Czyszczenie danych o plonach: Jak uzyskać mapy plonów, którym naprawdę można zaufać w tym zbiorze

Jeśli mapa plonów wygląda nieprawidłowo, prawdopodobnie tak jest, a przyczyną zazwyczaj nie jest pole. Surowe dane z monitora plonów zawsze zawierają błędy systematyczne: czujnik dryfuje, przepływ ziarna jest opóźniony względem pozycji GPS, nakładają się na pasy podwójnego zliczania, a rzędy zwrotne rejestrują plony, których żadna roślina nigdy nie wyprodukowała. Czyszczenie danych plonów usuwa te błędy, dzięki czemu mapa odzwierciedla pole, a nie maszynę. Oto, co jest nie tak w pliku surowym, ile z nich jest zazwyczaj wadliwych oraz schemat pracy, który można uruchomić przed, w trakcie i po zbiorach.

Jakie dane z surowego monitora wydajności są błędne

Każdy plik monitora plonów zawiera tę samą rodzinę błędów, niezależnie od marki czy uprawy. Typowe podejrzane:

• Dryft kalibracji. Czujnik przepływu został skalibrowany na jednym zbiorniku hybrydowym przy danej wilgotności, po czym warunki uległy zmianie. Cały plik zmienia się o kilka procent w górę lub w dół, a różne obciążenia zmieniają się w różnym stopniu.
• Opóźnienie przepływu. Ziarno potrzebuje kilku sekund, aby przebyć drogę od hedera do czujnika, więc każda wartość plonu jest odciskana kilka metrów za miejscem, w którym faktycznie rosło. Krawędzie stref rozmywają się w kierunku jazdy.
• Częściowe pasowanie i nakładanie. Tam, gdzie heder pokrywa już ścięty pas, monitor dzieli mniej włókien przez całą szerokość hedera i rejestruje sztuczne obniżenie. Rzędy punktowe i przejazdy wykończeniowe są pełne takich przypadków.
• Rampy startowo-przejazdowe i końcowo-przejazdowe. Na początku każdego przejazdu system wciąż się napełnia, a na końcu opróżnia. Pierwsza i ostatnia sekunda każdego przejazdu rejestruje wartości narastania, a nie wydajności.
• Skoki wilgotności. Mokra kieszeń lub błąd czujnika powodują opóźnienie konwersji suchej wydajności na określoną liczbę punktów.
• GPS skacze. Błąd pozycji powoduje umieszczenie grupy punktów w polu sąsiada lub skupienie ich w jednym miejscu.
• Artefakty związane z prędkością zbiorów. Nagłe zwalnianie i przyspieszanie zmienia obciążenie maszyny szybciej, niż ustala się położenie czujnika, pozostawiając pasy, które podążają za operatorem, a nie za glebą.

Żaden z tych błędów nie jest błędem operatora. To fizyka i elektronika robią swoje, dlatego czyszczenie musi być rutyną, a nie misją ratunkową.

Ile moich danych dotyczących plonów jest w rzeczywistości błędnych?

Więcej, niż większość ludzi się spodziewa. Niezależne, wieloletnie badania, które audytują surowe pliki łączone, konsekwentnie oznaczają około 10 do 20 procent punktów jako błędne, a pliki z pól z dużą liczbą rzędów punktów, dróg wodnych lub krótkich przejść plasują się w górnym zakresie. Średnia z pola często się utrzymuje, ponieważ wysokie i niskie wartości częściowo się znoszą. Mapa tego nie robi: błędy nie są przypadkowym szumem, są ustrukturyzowane, więc rysują fałszywe wzorce dokładnie tam, gdzie podejmujesz decyzje – wzdłuż przylądków, przejść i rzędów zakrętów.

Ta struktura stanowi prawdziwe zagrożenie. Pasmo nakładających się spadków wzdłuż granicy wygląda na problem z zagęszczeniem. Krok kalibracji między dwoma hybrydami wygląda na rzeczywistą różnicę między hybrydami. Podobne objawy pojawiają się również na poziomie maszyny; głębokie nurkowanie fantomowa strata plonów kukurydzy opisuje w jaki sposób straty w kolektorze po cichu wyczerpują się, zanim czujnik je wykryje.

Przepływ pracy dotyczący oczyszczania danych dotyczących plonów dla tego zbioru

Czyste mapy powstają w trzech etapach, a tylko jeden z nich ma miejsce przy biurku.

1. Przed zbiorem: skalibruj monitor plonów. Przeprowadź kalibrację ładunków na wózku wagowym lub certyfikowanej wadze i przeprowadź ponowną kalibrację dla każdej uprawy, dla każdej hybrydy, jeśli to możliwe, oraz ponownie, gdy wilgotność zmieni się o więcej niż kilka punktów. Wskazówki uniwersyteckie, takie jak Zasoby kalibracji monitora wydajności Iowa State Extension zaleca wielokrotne załadunki w zakresie prędkości i przepływu, przy którym będziesz faktycznie zbierać, a nie jedno wygodne przejście.
2. W czasie zbiorów: dążenie do danych. Utrzymuj stałą prędkość jazdy w obrębie przejazdu, wykorzystuj pełną szerokość zespołu żniwnego, gdziekolwiek pozwala pole, i pozwól maszynie osiąść na kilka sekund po każdym przejeździe. Każdy przejazd ze stałą, pełną szerokością to przejazd, którego czyszczenie nie wymaga naprawy.
3. Po zbiorze: wyczyść i skalibruj pilnik. Automatyczne czyszczenie sygnalizuje przesunięcia opóźnienia przepływu, punkty narastania, niskie poziomy nakładania się, skoki wilgotności, skoki GPS i artefakty prędkości w jednym przebiegu. GeoPard automatyczne czyszczenie i kalibracja danych dotyczących wydajności robi to podczas importu, a następnie skaluje oczyszczony plik względem faktycznie dostarczonych wag, tak aby mapa zgadzała się z paragonami wagi, a nie tylko ze sobą. samouczek kalibracji wydajności i czyszczenia obejmuje ustawienia ekran po ekranie.
4. Sprawdź poprawność wyniku. Porównaj sumy wyczyszczonych pól z rachunkami za windy i sprawdź na mapie, czy nie pozostały jakieś paski. Jeśli chcesz najpierw sprawdzić surowy plik, przeciągnij go do… Eksplorator danych terenowych GeoPard i spójrz na wzór punktów w przeglądarce. Twój plik pozostaje na Twoim komputerze, nic nie jest przesyłane.

Progi czyszczenia nie są uniwersalne: zasada flagowania, która pasuje do jednolitego pola kukurydzy, może być zbyt agresywna w przypadku pola o zmiennej szerokości. Przed podjęciem decyzji dotyczącej warstwy oczyszczonej skonsultuj się z agronomem i lokalnymi zaleceniami, co zostało usunięte.

Dlaczego czyste dane dotyczące wydajności opłacają się w dalszej perspektywie

Mapa plonów rzadko jest produktem końcowym. Zawiera ona dane o strefach zarządzania, zalecenia dotyczące zmiennych stawek, porównania hybrydowe, obliczenia czynszów i zwrotu z inwestycji oraz wszystkie te elementy, niezależnie od błędu, jaki mapa zawiera:

• Strefy narysowane na niskich poziomach nakładania się wyznaczają strefę "słabą", w której operator zakończył podania, więc dane wejściowe w następnym sezonie będą ścigać maszynę.
• Recepty VRA zbudowano na podstawie błędnie skalibrowanego pliku, który przesuwa szybkość na całym polu w niewłaściwym kierunku.
• Porównania hybrydowe i próbne są ustalane z dokładnością do kilku buszli na akr, co mieści się w przedziale błędu nieoczyszczonego pliku.
• Decyzje dotyczące czynszu i zwrotu z inwestycji w gospodarstwie, w którym błąd danych wynosi 10 procent, decyzje podejmowane są na polu należącym do kogoś innego.

Asymetria kosztów sprawia, że czyszczenie jest tak proste: w przypadku automatycznego przebiegu zajmuje to kilka minut na pole, a niewłaściwa mapa stref lub błędny wybór hybrydy mogą się za tobą ciągnąc przez całe sezony.

Często zadawane pytania dotyczące czyszczenia danych o wydajności

Czy mogę pominąć czyszczenie monitora, jeśli dobrze go skalibrowałem?

Nie. Kalibracja ustala poziom pomiarów, a nie strukturę. Opóźnienia przepływu, nakładki, rampy i skoki GPS występują w idealnie skalibrowanej maszynie. Dobra kalibracja i czyszczenie po zbiorach to dwa czynniki, które tworzą wiarygodną mapę.

Czy oznaczone punkty powinny zostać usunięte czy poprawione?

Oba, w zależności od błędu. Przesunięcia pozycji wynikające z opóźnienia przepływu są korygowane, ponieważ wartość wydajności jest rzeczywista, a jedynie lokalizacja jest błędna. Punkty narastania, dolne punkty nakładania się i skoki GPS są usuwane, ponieważ sama wartość nie jest wydajnością. Automatyczne czyszczenie stosuje odpowiednie rozwiązanie dla każdego typu błędu i raportuje, co zostało zmienione.

Skąd mam wiedzieć, że oczyszczona mapa jest prawidłowa?

Dwie kontrole: suma oczyszczonego pola powinna być zbliżona do masy dostarczonej z wagi lub windy, a wzory na mapie powinny odzwierciedlać cechy pola, takie jak zmiany gleby i topografia, a nie trasy przejazdu. Jeśli pasy nadal podążają za kombajnem, oznacza to, że coś zostało do oczyszczenia.