоване на основі композиції грунту та швидкості поглинання води грунтом. 4.3. СТРЕС, ВИКЛИКАНИЙ ПОСУХОЮ
Невідповідна вологість грунту під час періоду розвитку може призводити до зниження врожайності кукурудзи, так як засвоювання біогенних речовин, поглинання та транспортування зменшується без необхідної кількості води у грунті. Індекс стресу, викликаного посухою, може використовуватися для підрахунку рівня невідповідності вологи грунту протягом різних етапів розвитку сільськогосподарської культури. У варіанті реалізації винаходу стрес, викликаний посухою, обчислюється як сума записів денної вологості грунту, із часових послідовностей вологості грунту, що є нижчими певного граничного значення. Наприклад, якщо певне граничне значення посухи нижче 2095, то всі записи денної вологості грунту, що є нижчими 2095 підсумовуються разом протягом виміряних етапів розвитку для створення погодного індексу стресу, викликаного посухою. У варіанті реалізації винаходу перший етап стресу, викликаного посухою, обчислюється як сума всіх записів денної вологості фунту між етапами М8 та М16, де
Зо значення вологості грунту є нижчими ніж граничне значення посухи у 20 9о. В інших варіантах реалізації винаходу стрес, викликаний посухою, може бути обчислений як другий етап та третій етап стресу, викликаного посухою, де другий етап вкриває етапи розвитку від КІ до Ка, а третій етап вкриває етапи розвитку від КЗ до К5.
У варіанті реалізації винаходу денні записи вологості грунту можуть бути отримані із часових послідовностей вологості грунту, що враховують специфіку поля або географічної області, що є об'єктом спостереження. Часові послідовності вологості грунту можуть бути згенеровані із гідрологічної моделі, що моделює переміщення води крізь грунт. У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 може створювати гідрологічну модель на основі записів вологості грунту, наприклад, як у звичайній заявці 14/842 321, повний зміст якої включено в даний документ за допомогою посилання. 4.4. СТРЕС, ВИКЛИКАНИЙ РАННЬОЮ ПОСУХОЮ
Як описано вище, невідповідна вологість грунту протягом періодів розвитку може призвести до зниження врожайності кукурудзи, зокрема, на ранніх етапах розвитку. У варіанті реалізації винаходу стрес, викликаний ранньою посухою, може бути виміряний як сума кількості опадів мінус витік, коли денні опади мінус витік знаходяться у діапазоні від нуля до 2,5 дюймів (6,35 см). Опади мінус витік дорівнюють кількості води, яку поглинув грунт. Тільки за рахунок підрахунку води, що поглинув фунт, коли значення було менше 2,5 дюймів (6,35 см), стрес, викликаний ранньою посухою, визначає, що була поглинута невелика кількість води. У варіанті реалізації винаходу стрес, викликаний ранньою посухою, вкриває діапазон від саджання до Уб. 4.5. ДЕННИЙ ТЕПЛОВИЙ СТРЕС
Висока денна температура є вкрай несприятливою для розвитку сільськогосподарської культури кукурудзи. Висока денна температура, вище певного значення температури, може негативно впливати на розвиток кукурудзи протягом вегетативного та репродуктивного етапів, та може негативно впливати на врожайність кукурудзи.
Додатково, екстремальна денна температура може викликати передчасне висихання грунту, що може призвести до посухи. У варіанті реалізації винаходу денний тепловий стрес може бути обчислений як сума кількості градусів за Фаренгейтом для кожного дня, коли температура перевищує граничне значення.
Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може 60 обчислювати денний тепловий стрес протягом періоду, що вкриває етапи від М10 до М16, де визначене граничне значення дорівнює 93 градусам за Фаренгейтом (33,97). В даному прикладі, кожна денна максимальна температура між етапами розвитку з М10 до М16 вимірюється для визначення, чи перевищує вона 93 градуси за Фаренгейтом. Якщо жодна із денних температур не перевищує 93 градуси за Фаренгейтом, то денний тепловий стрес протягом цього періоду буде дорівнювати нулю. Тім не менш, якщо максимальна температура між етапами розвитку М10 та М16 перевищує 93 градуси за двічі, та кожного разу дорівнює 100 градусам, то денний тепловий стрес буде дорівнювати сумі (100-93)-7 для обох днів, та буде дорівнювати 14 градусам для цього періоду.
У варіанті реалізації винаходу інструкції обчислення погодних індексів 171 надають інструкцію для визначення першого етапу денного теплового стресу коли перший етап містить: фенологічні етапи від М1О0 до МІб, та визначене граничне значення на рівні 93 градуси. У варіанті реалізації винаходу інструкції обчислення погодних індексів 171 надають інструкцію для обчислення другого етапу та третього етапу денного тепловою стресу, коли другий етап охоплює етапи від К1 до К2. а тертій етап охоплює етапи від КЗ до К5, при цьому визначене граничне значення температури становить 93 градуси за Фаренгейтом. 4.6. НІЧНИЙ ТЕПЛОВИЙ СТРЕС
Висока нічна температура є несприятливою для розвитку кукурудзи. Висока нічна температура може викликати протягом ночі метаболізм цукру у саджанців кукурудзи з високою швидкістю. Це може призвести до надмірного вживання саджанцем цукру протягом періоду розвитку, замість виділення цукру для формування зерен. Високий метаболізм саджанця протягом ночі може призвести до зменшення врожайності, так як саджанець не має достатньо ресурсів для формування здорових зерен протягом репродуктивного періоду. Нічний тепловий стрес може бути обчислений як сума кількості градусів за Фаренгейтом для кожної ночі, коли температура перевищує встановлене граничне значення. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може обчислювати нічний тепловий стрес як суму мінімальних денних температур, що є вищими ніж мінімальне граничне значення температури, яке дорівнює 70 градусам за Фаренгейтом (21,1 "С). У варіанті реалізації винаходу інструкцій обчислення погодних індексів 171 надають інструкції для обчислення першого етапу нічного теплового стресу, коли перший етап вкриває етапи від К! до К5, при цьому мінімальне
Зо граничне значення температури становить 70 градусів за Фаренгейтом. 5. ПЕРЕВАГИ ПЕВНИХ ВАРІАНТІВ РЕАЛІЗАЦІЇ ВИНАХОДУ
Використовуючи технології, що описані у даному документі, комп'ютер може надавати дані врожайності сільськогосподарської культури на національному рівні, які у іншому випадку є недосяжними. Наприклад, технології, що описані в даному документі, дозволяють визначити прогноз врожайності сільськогосподарської культури на національному рівні за рахунок використання отриманих записів сільськогосподарських даних, зібраних з різних полів країни.
Продуктивність сільськогосподарської інтелектуальної обчислювальної системи підвищується із використанням технологій, що описані у даному документі, за рахунок створення точних моделей із високою обчислювальною ефективністю, знижуючи, таким чином, об'єм пам'яті, що використовується для моделювання загальної врожайності сільськогосподарської культури для всіх полів, що враховані у межах країни. Додатково, технології, що описані в даному документі, можуть використовуватися для створення параметрів застосування для контролеру застосунку, підвищуючи, таким чином, продуктивність сільськогосподарського обладнання, що контролюється контролером застосунку. 6. ДОДАТКОВІ ТА АЛЬТЕРНАТИВНІ ВАРІАНТИ
У попередньому описі, варіанти реалізації винаходу описані із посиланням на численні специфічні деталі, що можуть змінюватися в залежності від варіанту реалізації. Відповідно, опис та графічні матеріали слід розглядати у ілюстративному, а не обмежувальному сенсі.
Виключним і єдиним показником об'єму даного винаходу, та тим, що припускалося заявниками як об'єм даного винаходу, є літеральним та еквівалентним об'ємом формули винаходу, що випливає з даної патентної заявки у специфічній формі, в якій така формула винаходу опублікована, включно із будь-якими наступними змінами.
Claims (3)
1. Спосіб визначення врожайності сільськогосподарської культури для географічної регіону протягом періоду вегетації на основі погодних індексів для конкретної географічної локації у межах географічного регіону, що включає етапи, на яких: отримують один або більше записів сільськогосподарських даних, що відображають отримані бо точки сільськогосподарських даних для конкретної географічної локації у конкретний час із використанням інструкцій обчислення погодних індексів на сервісній комп'ютерній системі, при цьому отримані точки сільськогосподарських даних містять щонайменше один із наступних отриманих записів: температура, вологість грунту та опади для конкретної географічної локації; обчислюють значення погодних індексів із одного або більше записів сільськогосподарських даних для створення одного або більше погодних індексів, що враховують специфіку географічної області із використанням інструкцій обчислення погодних індексів, при цьому погодний індекс кількісно оцінює погодні явища, які впливають на врожайність сільськогосподарської культури, при цьому кожен із погодних індексів, що враховують специфіку географічної області, містить одне або більше значень обчислених погодних індексів для конкретної географічної локації протягом конкретного періоду часу; об'єднують із використанням інструкцій об'єднання погодних індексів один або більше погодних індексів, що враховують специфіку географічної області, для створення одного або більше об'єднаних погодних індексів, що відображають конкретну географічну область, із підмножини одного або більше прогнозованих погодних індексів, що враховують специфіку географічної області, при цьому конкретна географічна локація знаходиться у межах конкретної географічної області; вибирають характерні ознаки із одного або більше об'єднаних погодних індексів та створюють для кожної конкретної географічної області коваріантну матрицю у комп'ютерній пам'яті, що містить характерні ознаки, вибрані із одного або більше об'єднаних погодних індексів, із використанням інструкцій оцінки врожайності сільськогосподарської культури; визначають врожайність сільськогосподарської культури, що враховує специфіку географічної області, для конкретного року за рахунок використання інструкцій лінійної регресії для створення моделі лінійної регресії для обчислення врожайності сільськогосподарської культури, що враховує специфіку географічної області, із коваріантної матриці, що відображає конкретну географічну область у конкретний рік із використанням інструкцій оцінки врожайності сільськогосподарської культури, при цьому один або більше параметрів регресії для інструкцій лінійної регресії конкретної географічної області обчислюються за рахунок інструкції генерування розподілу і, при цьому величина похибки в інструкції лінійної регресії конкретної географічної області обчислюється за рахунок використання інструкції генерування розподілу, Зо при цьому перший параметр усереднення для величини похибки дорівнює нулю, а перший параметр величини відхилення для величини похибки є коефіцієнтом зміщення, що враховує специфіку географічної області; обчислюють другий параметр усереднення для інструкції генерування розподілу, при цьому другий параметр усереднення включає суму кожної врожайності сільськогосподарської культури, що враховує специфіку географічної області, помножену на конкретне зважене значення, що відповідає кожній географічній області, та помножену на перший коефіцієнт зміщення, та додану до другого коефіцієнта зміщення; обчислюють другий параметр величини відхилення для інструкції генерування розподілу, при цьому другий параметр величини відхилення включає суму кожного коефіцієнта зміщення для кожної географічної області у квадраті, помножену на конкретне зважене значення для кожної географічної області, та помножену на перший коефіцієнт зміщення у квадраті, та додану до третього коефіцієнта зміщення у квадраті; визначають врожайність сільськогосподарської культури для географічного регіону, у тому числі врожайність кожної географічної області для конкретного року, із використанням інструкцій оцінки врожайності сільськогосподарської культури, за рахунок використання другого параметра усереднення та другого параметра величини відхилення, що обчислені для інструкцій генерування розподілу для обчислення врожайності сільськогосподарської культури для конкретного року як суми врожайностей сільськогосподарської культури, що враховують специфіку географічних областей для конкретного року, та налаштовану із використанням інструкцій із регулювання врожайності у серверній комп'ютерній системі; відображають, використовуючи серверну комп'ютерну систему, на обчислювальному пристрої користувача, що реалізує сільськогосподарський застосунок, визначену врожайність сільськогосподарської культури для географічного регіону для конкретного року; отримують запит, використовуючи серверну комп'ютерну систему, від обчислювального пристрою користувача щодо модифікації обробки одного або більше полів, пов'язаних із конкретною географічною локацією; модифікують, у відповідь на отримання запиту, робочі параметрами сільськогосподарського обладнання, що використовується для обробки одного або більше полів.
2. Спосіб за п. 1, який відрізняється тим, що обчислення значень погодних індексів із одного 60 або більше записів сільськогосподарських даних для створення одного або більше погодних індексів, що враховують специфіку географічної області, містить обчислення індексу стресу, викликаного затопленням, як суми добових стоків води, що перевищують певне граничне значення протягом конкретного періоду часу.
3. Спосіб за п. 1, який відрізняється тим, що обчислення значень погодних індексів із одного або більше записів сільськогосподарських даних для створення одного або більше погодних індексів, що враховують специфіку географічної області, містить обчислення індексу стресу ранньої посухи, як суми добових опадів мінус стоки, із використанням добових опадів, що не перевищують 2,5 дюйми (625 мм), протягом конкретного періоду часу.
4. Спосіб за п. 1, який відрізняється тим, що обчислення значень погодних індексів із одного або більше записів сільськогосподарських даних для створення одного або більше погодних індексів, що враховують специфіку географічної області, містить обчислення індексу стресу від посухи, як суми часток вологості грунту нижче конкретного граничного значення протягом конкретного періоду часу.
5. Спосіб за п. 1, який відрізняється тим, що обчислення значень погодних індексів із одного або більше записів сільськогосподарських даних для створення одного або більше погодних індексів, що враховують специфіку географічної області, містить обчислення індексу денного теплового стресу, як суми кількості градусів, на які максимальна денна температура перевищує певне граничне значення протягом конкретного періоду часу.
6. Спосіб за п. 1, який відрізняється тим, що обчислення значень погодних індексів із одного або більше записів сільськогосподарських даних для створення одного або більше погодних індексів, що враховують специфіку географічної області, містить обчислення індексу нічного теплового стресу, як суми кількості градусів, на які мінімальна денна температура перевищує певне граничне значення протягом конкретного періоду часу.
7. Спосіб за п. 1, який відрізняється тим, що вибір характерних ознак із одного або більше об'єднаних погодних індексів містить вибір для кожного типу погодних індексів у межах одного або більше об'єднаних погодних індексів одного з: середнього значення для кожного типу погодного індексу із об'єднаних погодних індексів, або середнє значення для кожного типу погодних індексів із об'єднаних погодних індексів.
8. Спосіб за п. 1, який відрізняється тим, що певна географічна область відображає певний Зо регіон в країні.
9. Спосіб за п. 1, який відрізняється тим, що визначення врожайності сільськогосподарської культури, що враховує специфіку географічної області, для конкретного року із використанням інструкцій лінійної регресії містить використання інструкцій генерування розподілу для обчислення одного або більше параметрів регресії для інструкцій лінійної регресії, при цьому один або більше параметрів регресії основані на отриманих точках сільськогосподарських даних із множини виміряних географічних областей, коли отримані точки сільськогосподарських даних отримані на або до конкретної дати обстеження.
10. Спосіб за п. 1, який відрізняється тим, що визначення врожайності сільськогосподарської культури, що враховує специфіку географічної області для конкретного року із використанням інструкцій лінійної регресії містить використання інструкцій генерування розподілу, для обчислення одного або більше параметрів регресії для інструкцій лінійної регресії, при цьому один або більше параметрів регресії основані на отриманих точках сільськогосподарських даних із певних географічних областей, коли отримані точки сільськогосподарських даних, що містять отримані точки сільськогосподарських даних, отримані на або до конкретної дати обстеження.
11. Спосіб за п. 1, який відрізняється тим, що визначення врожайності сільськогосподарської культури для географічного регіону для конкретного року за рахунок використання інструкцій генерування розподілу містить використання незалежних та однаково розподілених випадкових змінних.
12. Спосіб за п. 1, який відрізняється тим, що визначення врожайності сільськогосподарської культури для географічного регіону для конкретного року додатково містить прогнозований інтервал, пов'язаний із врожайністю сільськогосподарської культури для географічного регіону, при цьому прогнозований інтервал є діапазоном значень, що виміряють рівень достовірності, пов'язаний із врожайністю сільськогосподарської культури для географічного регіону
13. Спосіб за п. 1, який відрізняється тим, що визначення врожайності сільськогосподарської культури для географічного регіону для конкретного року додатково містить визначення набору розподілу, пов'язаного із врожайністю сільськогосподарської культури для географічного регіону, при цьому набір розподілу вимірює рівень достовірності, пов'язаний із врожайністю сільськогосподарської культури для географічного регіону. Зо ва 105 108 чи 1 І че г ДЕК По ії / то си ! ; з
І Ж. а | і - Ж о Польові Зовнішні п АВ о Комп'ютер | Сльськогосподарський ! каНя | пристрій ; 115 Віддалення 113 Контролер застосунку с Щю Мережа (ї) т і з». о. . с сто» 133 Комувікаційнвй дівен» тт ; ТО Підсветема прогнозування врожайності на ! національному рівні й й 7 Інотрукції ІЗ Інструкції сб'єднання С. обчнолення погодних походних індексів Мо ; індексів ! К Й ; ! 00 АД ! " пРИКВКЮШЦВЧНЮИ ШИ 173 інФжрукцій б лхлллжчклдтнялнні Уа інстру кції ЗНО і Польові лані З ! оцівки врожийності регреюм ї Сювище і сільською дари 00000000 чаш ! ської культури Р ооклоккннс оопсонень ї і --и 175 Вештрукіяї регулювання і Е75 Наструкці генерування Р врожайності на Е резподілх | націснальнму вів! і ню 134 Нрезентаційний дівень 140 Рівень упривління даними 150 Рівень апаратного забезпечення / віртуалізації 139 Сільськогосводарська інтелектуаньна обчислювальна свстема.
Фіг. 1
Дн Я0О Застосувок мобільного комп'ютера і Ку і олово ужитку ния Ку ун ро СЕ Її Інструкції | Інструкції | Інструкції | | інструкцй | інструкцій рома, щодо і шодо о шодо | щодо ! насіння та | застосування | погоде | | здоров'я | продуктивності Можаджання |10азяу 00000000 СОЮ ії 806 Цифрова карта у вигляді книги 000000 205 інструкцій вюдотенерування М дн Мт ВКННЙВ 000000 ГО ОМ інструкцій шодо загального гляду та нопервнження 0000 209 Інструкнії щоло облікового запису. поля, отримання та обробка двних, ї 6 220 Застосувак комп'ютера ками пе ши Одезбвртя || МК 2ю ТЕ Мапа. | Відпаленнй Ше Попередження | З Передавання : коді . . я НЕ зм ; і Ікеа Ї оте | 1 ланих о | 000омашинно МАЯК ПОП Б постереження Кабіна 00000000 !
Фіг. 2 ! дО пиитиредмя обробка вгренутмічичях давник ! і ЗХО Вибір підмножини набору ! вгрономіних дних Цека звопоїного С. т я Оцінка зрономічних даних доб створення жепанамічної моделі І ВІД Збирання вгосномічної яадеді фіг. З
В ит З птн . Б 85 щі 5 Я ДИ Ол З тре Б15 З ж шк Я л й ! сії, Н а Е жилка й я : шіІше ; оо і щі Ї в З ЩІ ше р : ! | Її є : фра | ТВ ! : Кг У ' 1955 ша : : З : 1, 5 шк ГТ : гу
Фіг. 4
505 Отримання сільськогосподарськах записів двпих пн пн тнначнтет сстноончнтятно 516 обчислення значень погодних івдексів для погодних іздексів, що враховують специфіку теографічної області 515 Об'єднання погодних індексія для погодних ізлексів, що нраховують специфіку географічної області для створення об'єднаних погодних індексів
520.Вибір представницьких характеристик з 1 об'єднаних погодних індексів для створений жоваріантясї матриці І 525 Визначення врожайності і сільськогосподарської культури для певної географічної області нате І 530 Визначених врожайності на національному рівні І ДА ду м. митне т туту тт ту тут турі тити тт т.е тити т ть титан тт туту
Фіг. 5 605 Чи містять ретроспективі дані, що отримані, дяні, що були отримані після дати пришинення ї збору ретроспективних зних? НІ | ОТАК 610 Обчислення косфіпієнту | 615 Обзислевнх коефіцієнту регресії із виростанням ! регресії із варостянням канкретних географічних | множинних географічних областей. і областей. і 520 Надавня коефіцієнту регресії для визначення і врожайності для певної географічної ділянки
Фіг. 6 пер же Тв. З а м ее как: ЖЕД РУК Я соня ча х ОО и та а А Ку їх СН й 5 сс й А се мо хОЯ шк ЩЕ ока М зак "в і. з - - і У 5 м Как же 5 Ко са ох У зебру М ВК а Я вк ту ще 3. Б » Я Аа, Ж Я ЦО БК Е зво бе Бк, р Ж, Кі пр ня ння С».
м. ЖУК ко сузА пе Я Ух. НОЯ сор з - ЖЕ ж Те ; ж х Я я 5 ще Настя |. я х в м ге ; Ук чя. Уа Б ме І щк в не : : "Мдддддадлядчя Ада нн Ан АДАКАААн Аня, мий КК учення Негететивний періюв ГУ) Репродуктивний веріодік) .
Фіг. 7 ТГрадлуєє-дні росту (СО) граничне значення для кукурудзи ; ПО щу плення Біздв не У: і Ма че мВ мо ом рома ов Ї я вх ! ВЗ ща Ї не 55 і не фонтан фани лаинян спплжнтляллфнтииживлятни сплаті лани я наифанлаляття ніна ажнт я знали ла нтфтажтннтаннфриття тет днннтнтя ян фр нини тиф тн яри Н і ' т ї ОО ут | 395 «гі що 55 т 88 | З роза роза НИЗ р 2 р ов дев 2763
Фіг. 8 І Менеджер дяних дпдлдтттнддитдид дитин ттдидяттднтдиттттттдтетиттиретіитеттлкит Е і Непренся і Посадка і Пряник | Трукх і Я у сіль (з лоді Яр від жихнх МОМ пригряки Фі хюцацехй Яротюссо і Жількість: 150 ре Між РЕ вел Щограюжо Кізнаісті: КМ вх Ме КО докт о КГ жде З х людтеїх В Кіри ЙО бух М В Кейн: ГХ бя Мтях ізиадихунанкм 2 х КТК Змимнки Н РР оЗецюмозкох 3 х дедауків З Заткивхеки о х дпджти КЕ о Петя Грет няття : мн 7 їй - фо рчииитнннтя реджеувати ГО пруйнят; / укзжуюати ЦО прийняти ПК редхлувати |оприйяхт: ЩО релягуєнтя Ї ярийежую ЖЕ рех. ЦІ КІ небрате всі ' т | яв Й «хури йкр Жов: Нкст о гБреу бю Лют ми Кам обпох Чер А сур Бер же, Арх | | ік ту ие «зи у це у г ж Кукурудаві КК ЕМ) м 5 і уз» Адива сазисчох 8 бжтін. Міянечиа ї АК Турок юю: о КН КИМ В пд данякадтннннн ; 7 Фрадекк. Мінонохуух Н к но у Кун, інаюно ! юю нання ОЗ м Кусувтуам ПІ оо ДН пакт ооосттосаттт основою роюгогогтттооогосгоооовеоооттттогосноої У Кун, айона І нахлютих З Шоміен! ї 3 ї Ге на тн ж Кулувудн ЦХІ: Єр їЕ у 5 Мзахмтию. Мубкоїе | й: роахенох 5 НК Нейрогиці че і в фнвювювокос З п Фе «Хухуруджі НКИ: Ед у і ме шок 1 Бош, Непурєсха І сценок і
Фіг. 9 і і і Менеджер лавих пипіннитннннпориннятитнннитлнтроттттятттттттритнннятиннннт і Ї ниероган | Носздка і Пряктяка | Грукт | Е і ТПосанка 1014 полів ! Посвлка ХО помів) Посилка ЗО поців) Ї Тросаджа 414 похів) Врожай хукурулзят | Врожай кукурулаяни Нрожай хукурулавні ! Врожай кукурудзяні і даташосадки 120448 і Дата цосадки 1504Д41О Дата посадки ЗМ 5 Длуз посадки ЗД Е ПАЛ НО к-т ЗЮ ТЕО Я к-ть ЗВОЄ ЧО В к-ти ЗОВ ! ТАКТ 12 к-ть 33000 о : В З Лодаха вовий редагувати | прийняте резасувати || прийняте 8) репягувати З прийняти Ї релагунати | прийняти яланснюадки спини я - Мис М - п Вибрати ясі культура засадженізкри продукт Відносна зрілість ЦІЛЬОВНЯ врожай к-ть (прибонзно) дата рі Евмо, Айова | НИ п Кукурудза НХІ г Кві Бук, Аква кукурудза (-- ОМСВАМ 1 3 ЗЯКМ 0 Кот т)стін, Міякодтх Кукррущі: ЩЮ: НО 1 ПЗ врх. мік ХУКУрУЛІИ я мою 18 Ел ВОЮ ко
Був. імзізяв | | І Кукурудза! НКЮ Ї ща сен упо ше 549 з пат! От в віка кукурулаа омою мо 35 ЗО Квіт ЩШемо»вні т ГЕ Кучуруджі Но кукуруд - лк Кк и ЗХ Квіт ! Щемоєки. злу. тя ЖЕ Неброскоії т і а Ф9 Кукурувжі НЕЮ: кукурудза -- - ТЕ що ЗЕ Кві Бере, Зебраска
Фіг. 10
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/004,820 US10529036B2 (en) | 2016-01-22 | 2016-01-22 | Forecasting national crop yield during the growing season using weather indices |
| PCT/US2017/013308 WO2017127291A1 (en) | 2016-01-22 | 2017-01-13 | Forecasting national crop yield during the growing season using weather indices |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| UA126557C2 true UA126557C2 (uk) | 2022-11-02 |
Family
ID=59360829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| UAA201808880A UA126557C2 (uk) | 2016-01-22 | 2017-01-13 | Спосіб визначення врожайності сільськогосподарської культури на національному рівні протягом періоду вегетації із використанням погодних індексів |
Country Status (9)
| Country | Link |
|---|---|
| US (3) | US10529036B2 (uk) |
| EP (1) | EP3405879A4 (uk) |
| AR (1) | AR107405A1 (uk) |
| AU (1) | AU2017208959B2 (uk) |
| BR (1) | BR112018014983A2 (uk) |
| CA (1) | CA3012124A1 (uk) |
| UA (1) | UA126557C2 (uk) |
| WO (1) | WO2017127291A1 (uk) |
| ZA (1) | ZA201805014B (uk) |
Families Citing this family (84)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10667456B2 (en) | 2014-09-12 | 2020-06-02 | The Climate Corporation | Methods and systems for managing agricultural activities |
| US11762125B2 (en) * | 2014-09-12 | 2023-09-19 | Climate Llc | Forecasting national crop yield during the growing season |
| US11113649B2 (en) | 2014-09-12 | 2021-09-07 | The Climate Corporation | Methods and systems for recommending agricultural activities |
| US11080798B2 (en) | 2014-09-12 | 2021-08-03 | The Climate Corporation | Methods and systems for managing crop harvesting activities |
| US11069005B2 (en) | 2014-09-12 | 2021-07-20 | The Climate Corporation | Methods and systems for determining agricultural revenue |
| US10564316B2 (en) * | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
| US10529036B2 (en) * | 2016-01-22 | 2020-01-07 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
| CN105760814B (zh) * | 2016-01-25 | 2019-07-02 | 中国水利水电科学研究院 | 一种基于数据挖掘的干旱监测方法 |
| WO2018049289A1 (en) | 2016-09-09 | 2018-03-15 | Cibo Technologies, Inc. | Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods |
| US11544296B1 (en) * | 2016-09-15 | 2023-01-03 | Winfield Solutions, Llc | Systems and methods for spatially-indexing agricultural content |
| US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
| US11562444B2 (en) | 2017-11-09 | 2023-01-24 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
| US11568340B2 (en) | 2017-11-09 | 2023-01-31 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
| US11423492B2 (en) | 2017-11-21 | 2022-08-23 | Climate Llc | Computing risk from a crop damaging factor for a crop on an agronomic field |
| US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
| US11222385B2 (en) * | 2018-01-22 | 2022-01-11 | Athenium Llc | Method and system for forecasting crop yield |
| US11138677B2 (en) | 2018-04-24 | 2021-10-05 | Indigo Ag, Inc. | Machine learning in an online agricultural system |
| MX2020011572A (es) * | 2018-05-02 | 2021-01-20 | Supplant Ltd | Sistemas y procedimientos para aplicar una práctica agrícola a un campo agrícola objetivo. |
| US11361039B2 (en) * | 2018-08-13 | 2022-06-14 | International Business Machines Corporation | Autodidactic phenological data collection and verification |
| EP3853687A4 (en) * | 2018-09-21 | 2022-11-09 | Climate LLC | TUNABLE MODELS FOR DISTRIBUTED GOODS IN AGRICULTURE |
| US12069978B2 (en) | 2018-10-26 | 2024-08-27 | Deere & Company | Predictive environmental characteristic map generation and control system |
| US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
| US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
| US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
| US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
| US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
| US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
| US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
| US11653588B2 (en) * | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
| US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
| CN109345039B (zh) * | 2018-11-13 | 2021-02-23 | 中国水利水电科学研究院 | 一种综合考虑水盐胁迫的作物产量预测方法 |
| US11449831B2 (en) * | 2018-11-14 | 2022-09-20 | Starlight Ag, Llc | Systems and methods for selective and real-time user interface display |
| CN109615149B (zh) * | 2018-12-29 | 2023-04-28 | 航天信息股份有限公司 | 一种确定甜菜气象产量的方法和系统 |
| CN109615150B (zh) * | 2018-12-29 | 2023-04-18 | 航天信息股份有限公司 | 一种确定水稻气象产量的方法和系统 |
| CN109615148B (zh) * | 2018-12-29 | 2023-04-28 | 航天信息股份有限公司 | 一种确定玉米气象产量的方法和系统 |
| MX2021010120A (es) * | 2019-02-21 | 2021-09-23 | Climate Llc | Modelado y seguimiento digital de campos agricolas para implementar ensayos de campo agricola. |
| NL2022611B1 (en) * | 2019-02-21 | 2020-08-31 | Exel Ind | Agricultural device for working a field |
| CN109934397A (zh) * | 2019-03-05 | 2019-06-25 | 中国农业科学院农业信息研究所 | 一种农产品产量预测方法及系统 |
| CN109858186B (zh) * | 2019-03-11 | 2022-06-03 | 武汉大学 | 联合光学和热学数据的农田干旱评估方法 |
| US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
| US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
| WO2021062147A1 (en) | 2019-09-27 | 2021-04-01 | Indigo Ag, Inc. | Modeling field irrigation with remote sensing imagery |
| US12035648B2 (en) | 2020-02-06 | 2024-07-16 | Deere & Company | Predictive weed map generation and control system |
| SG11202103577QA (en) | 2020-02-27 | 2021-10-28 | Intercontinental Exchange Holdings Inc | Systems and methods for converting live weather data to weather index for offsetting weather risk |
| US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
| CN111401666B (zh) * | 2020-04-28 | 2021-07-27 | 中国水利水电科学研究院 | 一种利用预报误差开展上游水库群影响下径流预报的方法 |
| BR112023000950A2 (pt) | 2020-07-21 | 2023-03-28 | Indigo Ag Inc | Algoritmos de sensoriamento remoto para mapear a agricultura regenerativa |
| US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
| US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
| US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
| US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
| US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
| US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
| US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
| US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
| US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
| US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
| US12069986B2 (en) | 2020-10-09 | 2024-08-27 | Deere & Company | Map generation and control system |
| US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
| US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
| US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
| US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
| US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
| US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
| US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
| US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
| US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
| US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
| US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
| US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
| WO2022123507A1 (en) * | 2020-12-11 | 2022-06-16 | Valagro S.P.A. | Distributed system and computer implemented method for calculating optimal time of a dormancy breaker application |
| CN113052484A (zh) * | 2021-04-08 | 2021-06-29 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 基于格点化气象数据的农产品气候品质评估方法及装置 |
| US11991944B2 (en) | 2021-05-03 | 2024-05-28 | Crop Sentry Ltd. | Computer vision system and method for agriculture |
| US12073356B2 (en) | 2021-07-07 | 2024-08-27 | Agtools Inc. | Systems and methods for supply chain intelligence |
| CN113554309B (zh) * | 2021-07-23 | 2023-08-25 | 中国农业科学院农业信息研究所 | 一种基于尺度升降的农作物减产风险测量方法 |
| CN113570273B (zh) * | 2021-08-03 | 2023-09-05 | 北京师范大学 | 一种灌溉耕地统计数据的空间化方法及系统 |
| CN113793228B (zh) * | 2021-08-24 | 2022-03-01 | 中国水利水电科学研究院 | 现状防御条件下的不同干旱频率农业因旱减产率确定方法 |
| WO2023034118A1 (en) | 2021-08-30 | 2023-03-09 | Indigo Ag, Inc. | Systems for management of location-aware market data |
| CA3230474A1 (en) | 2021-08-31 | 2023-03-09 | Eleanor Elizabeth Campbell | Systems and methods for ecosystem credit recommendations |
| CN114154892B (zh) * | 2021-12-08 | 2023-05-23 | 农业农村部规划设计研究院 | 一种基于信息扩散的农业干旱等级划分方法 |
| US12082531B2 (en) | 2022-01-26 | 2024-09-10 | Deere & Company | Systems and methods for predicting material dynamics |
| US12058951B2 (en) | 2022-04-08 | 2024-08-13 | Deere & Company | Predictive nutrient map and control |
| WO2023215621A1 (en) * | 2022-05-05 | 2023-11-09 | InnerPlant, Inc. | System and method for modeling crop yield based on detection of plant stressors in crops |
| CN115018394B (zh) * | 2022-08-08 | 2022-10-25 | 成都数联云算科技有限公司 | 旱情评估方法、装置、存储介质及设备 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7702597B2 (en) | 2004-04-20 | 2010-04-20 | George Mason Intellectual Properties, Inc. | Crop yield prediction using piecewise linear regression with a break point and weather and agricultural parameters |
| CA2956205A1 (en) | 2014-06-24 | 2015-12-30 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
| US11069005B2 (en) * | 2014-09-12 | 2021-07-20 | The Climate Corporation | Methods and systems for determining agricultural revenue |
| 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 |
| US9563848B1 (en) * | 2016-07-06 | 2017-02-07 | Agrian, Inc. | Weighted multi-year yield analysis for prescription mapping in site-specific variable rate applications in precision agriculture |
| US10891482B2 (en) * | 2018-07-10 | 2021-01-12 | Adroit Robotics | Systems, devices, and methods for in-field diagnosis of growth stage and crop yield estimation in a plant area |
| EP4062261A4 (en) * | 2019-11-18 | 2023-12-20 | Climate LLC | METHOD FOR GENERATING FIELD REGIONS FOR AGRICULTURAL DATA ANALYSIS BASED ON CONDITIONAL DATA FILE GENERATION |
| US11704581B1 (en) * | 2020-01-29 | 2023-07-18 | Arva Intelligence Corp. | Determining crop-yield drivers with multi-dimensional response surfaces |
-
2016
- 2016-01-22 US US15/004,820 patent/US10529036B2/en active Active
-
2017
- 2017-01-13 UA UAA201808880A patent/UA126557C2/uk unknown
- 2017-01-13 BR BR112018014983A patent/BR112018014983A2/pt not_active Application Discontinuation
- 2017-01-13 AU AU2017208959A patent/AU2017208959B2/en not_active Ceased
- 2017-01-13 EP EP17741786.2A patent/EP3405879A4/en not_active Ceased
- 2017-01-13 CA CA3012124A patent/CA3012124A1/en active Pending
- 2017-01-13 WO PCT/US2017/013308 patent/WO2017127291A1/en active Application Filing
- 2017-01-20 AR ARP170100159A patent/AR107405A1/es not_active Application Discontinuation
-
2018
- 2018-07-25 ZA ZA201805014A patent/ZA201805014B/en unknown
-
2020
- 2020-01-06 US US16/734,813 patent/US10769733B2/en not_active Expired - Fee Related
- 2020-09-03 US US17/011,483 patent/US20210097632A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| US10529036B2 (en) | 2020-01-07 |
| US20210097632A1 (en) | 2021-04-01 |
| EP3405879A4 (en) | 2019-06-05 |
| US10769733B2 (en) | 2020-09-08 |
| BR112018014983A2 (pt) | 2018-12-11 |
| AR107405A1 (es) | 2018-04-25 |
| ZA201805014B (en) | 2019-10-30 |
| US20170213141A1 (en) | 2017-07-27 |
| CA3012124A1 (en) | 2017-07-27 |
| AU2017208959A1 (en) | 2018-08-09 |
| US20200151831A1 (en) | 2020-05-14 |
| WO2017127291A1 (en) | 2017-07-27 |
| EP3405879A1 (en) | 2018-11-28 |
| AU2017208959B2 (en) | 2021-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10769733B2 (en) | Forecasting national crop yield during the growing season using weather indices | |
| US11375674B2 (en) | Generating digital models of crop yield based on crop planting dates and relative maturity values | |
| US20210406745A1 (en) | Forecasting field level crop yield during a growing season | |
| US11343965B2 (en) | Automatically detecting outlier values in harvested data | |
| CA3002007C (en) | A method for recommending seeding rate for corn seed using seed type and sowing row width | |
| EP3465257B1 (en) | Computing radar based precipitation estimate errors based on precipitation gauge measurements | |
| US11686880B2 (en) | Generating and conveying comprehensive weather insights at fields for optimal agricultural decision making | |
| 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 | |
| UA125849C2 (uk) | Спосіб контролю роботи сільськогосподарського транспорту | |
| UA126553C2 (uk) | Спосіб контролю застосування азоту на полі | |
| UA125018C2 (uk) | Спосіб управління внесенням добрив з використанням цифрової моделі доступності біогенних речовин та система для його здійснення | |
| US20200200897A1 (en) | Quantitative precipitation estimate quality control |