CN113226009B

CN113226009B - 针对大豆的预测性的种子脚本处理

Info

Publication number: CN113226009B
Application number: CN201980085486.4A
Authority: CN
Inventors: S·苏德; J·巴加特; D·罗克; A·特拉普; N·赫兰德; M·雅各布斯; S·A·麦基萨克
Original assignee: Clemet Co ltd
Current assignee: Clemet Co ltd
Priority date: 2018-12-24
Filing date: 2019-12-20
Publication date: 2023-06-23
Anticipated expiration: 2039-12-20
Also published as: EP3902386A4; BR112021010533A2; WO2020139781A1; CA3121647A1; EP3902386A1; US20200202458A1; MX2021007642A; CN113226009A; AU2019417596A1; AR117512A1

Abstract

提供了一种用于在子田地水平调整播种率的方法和装置。该方法包括使用服务器计算机基于历史农业数据来标识具有田地内作物可变性的目标农业田地集，该历史农业数据包括针对多个田地的历史产量数据和历史观测到的农业数据：接收目标农业田地集的多个数字图像；确定针对目标农业田地集中的每个田地之内的地理位置的植被指数值、针对目标农业田地集中的每个目标田地中的每个子田地区的植被指数生产力得分；接收子田地区中的每个子田地区的当前播种率，使用与子田地区中的每个子田地区对应的植被指数生产力得分来确定经调整的播种率。

Description

针对大豆的预测性的种子脚本处理

版权说明

2015-2019克莱米特公司(The Climate Corporation)。

技术领域

本公开的一个技术领域是计算机实现的农业数据管理。另一个技术领域是被编程用于选择具有田地内作物可变性的目标田地并且对在目标田地之内的子田地规定经调整的播种率(seeding rate)的计算机系统。再一个技术领域是农业田地的自动化的播种。

背景技术

本节中描述的方法是可以贯彻的方法，但不一定是先前已经被设想或者被贯彻的方法。因此，除非另外指出，否则不应仅由于将本节中所述的任何方法包括在本节中而认为其有资格作为现有技术。

许多因素可以影响种植者的田地的产量。传统上，某些类型的农业数据用于预测田地的产量。这些类型的农业数据通常不包括测量在田地之内不同地理位置之上的观测的变化。因此，针对在田地之内具有产量变化的田地预测产量可能是困难的。考虑附加类型的农业观测可能有所帮助，这些观测描述提供粒度子田地水平(granular subfield level)的产量预测。

给定潜在大量的田地和子田地以及在子田地水平安装和维护土壤探测器的一般成本，消除在每个田地或每个子田地中探测土壤的需要是有帮助的。为了达成该目标，在子田地水平估计作物生产力是有帮助的。此外，播种率对产量有重大影响。在子田地水平改变播种率可以有助于提高田地的整体产量。为了在子田地水平改变播种率，种植者必须理解在田地之内哪些子田地比其他子田地表现更好或更差。在子田地水平理解产量性能可以允许种植者准确地改变他们的播种率，以便基于作物生产力来优化子田地产量。

发明内容

所附权利要求可以充当本公开的发明内容。

附图说明

在附图中：

图1图示了被配置为执行本文所述的功能的示例计算机系统，该示例计算机系统与该系统可以与之互操作的其他装置一起在田地环境中被示出。

图2图示了当示例移动应用被加载以供执行时在主存储器中的指令集的示例逻辑组织的两个视图。

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

图4是图示了可以在其上实现本发明的实施例的计算机系统的框图。

图5描绘了数据条目的时间线视图的示例实施例。

图6描绘了数据条目的电子表格视图的示例实施例。

图7图示了使用农业特征集来生成田地模型、并且确定具有所期望的田地内作物产量可变性水平的目标田地集(set of target field)的被编程的过程。

图8图示了基于农业数据特征的均值下降基尼(mean decrease Gini)而被排名的农业数据特征集的示例实施例。

图9图示了使用经选择的农业数据特征集所建模的农业田地的敏感性对特异性图的示例实施例。

图10图示了使用农业数据特征集所建模的针对来自不同州的农业田地的敏感性对特异性图的示例。

图11图示了基于农业田地的可变性水平来将农业田地分组到一起的分组。

图12图示了用于基于描述在子田地区之内的作物生产力的植被指数值来确定针对目标田地的子田地区(sub-field zone)的经调整的播种率的被编程的过程。

图13图示了指示与特定的目标田地对应的估计的植被指数值的经变换数字图像的示例实施例。

图14图示了确定田地之内的子田地区并且确定针对子田地区中的每个子田地区的植被生产力得分的示例实施例。

图15图示了响应于应用经调整的播种率、针对目标田地集的所观测到的大豆产量。

具体实施方式

在下面的描述中，出于解释的目的，阐述了许多具体细节以便提供对本公开的透彻理解。然而，将明显的是，可以在没有这些具体细节的情况下实践实施例。在其他实例中，以框图的形式示出了熟知的结构和设备，以避免不必要地模糊本公开。根据以下大纲，在各节中公开了实施例：

1.一般概述

2.示例农业智能计算机系统

2.1.结构概述

2.2.应用程序概述

2.3.计算机系统的数据摄取

2.4.过程概述—农艺模型训练

2.5目标农业田地标识子系统

2.6播种率调整子系统

2.7实现示例—硬件概述

3.功能概述—确定目标田地

3.1.收集农业数据和产量数据

3.2.选择农业数据特征

3.3.构建田地可变性模型

3.4.针对田地确定田地可变性水平

3.5.标识目标田地集

4.功能概述—确定经调整的播种率

4.1.收集目标田地的数字图像

4.2.确定植被指数值

4.3.确定田地之内的子田地区

4.4.确定针对子田地区的植被生产力得分

4.5.生成播种率规定

4.6.应用播种率规定

5.扩展和备选

1.一般概述

本文公开了用于针对一个或多个目标田地建议经调整的田地内播种率的计算机系统和计算机实现方法。在一个实施例中，具有田地内作物可变性的目标农业田地集可以基于历史农业数据而被标识。历史农业数据可以包括针对多个农业田地的历史产量数据和历史观测到的农业数据。服务器计算机系统可以通过数字数据通信网络接收目标田地集的多个数字图像。服务器计算机可以使用多个数字图像的子集来确定针对在目标农业田地集中的每个田地之内的地理位置的植被指数值，其中多个像素图像的子集之中的每个子集与在目标农业田地集中的特定目标农业田地对应。

针对每个目标农业田地，服务器计算机可以使用针对每个目标农业田地之内的地理位置的植被指数值来确定多个子田地区。每个子田地区之内的地理位置可以具有类似的植被指数值。服务器计算机可以针对每个目标农业田地的每个子田地区确定植被指数生产力得分。植被指数生产力得分可以表示针对在对应的子田地区之内所种植的特定类型的种子的相对作物生产力。

服务器计算机可以通过数字数据通信网络接收针对目标农业田地集的子田地区中的每个子田地区的当前播种率。通过使用植被指数生产力得分来调整当前播种率，服务器计算机系统可以确定针对目标农业田地集的子田地区中的每个子田地区的经调整的播种率。服务器计算机系统可以向田地管理器计算机设备发送针对子田地区中的每个子田地区的经调整的播种率。

在一个实施例中，服务器计算机系统可以根据经调整的播种率中的一个或多个经调整的播种率来操作播种机以在一个或多个目标农业田地的子田地区中的一个或多个子田地区中种植种子。具体地，服务器计算机系统可以生成一个或多个一个或多个脚本，该一个或多个脚本包含指令，该指令指定针对在一个或多个目标田地上的一个或多个子田地区中的每个子田地区调整播种率。该一个或多个脚本可以表示用于自动化播种机的被编程的种植指令，该被编程的种植指令指定操作参数，诸如针对由一个或多个子田地区表示的特定地理位置的特定播种率。

2.示例农业智能计算机系统

2.1结构概述

图1被配置为执行本文所述的功能的示例计算机系统，该示例计算机系统与该系统可以与之互操作的其他装置一起在田地环境中被示出。在一个实施例中，用户102拥有、操作或者支配在田地位置中或与田地位置相关联的田地管理者计算设备104，田地位置诸如是旨在用于农业活动的田地或用于一个或多个农业田地的管理位置。田地管理者计算机设备104被编程或者被配置为经由一个或多个网络109向农业智能计算机系统130提供田地数据106。

田地数据106的示例包括(a)标识数据(例如，种植面积、田地名称、田地标识符、地理标识符、边界标识符、作物标识符，以及可以被用来标识农场土地的任何其他合适的数据，诸如公共土地单位(CLU)、地段和地块编号、宗地编号、地理坐标和边界、农场序列号(FSN)、农场编号、地带编号、田地编号、地区、乡镇、和/或范围)，(b)收获数据(例如，作物类型、作物品种、作物轮换、是否以有机方式种植作物、收获日期、实际生产历史(APH)、预期产量、产量、作物价格、作物收入、谷物水分、耕作实践，以及先前的生长季节信息)，(c)土壤数据(例如，类型、组成、pH、有机物(OM)、阳离子交换容量(CEC))，(d)种植数据(例如，种植日期、(多个)种子类型、(多种)所种植的种子的相对成熟度(RM)、种子种群，(e)肥料数据(例如：养分类型(氮、磷、钾)、施用类型、施用日期、量、来源、方法)，(f)化学施用数据(例如，农药、除草剂、杀真菌剂，旨在用作植物调节剂的其他物质或物质混合物、脱叶剂、或干燥剂、施用日期、量、来源、方法)，(g)灌溉数据(例如，施用日期、量、来源、方法)，(h)天气数据(例如，降水、降雨率、预测降雨、水径流率区域、温度、风、预报、压力、能见度、云、热指数、露点、湿度、雪深度、空气质量、日出、日落)，(i)图像数据(例如，来自农业装置传感器、相机、计算机、智能电话、平板、无人驾驶飞行器、飞机或卫星的图像和光谱信息；(j)侦察观测(照片、视频、自由形式的注释、语音记录、语音转录、天气条件(温度、降水(当前和长期)、土壤水分、作物生长阶段、风速、相对湿度、露点、黑层))，以及(k)土壤、种子、作物物候、病虫害报告以及预测源和数据库。

数据服务器计算机108通信地耦合到农业智能计算机系统130，并且被编程或者被配置为经由(多个)网络109向农业智能计算机系统130发送外部数据110。外部数据服务器计算机108可以由与农业智能计算机系统130的法人或实体相同的法人或实体拥有或操作，或者由诸如政府机关、非政府组织(NGO)和/或私人数据服务提供方的不同的人或实体拥有或操作。外部数据的示例包括天气数据、图像数据、土壤数据、或与作物产量有关的统计数据等。外部数据110可以由与田地数据106相同类型的信息组成。在一些实施例中，外部数据110由拥有和/或操作农业智能计算机系统130的同一实体拥有的外部数据服务器108提供。例如，农业智能计算机系统130可以包括专门专注于可能以其他方式从第三方源所获得的数据类型(诸如天气数据)的数据服务器。在一些实施例中，外部数据服务器108实际上可以被并入系统130内。

农业装置111可以具有被固定在其上的一个或多个远程传感器112，这些传感器经由农业装置111直接或间接地通信地耦合到农业智能计算机系统130，并且被编程或者被配置为向农业智能计算机系统130发送传感器数据。农业装置111的示例包括拖拉机、联合收割机、收割机、播种机、卡车、施肥设备、包括无人驾驶飞行器的飞行器、以及通常为移动机械并且可以被用于与农业相关联的任务的任何其他项的物理机械或硬件。在一些实施例中，装置111的单个单元可以包括在装置上的网络中本地耦合的多个传感器112；控制器局域网(CAN)是可以被安装在联合收割机、收割机、喷雾机和中耕机中的这样的网络的示例。应用控制器114经由(多个)网络109通信地耦合到农业智能计算机系统130，并且被编程或者被配置为从农业智能计算机系统130接收被用来控制农业车辆或器具的操作参数的一个或多个脚本。例如，控制器局域网(CAN)总线接口可以被用来支持从农业智能计算机系统130到农业装置111的通信，诸如从加利福利亚的旧金山的克莱米特公司可获得的CLIMATEFIELDVIEW DRIVE如何被使用的那样。传感器数据可以由与田地数据106类型相同的类型的信息组成。在一些实施例中，远程传感器112可以不被固定到农业装置111，而是可以远程位于田地中并且可以与网络109通信。

装置111可以包括用被编程为具有驾驶室应用的驾驶室计算机115，驾驶室应用可以包括用于设备104的移动应用的版本或变体，其在本文的其他节中被进一步描述。在一个实施例中，驾驶室计算机115包括紧凑型计算机，通常是平板大小的计算机或智能电话，具有被安装在装置111的操作员驾驶室内的图形屏幕显示器(诸如彩色显示器)。驾驶室计算机115可以实现本文中针对移动计算机设备104所进一步描述的操作和功能中的一些或全部操作或功能。

(多个)网络109宽泛地表示包括局域网、广域网、互连网络或互联网的一个或多个数据通信网络的任何组合，该一个或多个数据通信网络使用包括地面链路或卫星链路的有线或无线链路中的任何链路。(多个)网络可以由提供图1的各种元件之间的数据交换的任何介质或机制来实现。图1的各种元件还可以具有直接(有线或无线)通信链路。传感器112、控制器114、外部数据服务器计算机108和系统的其他元件每个都包括与(多个)网络109兼容的接口，并且被编程或者被配置为使用标准化协议(诸如TCP/IP、蓝牙、CAN协议，以及诸如HTTP、TLS的更高层协议等)来跨网络通信。

农业智能计算机系统130被编程或者被配置为从田地管理者计算设备104接收田地数据106，从外部数据服务器计算机108接收外部数据110，以及从远程传感器112接收传感器数据。农业智能计算机系统130还可以被配置为托管、使用或者执行一个或多个计算机程序、其他软件元件、数字地被编程的逻辑(诸如FPGA或ASIC)或其任意组合，以使用在本公开其他节中进一步描述的方式执行对数据值的转换和存储、一个或多个田地上的一种或多种作物的数字模型构建、建议和通知的生成、以及脚本的生成和脚本向应用控制器114的发送。

在一个实施例中，农业智能计算机系统130被编程为具有或者包括通信层132、表示层134、数据管理层140、硬件/虚拟化层150以及模型和田地数据储存库160。在该上下文中，“层”是指电子数字接口电路、微控制器、诸如驱动程序之类的固件、和/或计算机程序或其他软件元素的任何组合。

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

表示层134可以被编程或者被配置为生成要在田地管理者计算设备104、驾驶室计算机115或者通过网络109耦合到系统130的其他计算机上被显示的图形用户界面(GUI)。GUI可以包括控件，该控件用于输入要被发送到农业智能计算机系统130的数据，生成针对模型和/或建议的请求，和/或显示建议、通知、模型、以及其他田地数据。

数据管理层140可以被编程或者被配置为管理涉及储存库160和系统的其他功能元件的读操作和写操作，包括在系统的功能元件和储存库之间被传送的查询和结果集。数据管理层140的示例包括JDBC、SQL服务器接口代码和/或HADOOP接口代码等。储存库160可以包括数据库。如本文所使用的，术语“数据库”可以是指数据体、关系数据库管理系统(RDBMS)或者是指这两者。如本文所使用的，数据库可以包括数据的任何集合，包括分层数据库，关系数据库、平面文件数据库、对象关系数据库、面向对象的数据库、分布式数据库、以及被存储在计算机系统中的记录或数据的任何其他结构化集合。RDBMS的示例包括但不限于

MYSQL、/>

DB2、/>

SQL SERVER、/>

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

当田地数据106没有经由与农业智能计算机系统交互的一个或多个农业机器或农业机器设备直接被提供给农业智能计算机系统时，可以经由(由农业智能计算机系统服务的)用户设备上的一个或多个用户界面提示用户输入这样的信息。在示例实施例中，用户可以通过访问(由农业智能计算机系统服务的)用户设备上的地图并且选择已经在该地图上以图形方式示出的特定CLU来指定标识数据。在备选实施例中，用户102可以通过访问(由农业智能计算机系统130服务的)用户设备上的地图并且在该地图之上绘制田地边界来指定标识数据。这样的CLU选择或地图绘制表示地理标识符。在备选实施例中，用户可以通过经由用户设备访问来自美国农业部农场服务局或其他源的(以形状文件或类似格式所提供的)田地标识数据来指定标识数据，并且向农业智能计算机系统提供这样的田地标识数据。

在示例实施例中，农业智能计算机系统130被编程为生成并且引起显示包括用于数据输入的数据管理器的图形用户界面。在一个或多个田地已经使用上文描述的方法被标识之后，数据管理器可以提供一个或多个图形用户界面小部件，该小部件在被选择时可以标识对田地、土壤、作物、耕作、或养分实践的改变。数据管理器可以包括时间线视图、电子表格视图和/或一个或多个可编辑程序。

图5描绘了数据条目的时间线视图的示例实施例。使用图5中所描绘的显示，用户计算机可以输入对特定田地的选择和用于事件添加的特定日期。在时间线顶部所描述的事件可以包括氮、种植、实践和土壤。为了添加氮施用事件，用户计算机可以提供输入来选择氮标签。然后，用户计算机可以在时间线上选择针对特定田地的位置，以便指示在所选择田地上的氮施用。响应于接收到在时间线上针对特定田地的位置的选择，数据管理器可以显示数据条目叠加，从而允许用户计算机输入关于氮施用、种植过程、土壤施用、耕作程序、灌溉实践、或者与特定田地有关的其他信息的数据。例如，如果用户计算机选择时间线的部分并指示氮施用，则数据条目叠加可以包括用于输入所施用的氮的量、施用日期、所使用的肥料类型、以及与氮施用有关的任何其他信息的栏。

在一个实施例中，数据管理器提供用于创建一个或多个程序的界面。在此上下文中，“程序”是指关于氮施用、种植过程、土壤施用、耕作过程、灌溉实践、或者可能与一个或多个田地有关的其他信息的数据的集合，这些数据可以被存储在数字数据储存装置中以供在其他操作中作为集合重使。在程序已经被创建之后，其可以在概念上被应用到一个或多个田地，并且该程序的引用可以与标识这些田地的数据相关联地被存储在数字储存装置中。因此，替代于手动录入与针对多个不同田地的相同氮施用有关的完全相同的数据，用户计算机可以创建指示氮的特定施用的程序，并且然后向多个不同田地施用该程序。例如，在图5的时间线视图中，顶部的两条时间线选择了“春季施用”程序，该程序包括在四月初每英亩施用150磅氮(150lbs N/ac)。数据管理器可以提供界面用于编辑程序。在一个实施例中，当特定程序被编辑时，已经选择该特定程序的每个田地被编辑。例如，在图5中，如果“春季施用”程序被编辑以将氮施用减少到每英亩130磅氮，则基于所编辑的程序，顶部的两个田地可以被更新为具有减少的氮施用。

在一个实施例中，响应于接收到对已经选择了程序的田地的编辑，数据管理器移除该田地与所选择的程序的对应。例如，如果氮施用被添加到图5顶部的田地，则该界面可以更新以指示“春季施用”程序不再被应用于该顶部的田地。尽管四月初的氮施用可能保留，但是对“春季施用”程序的更新不会更改四月的氮施用。

图6描绘了数据条目的电子表格视图的示例实施例。使用图6中所描绘的显示，用户可以创建和编辑针对一个或多个田地的信息。如图6中所描绘，数据管理器可以包括电子表格，该电子表格用于输入关于氮、种植、实践和土壤的信息。为了编辑特定的条目，用户计算机可以在电子表格中选择特定条目并且更新值。例如，图6描绘了正在进行的针对第二田地的目标产量值的更新。另外，用户计算机可以选择一个或多个田地以便应用一个或多个程序。响应于接收到针对特定田地的程序选择，数据管理器可以基于所选择的程序自动完成针对特定田地的条目。与时间线视图一样，响应于接收到对特定程序的更新，数据管理器可以更新针对与该程序相关联的每个田地的条目。另外，响应于接收到针对田地的条目中的一个条目的编辑，数据管理器可以移除所选择的程序与该田地的对应。

在一个实施例中，模型和田地数据被存储在模型和田地数据储存库160中。模型数据包括针对一个或多个田地所创建的数据模型。例如，作物模型可以包括一个或多个田地上的作物发育的数字构建的模型。在此上下文中，“模型”是指彼此相关联的可执行指令和数据值的电子数字存储的集合，它们能够接收程序的或其他数字的调用(call)、调用(invocation)或解析请求并且基于指定输入值来响应该程序的或其他数字的调用、调用或解析请求，以产生一个或多个被存储或被计算的输出值，这些输出值可以充当计算机实现的建议、输出数据显示、或机器控制等的基础。本领域技术人员发现使用数学方程式来表达模型是方便的，但是这种表达形式并不将本文公开的模型局限为抽象概念；而是，本文中的每个模型都以被存储的可执行指令和数据的形式在计算机中具有实践应用，该被存储的可执行指令和数据使用计算机来实现模型。模型可以包括一个或多个田地上的过去事件的模型，一个或多个田地的当前状态的模型和/或一个或多个田地的预测事件的模型。模型和田地数据可以被存储在存储器中的数据结构中，被存储在数据库表中的行中，被存储在平面文件或电子表格中，或者被存储在其他形式的被存储的数字数据中。

在一个实施例中，目标田地标识子系统170和播种率调整子系统180中的每项包括农业智能计算机系统130中主存储器(诸如RAM)的一个或多个页面的集合，可执行指令已经被加载到该页面的集合中，并且该页面的集合在被执行时使农业智能计算机系统执行参考那些模块在本文描述的功能或操作。例如，农业数据特征标识指令172可以包括在RAM中的页面的集合，该页面的集合包含当被执行时引起执行本文所描述的位置选择功能的指令。指令可以在CPU的指令集中的机器可执行代码中并且可以基于源代码而被编译，源代码单独或者与JAVASCRIPT中的脚本、其他脚本语言和其他编程源文本结合地以JAVA、C、C++、OBJECTIVE-C或任何其他人类可读编程语言或环境编写。术语“页面”旨在宽泛地指代主存储器内的任何区域，并且在系统中使用的特定术语可以取决于存储器架构或处理器架构而变化。在另一实施例中，目标田地标识子系统170和播种率调整子系统180的每个组件还可以表示源代码的一个或多个文件或项目，该源代码的一个或多个文件或项目被数字地存储在诸如非易失性RAM或磁盘存储装置的大容量存储设备中，存储在农业智能计算机系统130或分离的储存库系统中，当其被编译或者被解释时引起生成可执行指令，该可执行指令在被执行时使农业智能计算机系统执行本文中参考那些模块所描述的功能或操作。换句话说，附图可以表示程序员或软件开发者组织和安排源代码用于稍后将其编译成可执行文件、或者解释成字节码或等效体以供农业智能计算机系统130执行的方式。

硬件/虚拟化层150包括一个或多个中央处理单元(CPU)、存储器控制器，以及计算机系统的其他设备、组件或元件，诸如易失性或非易失性存储器、诸如磁盘的非易失性储存装置，以及例如结合图4所图示和描述的I/O设备或接口。层150还可以包括被配置为支持虚拟化、容器化或者其他技术的被编程指令。

出于图示清楚的示例的目的，图1示出了某些功能元件的有限数目的实例。然而，在其他一些实施例中，可以有任何数目的这样的元件。例如，实施例可以使用与不同用户相关联的数千或数百万个不同的移动计算设备104。此外，系统130和/或外部数据服务器计算机108可以使用两个或更多个的处理器、核心、集群、或者物理机或虚拟机的实例而被实现，被配置在离散位置或者与其他元件被共置在数据中心、共享计算设施或者云计算设施中。

2.2.应用程序概述

在一个实施例中，使用被加载到一个或多个通用计算机中、并且使用一个或多个通用计算机而被执行的一个或多个计算机程序或其他软件元件在本文中描述的功能的实现将得通用计算机被配置为特别被适配以执行本文所述功能的特定机器或计算机。此外，本文进一步描述的流程图中的每个流程图可以单独地或者与本文所述的过程和功能的描述结合地充当算法、计划或方向，这些算法、计划或方向可以被用来对计算机或逻辑进行编程以实现所描述的功能。换句话说，本文中的所有散文文本以及所有附图一起旨在，与具有适合这类发明和公开的技能水平的人员的技能和知识相结合来提供算法、计划或方向的公开，该公开足以允许技术人员对计算机进行编程以执行本文中所描述的功能。

在一个实施例中，用户102使用配置有操作系统和一个或多个应用程序或app的田地管理者计算设备104与农业智能计算机系统130交互；田地管理者计算设备104还可以在程序控制或逻辑控制下独立并且自动地与农业智能计算机系统互操作，并且并不总是要求直接的用户交互。田地管理者计算设备104宽泛地表示智能电话、PDA、平板计算设备、膝上型计算机、台式计算机、工作站、或者能够传输和接收信息并且执行本文所描述的功能的任何其他计算设备中的一个或多个。田地管理者计算设备104可以使用被存储在田地管理者计算设备104上的移动应用经由网络通信，并且在一些实施例中，该设备可以使用电缆113或连接器耦合到传感器112和/或控制器114。用户102可以结合系统130一次拥有、操作或者支配和使用多于一个的田地管理者计算设备104。

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

在一个实施例中，田地管理者计算设备104向农业智能计算机系统130发送田地数据106，田地数据106包括或包含但不限于表示下列一项或多项的数据值：一个或多个田地的地理位置、一个或多个田地的耕作信息、一个或多个田地中所种植的作物，以及从一个或多个田地所提取的土壤数据。田地管理者计算设备104可以响应于来自用户102的用户输入来发送田地数据106，用户输入102指定针对一个或多个田地的数据值。另外，当数据值中的一个或多个数据值变得对田地管理者计算设备104可用时，田地管理者计算设备104可以自动发送田地数据106。例如，田地管理者计算设备104可以通信地耦合到远程传感器112和/或应用控制器114，包括灌溉传感器和/或灌溉控制器。响应于接收到指示应用控制器114放水到一个或多个田地上的数据，田地管理者计算设备104可以向农业智能计算机系统130发送田地数据106，田地数据106指示已经在一个或多个田地上放水。可以使用电子数字数据来输入和传送在本公开中所标识的田地数据106，该电子数字数据使用HTTP之上的参数化URL或另一种合适的通信或消息收发协议而在计算设备之间被传送。

移动应用的商业示例是CLIMATE FIELDVIEW，从加利福尼亚州旧金山的克莱米特公司可商购。CLIMATE FIELDVIEW应用或者其他应用可以被修改、被扩展或者被适配，以包括尚未在本公开的申请日之前被公开的特征、功能和编程。在一个实施例中，移动应用包括集成的软件平台，该集成的软件平台允许种植者对其操作做出基于事实的决策，因为该平台组合了有关种植者田地的历史数据与种植者希望比较的任何其他数据。组合和比较可以实时并且基于科学模型被执行，该科学模型提供潜在场景以允许种植者做出更好、更明智的决策。

图2例示出了当示例移动应用被加载以供执行时主存储器中指令集的示例逻辑组织的两个视图。在图2中，每个命名的元素表示RAM或其他主存储器的一个或多个页面的区域或者磁盘储存装置或其他非易失性储存装置的一个或多个块的区域，以及这些区域内的被编程指令。在一个实施例中，在视图(a)中，移动计算机应用200包括账户田地数据摄取共享指令202、概述和警报指令204、数字地图簿指令206、种子和种植指令208、氮指令210、天气指令212、田地健康指令214和性能指令216。

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

在一个实施例中，数字地图簿指令206包括被存储在设备存储器中的田地地图数据层并且被编程为具有数据可视化工具和地理空间田地注释。这为种植者提供了触手可得的方便信息用于对田地性能进行参考、日志记录和视觉洞察。在一个实施例中，概述和警报指令204被编程为提供对种植者重要的内容的操作范围视图，并且提供采取行动或集中于特定问题的及时建议。这允许种植者将时间集中在需要注意的地方，以节省时间并在整个季节保持产量。在一个实施例中，种子和种植指令208被编程为提供用于基于科学模型和经验数据来进行种子选择、杂种布置和脚本创建(包括可变速率(VR)脚本创建)的工具。这使种植者能够通过优化的种子购买、布置和种群来最大化产量或投资回报。

在一个实施例中，脚本生成指令205被编程为提供用于生成包括可变速率(VR)肥力脚本的脚本的界面。该界面使种植者能够创建用于田间器具(诸如养分施用、种植和灌溉)的脚本。例如，种植脚本界面可以包括用于标识用于种植的种子类型的工具。响应于接收到对种子类型的选择，移动计算机应用200可以显示被划分成管理区的一个或多个田地，诸如作为数字地图簿指令206的部分而被创建的田地地图数据层。在一个实施例中，管理区包括土壤区以及标识每个土壤区的面板以及针对每个区的土壤名称、质地、排水或者其他田地数据。移动计算机应用200还可以在一个或多个田地的地图之上显示用于编辑或创建这样的工具，诸如用于绘制管理区(诸如土壤区)的图形工具。种植过程可以被应用到所有管理区，或者不同的种植过程可以被应用到管理区的不同子集。当脚本被创建时，移动计算机应用200可以使该脚本可用于以由应用控制器可读的格式(诸如存档或压缩格式)。附加地和/或备选地，脚本可以从移动计算机应用200直接被发送到驾驶室计算机115和/或被上传到一个或多个数据服务器并且被存储以供未来使用。

在一个实施例中，氮指令210被编程为提供通过可视化氮对作物的可用性来通知氮决策的工具。这使种植者能够通过季节期间优化的氮施用来最大化产量或投资回报。示例的被编程功能包括显示图像(诸如SSURGO图像)，以使得能够以高空间分辨率(取决于传感器的接近度和分辨率，精细到毫米或更小)，来绘制肥料施用区和/或从子田地土壤数据(诸如从传感器获得的数据)生成的图像；上传现有的种植者定义的区；提供植物养分可用性的图表和/或使得能够调节跨多个区的(多个)氮施用的地图；输出脚本以驱动机械；用于海量数据录入和调整的工具；和/或用于数据可视化的地图等。在此上下文中，“海量数据录入”可以意味着录入数据一次，然后将相同的数据应用到系统中已定义的多个田地和/或区；示例数据可以包括对于相同种植者的许多田地和/或区都相同的氮施用数据，但是这样的海量数据录入适用于将任何类型的田地数据录入到移动计算机应用200中。例如，氮指令210可以被编程为接受氮施用程序和氮实践程序的定义，并且接受指定跨多个田地应用那些程序的用户输入。在此上下文中，“氮施用程序”是指关联以下项的被存储的数据的命名集合：名称、颜色代码或其他标识符、一个或多个施用日期、用于日期和量中的每个日期和量的材料或产品的类型、施用或掺入方法(诸如注入或播撒)、和/或针对日期中的每个日期的施用量或施用速率、作为施用对象的作物或杂种等。在此上下文中，“氮实践程序”是指关联以下项的被存储的数据的命名集合：实践名称；先前的作物；耕作系统；主要耕作日期；被使用过的一个或多个先前的耕作系统；被使用过的施用类型(诸如有机肥)的一个或多个指示符。氮指令210还可以被编程为生成并且引起显示氮图，氮图指示植物对指定氮的使用的规划以及是否预测了盈余或短缺；例如，在一些实施例中，不同的颜色指示符可以标志盈余的量级或短缺的量级。在一个实施例中，氮图包括计算机显示设备中的图形显示，包括：多个行，每个行与田地相关联并且标识该田地；数据，其指定什么作物在田地中被种植、田地大小、田地位置和田地周界的图形表示；在每个行中，具有图形指示符的按月时间线，其指定在与月份名称相关的点处的每个氮施用和量；以及数字和/或彩色的盈余或短缺指示符，其中颜色指示量级。

在一个实施例中，氮图可以包括一个或多个用户输入特征(诸如刻度盘或滑动条)，以动态地改变氮种植和实践程序，使得用户可以优化其氮图。然后，用户可以使用其优化的氮图以及有关的氮种植和实践程序来实现一个或多个脚本，包括可变速率(VR)肥力脚本。氮指令210也可以被编程为生成并且引起显示氮地图，该氮地图指示植物对指定氮的使用规划以及是否预测了盈余或短缺；在一些实施例中，不同颜色的指示符可以标志盈余的量级或短缺的量级。使用数字和/或彩色的盈余或短缺指示符，氮图可以显示植物对指定氮的使用的预测，以及针对过去和未来的不同时间(诸如每天、每周、每月或每年)是否预测了盈余或短缺，其中颜色指示量级。在一个实施例中，氮地图可以包括一个或多个用户输入特征(诸如刻度盘或滑动条)，以动态地改变氮种植和实践程序，使得用户可以优化其氮地图，诸如以获得优选量的盈余到短缺。然后，用户可以使用其优化的氮地图以及有关的氮种植和实践程序来实现一个或多个脚本，包括可变速率(VR)肥力脚本。在其他一些实施例中，与氮指令210类似的指令可以被用于其他养分(诸如磷和钾)的施用、农药的施用以及灌溉程序。

在一个实施例中，天气指令212被编程为提供田地特定的最近天气数据和预报得天气信息。这使种植者能够节省时间，并且具有关于日常操作性决策得有效率的集成显示。

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

在一个实施例中，性能指令216被编程为提供使用农场数据进行评估、洞察和决策的报告、分析和洞察工具。这使种植者能够通过关于为何对投资的回报处于先前水平的基于事实的结论以及对产量限制因素的洞察来寻求来年的改进结果。性能指令216可以被编程为经由(多个)网络109向后端分析程序通信，该后端分析程序在农业智能计算机系统130和/或外部数据服务器计算机108处被执行并且被配置为分析诸如产量、产量差异、杂种、种群、SSURGO区、土壤测试属性或海拔等的度量。被编程的报告和分析可以包括产量可变性分析、处理影响估计、基于从许多种植者所收集的匿名数据进行针对其他种植者的产量和其他度量的标杆分析、或者针对种子和种植的数据等。

具有以这种方式配置的指令的应用可以针对不同的计算设备平台而被实现，同时保持相同的通用用户界面外观。例如，移动应用可以被编程，以供在平板、智能电话、或者使用客户端计算机处的浏览器所访问的服务器计算机上执行。此外，被配置为用于平板计算机或智能电话的移动应用可以提供适合用于驾驶室计算机115的显示和处理能力的完整的app体验或驾驶室app体验。例如，现在参考图2的视图(b)，在一个实施例中，驾驶室计算机应用220可以包括地图驾驶室指令222、远程查看指令224、数据收集和传送指令226、机器警报指令228、脚本传送指令230和侦察驾驶室指令232。用于视图(b)的指令的代码库可以与用于视图(a)的相同，并且实现代码的可执行文件可以被编程为检测这些可执行文件正在之上执行的平台的类型，并且以通过图形用户界面仅暴露那些适合驾驶室平台或全平台的功能。这种方法使系统能够识别出适合于驾驶室内环境和驾驶室的不同技术环境的截然不同的用户体验。地图驾驶室指令222可以被编程为提供在指导机器操作中有用的田地、农场或区域的地图视图。远程查看指令224可以被编程为开启、管理机器活动的视图，并且实时地或近实时地经由无线网络、有线连接器或适配器等连接到系统130的其他计算设备提供这些机器活动的视图。数据收集和传送指令226可以被编程为开启、管理在传感器和控制器处所收集的数据，并且提供经由无线网络、有线连接器或适配器等向系统130传送这些数据。机器警报指令228可以被编程为检测与驾驶室相关联的机器或工具的操作问题并且生成操作者警报。脚本传送指令230可以被配置为以指令脚本的方式传送，这些指令脚本被配置为指导机器操作或数据收集。侦查驾驶室指令232可以被编程为：基于田地管理者计算设备104、农业装置111或传感器112在田地中的位置来显示从系统130所接收的基于位置的警报和信息，以及基于农业装置111或传感器112在田地中的位置来摄取、管理基于位置的侦察观测结果并且提供向系统130传送这些基于位置的侦察观测结果。

2.3.计算机系统的数据摄取

在一个实施例中，外部数据服务器计算机108存储外部数据110，包括表示针对一个或多个田地的土壤组成的土壤数据和表示一个或多个田地上的温度和降水的天气数据。天气数据可以包括过去和当前的天气数据以及对未来天气数据的预报。在一个实施例中，外部数据服务器计算机108包括由不同实体托管的多个服务器。例如，第一服务器可以包含土壤组成数据，而第二服务器可以包括天气数据。另外，土壤组成数据可以被存储在多个服务器中。例如，一个服务器可以存储表示土壤中的沙子、淤泥和粘土的百分比的数据，而第二个服务器可以存储表示土壤中的有机物(OM)的百分比的数据。

在一个实施例中，远程传感器112包括被编程或者被配置为产生一个或多个观测结果的一个或多个传感器。远程传感器112可以是诸如卫星的空中传感器、车辆传感器、种植装备传感器、耕作传感器、肥料或杀虫剂施用传感器、收割机传感器，以及能够从一个或多个田地接收数据的任何其他器具。在一个实施例中，应用控制器114被编程或者被配置为从农业智能计算机系统130接收指令。应用控制器114还可以被编程或者被配置为控制农业车辆或器具的操作参数。例如，应用控制器可以被编程或者被配置为控制车辆(诸如拖拉机)、种植装备、耕作装备、肥料或杀虫剂装备、收割机装备或者其他农场器具(诸如水阀)的操作参数。其他一些实施例可以使用传感器和控制器的任何组合，以下仅仅是其被选择的示例。

系统130可以在用户102的控制下海量地从已经将数据贡献给共享数据库系统的大量种植者那里或者摄取数据。当一个或多个用户控制的计算机操作被请求或者被触发以获得供系统130使用的数据时，这种获得数据的形式可以被称为“手动数据摄取”。例如，从加利福尼亚州旧金山的克莱米特公司可商购的CLIMATE FIELDVIEW应用可以被操作将数据导出到系统130，以供存储在储存库160中。

例如，种子监视器系统既可以控制播种机装置组件也可以获得种植数据，包括经由信号线束来自种子传感器的信号，该信号线束包括CAN主干网和用于注册和/或诊断的点对点连接。种子监视器系统可以被编程或者被配置为经由驾驶室计算机115或者系统130内的其他设备向用户显示种子间距、种群和其他信息。在美国专利号8,738,243和美国专利公开20150094916中公开了示例，并且本公开假定了解那些其他专利公开。

同样，产量监视器系统可以包含用于收割机装置的产量传感器，该产量监视器系统向驾驶室计算机115或系统130内的其他设备发送产量测量数据。产量监视器系统可以利用一个或多个远程传感器112来获得联合收割机或其他收割机中的谷物水分测量结果，并且经由驾驶室计算机115或系统130内的其他设备向用户传输这些测量结果。

在一个实施例中，可以与在本文其他地方描述的类型的任何移动车辆或装置一起使用的传感器112的示例包括运动学传感器和定位传感器。运动学传感器可以包括任何速度传感器，诸如雷达或车轮速度传感器、加速度计、或陀螺仪。定位传感器可以包括GPS接收器或收发器、或者被编程为基于附近的WiFi热点来确定位置的基于WiFi的定位或地图制作app等等。

在一个实施例中，可以与拖拉机或其他移动车辆一起使用的传感器112的示例包括引擎速度传感器、燃料消耗传感器、与GPS或雷达信号交互的面积计数器或距离计数器、PTO(动力输出装置)速度传感器，被配置为检测液压参数(诸如压力或流量)和/或液压泵速度的拖拉机液压传感器、轮速传感器或轮滑传感器。在一个实施例中，可以与拖拉机一起使用的控制器114的示例包括：液压方向控制器、压力控制器、和/或流量控制器；液压泵速度控制器；速度控制器或调速器；挂钩定位控制器；或提供自动转向的车轮定位控制器。

在一个实施例中，可以与诸如播种机、条播机或空气播种机的种子种植设备一起使用的传感器112的示例包括：种子传感器，其可以是光学、电磁或冲击传感器；下压力传感器，诸如负载销、负载传感器、压力传感器；土壤属性传感器，诸如反射率传感器、水分传感器、电导率传感器、光学残留传感器或者温度传感器；组件操作标准传感器，诸如种植深度传感器、下压力缸压力传感器、种子盘速度传感器、种子驱动电机编码器、种子输送机系统速度传感器或者真空度传感器；或者农药施用传感器，诸如光学或其他电磁传感器、或者冲击传感器。在一个实施例中，可以与这样的种子种植装备一起使用的控制器114的示例包括：工具栏折叠控制器，诸如用于与液压缸相关联的阀的控制器；下压力控制器，诸如与气压缸、安全气囊或者液压缸相关联的阀的控制器，该控制器被编程用于将下压力施用到个体的行单元或整个播种机框架上；种植深度控制器，诸如线性致动器；计量控制器，诸如电动排种器驱动马达、液压排种器驱动马达或者刈幅控制离合器；杂种选择控制器，诸如排种器驱动马达，或者被编程用于选择性地允许或阻止种子或空气种子混合物向排种器或中央散装料斗运送种子或者从排种器或中央散装料斗运送种子；计量控制器，诸如电动排种器驱动马达或者液压排种器驱动马达；种子输送机系统控制器，诸如用于带式种子运送输送机马达的控制器；标记控制器，诸如用于气动或液压致动器的控制器；或者农药施用速率控制器，诸如计量驱动控制器、孔口尺寸或定位控制器。

在一个实施例中，可以与耕作设备一起使用的传感器112的示例包括：用于诸如柄或盘的工具的定位传感器；用于这种工具的工具定位传感器，该定位传感器被配置为检测深度、耙组角或者横向间距；下压力传感器；或者牵引力传感器。在一个实施例中，可以与耕作设备一起使用的控制器114的示例包括下压力控制器或工具定位控制器，诸如被配置为控制工具深度、耙组角或者横向间距的控制器。

在一个实施例中，可以与用于施用肥料、杀虫剂、杀真菌剂等的装置(诸如播种机上启动肥系统、底土肥料施用器、或肥料喷雾机)相关联使用的传感器112的示例包括：流体系统标准传感器，诸如流量传感器或压力传感器；指示哪个喷头阀或流体管线阀为打开的传感器；与罐相关联的传感器，诸如液位传感器；分段或系统范围的供应线传感器，或行专用的供应线传感器；或运动学传感器，诸如被安置在喷雾机喷杆上的加速度计。在一个实施例中，可以与这种装置一起使用的控制器114的示例包括：泵速度控制器；被编程以控制压力、流量、方向、PWM等的阀控制器；或定位致动器，诸如针对喷杆高度、底土层深度或动臂定位。

在一个实施例中，可以与收割机一起使用的传感器112的示例包括：产量监视器，诸如冲击板应变仪或定位传感器、电容式流量传感器、负载传感器、重量传感器、或者与升降机或螺旋钻相关联的扭矩传感器、或光学或其他电磁谷物高度传感器；谷物水分传感器，诸如电容式传感器；谷物损失传感器，包括冲击、光学或电容式传感器；割台操作标准传感器，诸如割台高度传感器、割台类型传感器、台面板间隙传感器、进料器速度和拨禾轮速度传感器；分离器操作标准传感器，诸如凹板间隙、转子速度、闸瓦间隙或颖壳筛间隙传感器；针对定位、操作或速度的螺旋钻传感器；或者引擎转速传感器。在一个实施例中，可以与收割机一起使用的控制器114的示例包括：针对诸如割台高度、割台类型、台面板间隙、进料器速度或拨禾轮速度等元素的割台操作标准控制器；以及针对诸如凹板间隙、转子速度、闸瓦间隙或颖壳筛间隙的特征的分离器操作标准控制器；或者针对定位、操作或速度的螺旋钻控制器。

在一个实施例中，可以与谷物推车一起使用的传感器112的示例包括重量传感器、或者针对螺旋钻定位、操作或速度的传感器。在一个实施例中，可以与谷物推车一起使用的控制器114的示例包括针对螺旋钻定位、操作或速度的控制器。

在一个实施例中，传感器112和控制器114的示例可以被安装在无人驾驶飞行器(UAV)装置或“无人机”中。这样的传感器可以包括具有检测器的相机，该检测器对包括可见光、红外、紫外线、近红外(NIR)等在内的电磁频谱的任何范围都有效；加速度计；高度计；温度传感器；湿度传感器；皮托管传感器或者其他空速或风速传感器；电池寿命传感器；或者雷达发射器和反射雷达能量检测装置；其他电磁辐射发射器和反射电磁辐射检测装置。这样的控制器可以包括引导或马达控制装置、控制表面控制器、相机控制器，或者被编程为打开任何前述传感器、操作任何前述传感器、从任何前述传感器获得数据、管理和配置任何前述传感器的控制器。。在美国专利申请号14/831,165中公开了示例，并且本公开假定了解其他专利公开。

在一个实施例中，传感器112和控制器114可以被贴附到土壤采样和测量装置，该装置被配置或者被编程为对土壤采样并且执行土壤化学测试、土壤水分测试，以及其他与土壤有关的测试。例如，可以使用在美国专利号美国专利号8,767,194和美国专利号No.8,712,148中披露的装置，并且本公开假定了解那些专利公开。

在一个实施例中，传感器112和控制器114可以包括用于监视田地的天气条件的天气设备。例如，在于2015年4月29日提交的美国临时申请号62/154,207、2015年6月12日提交的美国临时申请号62/175,160、2015年7月28日提交的美国临时申请号62/198,060和2015年9月18日提交的美国临时申请号62/220,852中所公开的装置可以被使用，并且本公开假定了解那些专利公开。

2.4.过程概述-农艺模型训练

在一个实施例中，农业智能计算机系统130被编程或者被配置为创建农艺模型。在此上下文中，农艺模型是农业智能计算机系统130的存储器中包括田地数据106的数据结构，诸如针对一个或多个田地的标识数据和收获数据。农艺模型还可以包括计算出的农艺属性，农艺属性描述可能影响田间一种或多种作物生长的条件或一种或多种作物的特性，或其描述两者。另外，农艺模型可以包括基于农艺因素的建议，诸如作物建议、灌溉建议、种植建议、肥料建议、杀真菌剂建议、农药建议、收获建议，以及其他作物管理建议。农艺因素还可以被用来估计与一种或多种作物有关的结果，诸如农艺产量。作物的农艺产量是对所生产作物的数量的估计，或者在某些示例中是从所生产作物获得的收入或利润。

在一个实施例中，农业智能计算机系统130可以使用预配置的农艺模型来计算与当前接收到的一个或多个田地的位置和作物信息有关的农艺属性。预配置的农艺模型基于先前所处理的田地数据，包括但不限于标识数据、收获数据、肥料数据和天气数据。预配置的农艺模型可能已经被交叉验证，以确保模型的准确度。交叉验证可以包括与地面实况的比较，该比较将预测结果与田地上的实际结果相比较，诸如将降雨估计与提供相同或附近位置的天气数据的雨量计或传感器相比较，或者将氮含量的估计与土壤样本测量相比较。

图3例示出了被编程的过程，农业智能计算机系统通过该过程使用由一个或多个数据源提供的田地数据来生成一个或多个预配置的农艺模型。图3可以充当用于将农业智能计算机系统130的功能元件编程为执行现在所描述的操作的算法或指令。

在框305处，农业智能计算机系统130被配置或者被编程为实现对从一个或多个数据源所接收的田地数据的农艺数据预处理。出于去除噪声、失真影响以及农艺数据内的混杂因素的目的，可以对从一个或多个数据源所接收的田地数据进行预处理，这些混杂因素包括可能对接收到的田地数据值产生不利影响的测量离群值。农艺数据预处理的实施例可以包括但不限于：去除通常与离群值数据值相关联的数据值、已知不必要地使其他数据值倾斜的特定测量数据点，被用来去除或降低来自噪声的加性或乘性效应的数据平滑、聚合或采样技术，以及被用来提供正数据输入和负数据输入之间的清楚区别的其他滤波或数据推导技术。

在框310处，农业智能计算机系统130被配置或者被编程为使用经预处理的田地数据来执行数据子集选择，以便标识对初始的农艺模型生成有用的数据集。农业智能计算机系统130可以实现数据子集选择技术，包括但不限于遗传算法方法、所有子集模型方法、顺序搜索方法、逐步回归方法、粒子群优化方法，以及蚁群优化方法。例如，基于自然选择和遗传学的进化原理，遗传算法选择技术使用自适应启发式搜索算法来确定和评估经预处理的农艺数据内的数据集。

在框315处，农业智能计算机系统130被配置或者被编程为实现田地数据集评估。在一个实施例中，通过创建农艺模型并且使用针对所创建的农艺模型的特定质量阈值来评估特定的田地数据集。可以使用一种或多种比较技术来比较和/或验证农艺模型，诸如但不限于留一交叉验证均方根误差(RMSECV)、均值绝对误差和均值百分比误差。例如，RMSECV可以通过比较由农艺模型创建的预测农艺属性值与被收集并且被分析的历史农艺属性值来对农艺模型进行交叉验证。在一个实施例中，农艺数据集评估逻辑被用作反馈回路，其中不满足所配置的质量阈值的农艺数据集在未来的数据子集选择步骤期间被使用(框310)。

在框320处，农业智能计算机系统130被配置或者被编程为基于经交叉验证的农艺数据集来实现农艺模型创建。在一个实施例中，农艺模型创建可以实现多变量回归技术以创建预配置的农艺数据模型。

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

2.5目标农业田地标识子系统

在一个实施例中，农业智能计算机系统130，除其他组件之外，包括目标田地标识子系统170。目标田地标识子系统170被编程为或者被配置为从多个农业田地标识具有最优水平的田地内作物产量可变性的目标农业田地集。如本文所用，术语“最优(optimal)”和有关的术语(例如，“优化的(optimizing)”、“优化(optimization)”等)是广义术语，其是指关于任何结果、系统、数据等的“最佳或最有效”(通用优化)以及“更好或更有效”的改进(“相对优化”)。目标农业田地集可以是多个农业田地的表示具有高于期望阈值的田地内作物产量可变性水平的农业田地的子集。

在一个实施例中，标识目标农业田地集基于由农业智能计算机系统130接收的输入，该输入包括但不限于针对多个农业田地的历史作物产量数据记录和针对多个农业田地的历史观测到的农业数据。例如，历史观测到的农业数据可以包括观测到的月温度均值、田地坡度条件、观测到的月降水、观测到的有机物、作物产量范围、观测到的历史作物产量和历史播种率。在一个实施例中，农业智能计算机系统130可以从各种源接收历史农业数据，包括但不限于公共可用的农业数据库、由多个田地的种植者收集的观测、以及任何其他公共源或私有源。

在一个实施例中，目标田地标识子系统170可以包括或者被编程为具有农业数据特征标识指令172、田地可变性估计指令174、和目标田地标识指令176。农业数据特征标识指令172提供指令以确定要被用于评估针对多个农业田地的田地内作物产量可变性的农业数据特征集。农业数据特征集可以表示多个观测时间的观测到的田地条件和观测到的作物产量的经选择的子集。田地可变性估计指令174提供生成田地可变性模型的指令，田地可变性模型使用农业数据特征集、针对多个农业田地中的每个田地的田地内作物产量来确定可变性水平。田地可变性模型可以被配置为接收针对特定农业田地的农业数据作为输入，并且产生输出田地可变性得分。目标田地标识指令176可以被配置为将多个农业田地中的每个农业田地排名，并且标识具有高于指定可变性阈值的田地内作物产量可变性水平的目标田地集。例如，可以基于作物产量可变性将农业田地中的每个农业田地排名，并且具有最高作物产量可变性的前20％田地可以被标识为目标农业田地集。

2.6播种率调整子系统

在一个实施例中，农业智能计算机系统130，除其他组件之外，包括播种率调整子系统180。播种率调整子系统180被编程为或者被配置为标识针对在目标农业田地之内的子田地区的播种率，并且建议经调整的播种率以便优化子田地区之内的作物产量。子田地区可以是指农业田地之内的子地区。每个子田地区可以已经种植了已经被标识为具有类似作物产量输出的作物。

在一个实施例中，播种率调整子系统180可以包括植被指数计算指令182、子田地区确定指令184、播种率调整指令186。植被指数计算指令182提供指令以使用目标田地的数字图像的子集来确定针对目标田地集中的每个目标田地之内的地理位置的植被指数值。数字图像的子集可以与目标田地集中的特定目标田地集对应。例如，数字图像的子集可以指在一年或多年内的各个时间点所捕获的诸如卫星图像的田地图像数据。数字图像可以通过数字信号分析来提供植物生长估计，该植物生长估计可以被用于确定植物成熟度和作物产量估计。

子田地区确定指令184可以提供指令以使用针对目标田地之内的地理位置的植被指数值来确定目标田地之内的多个子田地区。每个子田地区可以包括具有类似植被指数值的被标识的地理位置。具有类似植被指数值的地理位置可以被分组在一起以形成子田地区。例如，针对目标田地的数字图像可以指示很接近范围之内的、具有相同或类似的植被指数值的地理位置的组。该地理位置的组然后可以被分组在一起以形成子田地区。子田地区确定指令184可以基于植被指数值和在每个子田地区之内所种植的特定种子来计算针对每个子田地区的植物生产力得分。例如，子田地区确定指令184可以分析要被种植的种子的种子属性，并且基于植被指数得分和要被种植的种子的种子属性来计算植被指数生产力得分。

播种率调整指令186可以提供指令以基于针对子田地区的当前所规定的播种率和所计算的植被指数生产力得分来调整要被种植在子田地区上的种子的播种率。例如，如果针对特定子田地区的植被指数生产力得分指示该子田地区具有较高的潜在作物产量生产力，则可以使用针对未来种植策略的经调整的播种率来调整当前所规定的播种率以优化作物产量。

2.7实现示例-硬件概述

根据一个实施例，本文描述的技术由一个或多个专用计算设备实现。专用计算设备可以被硬连线以执行这些技术，或者可以包括数字电子设备，诸如一个或多个经过永久编程以执行这些技术的专用集成电路(ASIC)或现场可编程门阵列(FPGA)，或者可以包括一个或多个通用硬件处理器，该一个或多个硬件处理器被编程为以固件、存储器、其他储存装置或者组合来根据程序指令执行这些技术。这样的专用计算设备还可以将定制的硬连线逻辑、ASIC或者FPGA与定制的编程相结合来达成这些该技术。专用计算设备可以是台式计算机系统、便携式计算机系统、手持式设备、联网设备，或者是并入硬连线和/或程序逻辑以实现这些技术的任何其他设备。

例如，图4是例示出可以在其上实现本发明的实施例的计算机系统400的框图。计算机系统400包括总线402或者用于传送信息的其他通信机制，以及与总线402耦合用于处理信息的硬件处理器404。硬件处理器404可以是例如通用微处理器。

计算机系统400还包括耦合到总线402的主存储器406(诸如随机存取存储器(RAM)或其他动态存储设备)，用于存储信息和要由处理器404执行的指令。主存储器406还可以被用于在执行要由处理器404执行的指令期间存储临时变量或其他中间信息。当这样的指令被存储在处理器404可访问的非瞬态存储介质中时，将计算机系统400渲染成被定制为执行指令中所指定的操作的专用机器。

计算机系统400还包括耦合到总线402的只读存储器(ROM)408或其他静态存储设备，用于存储静态信息和用于处理器404的指令。诸如磁盘、光盘、固态驱动器的存储设备410被提供并耦合到总线402以存储信息和指令。

计算机系统400可以经由总线402耦合到诸如阴极射线管(CRT)之的显示器412，用于向计算机用户显示信息。包括字母数字键和其他键的输入设备414耦合到总线402，用于向处理器404传送信息和命令选择。另一类型的用户输入设备是光标控件416，诸如鼠标、轨迹球或光标方向键，用于向处理器404传送方向信息和命令选择以及用于控制显示器412上的光标移动。该输入设备通常在两个轴线(第一轴线(例如x)和第二轴线(例如y))上具有两个自由度，这允许设备指定平面中的定位。

计算机系统400可以使用定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实现本文所述的技术，它们与计算机系统结合使计算机系统400成为专用机器或者将计算机系统400编程为专用机器。根据一个实施例，本文的技术由计算机系统400响应于处理器404执行主存储器406中所包含的一个或多个指令的一个或多个序列来执行。这样的指令可以从另一存储介质(诸如存储设备410)被读取到主存储器406中。执行主存储器406中所包含的指令的序列使处理器404执行本文所描述的处理步骤。在备选实施例中，可以使用硬连线电路装置来代替软件指令或者与软件指令结合使用硬连线电路。

本文所使用的术语“存储介质”是指存储使得机器以特定方式操作的数据和/或指令任何非瞬态介质。这样的存储介质可以包括非易失性介质和/或易失性介质。非易失性介质包括例如光盘、磁盘或固态驱动器，诸如存储设备410。易失性介质包括动态存储器，诸如主存储器406。存储介质的常见形式包括例如软盘、软磁盘、硬盘、固态驱动器、磁带或任何其他磁性数据存储介质、CD-ROM、任何其他光学数据存储介质、具有有孔图案的任何物理介质、RAM、PROM和EPROM、FLASH-EPROM、NVRAM、任何其他存储器芯片或盒式磁带。

存储介质不同于传输介质，但是可以与传输介质结合使用。传输介质参与存储介质之间的信息传送。例如，传输介质包括同轴电缆、铜线和光纤，包括构成总线402的导线。传输介质还可以采取声波或光波的形式，诸如在无线电波和红外数据通信期间所生成的那些声波或光波。

各种形式的介质可以参与将一个或多个指令的一个或多个序列携带到处理器404以供执行。例如，指令最初可以被承载在远程计算机的磁盘或固态驱动器上。远程计算机可以将指令加载到其动态存储器中，并且使用调制解调器通过电话线来发送指令。在计算机系统400本地的调制解调器可以在电话线上接收数据，并且使用红外发射器将数据转换为红外信号。红外检测器可以接收红外信号中承载的数据，并且适当的电路装置可以将数据置于总线402上。总线402将数据承载到主存储器406，处理器404从主存储器406取回并且执行指令。由主存储器406接收的指令可以可选地在处理器404执行之前或之后被存储在存储设备410上。

计算机系统400还包括耦合到总线402的通信接口418。通信接口418提供耦合到网络链路420的双向数据通信，网络链路420连接到局域网422。例如，通信接口418可以是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器，或者提供到对应类型的电话线的数据通信连接的调制解调器。作为另一示例，通信接口418可以是提供到兼容的LAN的数据通信连接的局域网(LAN)卡。无线链路也可以被实现。在任何这样的实现中，通信接口418发送和接收电信号、电磁信号或者光信号，这些信号承载表示各类信息的数字数据流。

网络链路420通常向其他数据设备提供通过一个或多个网络的数据通信。例如，网络链路420可以向主机计算机424或者向由互联网服务提供商(ISP)426操作的数据设备提供通过本地网络422的连接。ISP426转而通过现在通常称为“互联网”428的全球分组数据通信网络来提供数据通信服务。局域网422和互联网428两者都使用承载数字数据流的电信号、电磁信号或者光信号。通过各种网络的信号和在网络链路420上并且通过通信接口418的信号是传输介质的示例形式，这些信号承载去往和来自计算机系统400的数字数据。

计算机系统400可以通过(多个)网络、网络链路420和通信接口418来发送消息并且接收包括程序代码的数据。在互联网示例中，服务器430可以通过互联网428、ISP 426、本地网络422和通信接口418来传输所请求的针对应用程序的代码。

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

3.功能概述—确定目标田地

图7图示了使用农业特征集来生成田地可变性模型、并且确定具有期望水平的田地内作物产量可变性的目标田地集的示例性实施例。图7可以被编程在程序指令中，作为先前在第2.5节、第2.6节中已经被描述的指令集的部分。

3.1收集农业数据和产量数据

在框705处，计算机系统130被编程为接收针对多个田地的历史农业数据。在一个实施例中，由系统130接收的历史农业数据可以包括出于构建和训练田地可变性模型的目的而针对田地集所收集的农业数据和作物产量数据。数据源可以包括公共可用的农业数据观测、由从若干不同种植者田地收集数据的研究伙伴提供的农业数据、以及独立种植者。数据可以由用户102(诸如，种植者)经由人工录入来接收。数据也可以是田地数据106或者外部数据110的部分。另外，如果数据先前已经出于其他应用的目的而被收集，则数据还可以从存储库160被取回。

在一些实施例中，田地可以被划分成子田地。例如，每个子田地可以是10米乘10米。服务器130可以被编程为出于模型训练目的而接收或者获得关于在时期内的不同点处的特定田地内的不同子田地的不同类型的数据。不同类型的数据可以包括土壤化学数据，诸如与有机物、阳离子交换容量或pH标度有关的数据。不同类型的数据可包括土壤地形数据，诸如海拔、坡度、曲率者或坡向。不同类型的数据还可以包括图像数据(诸如卫星图像或其他航拍图像)，其可以指示特定田地的水分、植被、疾病状态或者其他土壤属性，并且因此可以被用于得出其他类型的数据。该时期可以是一年或多年。不同点的频率可以是每小时、每天、每月、每季度、或者针对不随时间变化太多的那些数据的频率甚至更不频繁。

在一个实施例中，服务器130可以被编程以接收关于时期内的各个点处的不同子田地的有关天气的数据。在该情况下的各个点的频率可以高于其他类型的数据可用的不同点的频率。天气数据可以包括针对进入土壤中的水的降水数据和灌溉数据或者针对从土壤出来的水的蒸发数据、排水数据、径流数据、或者最小土壤饱和数据。例如，天气数据可以作为外部数据110的部分，经由参数化的URL、API调度或其他编程机制从第三方在线天气信息数据库或服务器被获得。

在一个实施例中，服务器130可以被编程为接收土壤密度数据，诸如在周期之内的不同点处的关于不同子田地的播种率和产量数据。

3.2选择农业数据特征

在框710处，农业数据特征标识指令172确定农业数据特征集，该农业数据特征集表示在多个观测时间之上针对多个田地的观测到的田地条件和观测到的作物产量。在一个实施例中，针对田地集的农业数据可以被用于确定农业数据特征集，该农业数据特征集用于生成和训练田地可变性模型。通过将农业数据分类成不同类型的观测并且然后基于分类来选择特定特征，农业数据特征可以被标识。农业数据可以包括多个不同类型的观测，该多个不同类型的观测可以基于观测类型而被分类。例如，观测类型可以被分类成作物产量类型观测、土壤组成类型观测、温度类型观测、降水类型观测和种植类型观测。基于不同类型的观测，每个被分类的观测类型可以进一步被分类成子类型。例如，作物产量类型观测可以包括针对田地的作物产量均值、针对田地的作物产量的四分位间距(interquartilerange)、以及针对田地的观测到的播种率。

土壤组成类型类别可以包括从观测到的田地集和/或从土壤调查地理数据库(SSURGO)所接收的农业数据特征。土壤组成数据特征可以包括成分、pH、有机物(OM)和阳离子交换容量(CEC)。观测到的温度类型类别可以包括针对跨不同观测生长年份的、来自不同田地的特定月份的温度值的归一化均值。例如，针对特定生长月份的最小温度均值和最大温度均值可以被标识，诸如针对五月、六月、七月、九月和任何其他期望月份的最小温度均值可以被确定并且被用作农业数据特征。观测到的降水类型类别可以包括针对特定月份的归一化的累积降水值、以及针对特定月份的归一化的观测到的降水值的标准偏差。

农业观测类型中的每个农业观测类型可以被评估以确定农业数据特征的最优集，该农业数据特征的最优集被用于训练田地可变性模型。在一个实施例中，随机森林算法可以被实现为机器学习技术以基于农业特征的均值下降基尼来确定不同的农业特征并且将这些农业特征排名。随机森林算法是一种集成机器学习方法，其通过在训练时期期间构造多个决策树并且然后输出作为个体树的均值回归的类来操作。均值下降基尼系数是每个变量如何对作为结果的随机森林中的节点和叶子的同质性做出贡献的测量。在一个实施例中，递归特征选择可以被实现，以基于农业特征对确定田地可变性的相对重要性来在每轮之后消除农业特征。在其他一些实施例中，其他可商购的机器学习技术可以被用于确定农业数据特征集。

图8图示了基于农业数据特征的均值下降基尼而被排名的农业数据特征集的示例实施例。变量805表示用于测试田地的农业数据特征集，包括：四分位距作物产量均值、作物产量均值、种植者的播种率、土壤有机物、土壤CEC、九月的最小温度归一化均值、九月的温度归一化最小标准偏差、九月的温度归一化最大标准偏差、五月的最大温度归一化均值、五月的归一化最大标准偏差、六月的归一化最大标准偏差、八月的归一化最大标准偏差、六月的归一化累积降水、七月的归一化累积降水、五月的降水归一化标准偏差、七月的降水归一化标准偏差、八月的降水归一化均值、九月的降水的归一化均值，以及针对田地的观测到的坡度度数。针对农业数据特征中的每个农业数据特征的条表示它们的均值下降基尼。

图9图示了使用经选择的农业数据特征集所建模的农业田地的敏感性对特异性图的示例实施例。敏感性对特异性图可以被用于绘制接收器操作特性(ROC)曲线，该曲线是图示了二元分类器系统在其判别阈值变化时的诊断能力的图表。该图的结果可以被用于标识当与一个或多个训练田地相比较时，所选择的农业数据特征是否提供目标子田地的准确表示。y轴表示农业特征的敏感性905，并且x轴表示用于将输出分类的特异性水平910。特异性910的范围从1.0到0.0，使得最右上点表示最敏感水平、但是在分类输出方面特异性最小的农业特征。ROC曲线915通过绘制各种阈值设置处的真正例率(true positive rate)相对于假正例率(false positive rate)而被创建。曲线下的面积(AUC)表示分类器将要相比随机选择的负实例而将随机选择的正实例更高排名的概率。例如，该图的AUC是0.6804，这意味着模型将在68.04％的时间选择随机选择的正实例而不是随机选择的负实例。

在其他一些实施例中，农业数据特征集可以取决于田地的哪个地理地区被用于收集历史农业数据的训练集而变化。

3.3.构建田地可变性模型

在框715处，田地可变性估计指令174生成田地可变性模型，该田地可变性模型被配置为确定在田地之内的可变性水平。在一个实施例中，可以使用与从框710所确定的农业数据特征集对应的历史农业数据来生成田地可变性模型。针对农业数据特征集的历史农业数据可以是指从跨一个或多个州和/或国家的训练田地所收集的数据训练集。

在一个实施例中，田地可变性估计指令174可以被配置为使用数据的训练集，该数据从在地理和气候方面与针对田地可变性模型的农业田地的输入集类似的训练田地被收集。从训练田地所选择的农业数据特征集可以取决于与训练田地相关联的田地属性和气候。如果农业田地的输入集表示来自与训练田地不同的地理位置的田地，则田地可变性模型可能无法准确地确定具有期望的可变性水平的目标田地。例如，如果田地可变性模型是利用来自南美洲的数据被训练的，并且农业田地的输入集是加拿大的田地，则田地可变性模型可能无法产生准确的估计。

图10图示了使用农业数据特征集所建模的针对来自不同州的农业田地的示例敏感性对特异性图。针对该示例，用于确定农业数据特征集的训练田地是来自印第安纳和伊利诺斯的田地。图1005表示针对印第安纳中输入田地的敏感性/特异性图。图1010表示针对爱荷华中的输入田地的敏感性/特异性图。图1015表示针对伊利诺斯中的输入田地的敏感性/特异性图。图1020表示明尼苏达的输入田地的敏感性/特异性图。针对图1005、1010和1015的AUC值分别是0.74、0.71和0.7。印第安纳州、伊利诺伊州和爱荷华州每个都具有与来自印第安纳和伊利诺伊的训练田地类似的地理和天气条件，因此具有较高的AUC值。图1020表示来自明尼苏达州的田地，其具有0.57的AUC值，这指示田地可变性模型基于农业数据特征集对具有可变性的田地产生较不准确预测。针对来自与训练数据相比具有不同地理和天气条件的地区的输入田地，应当使用与输入田地类似的训练田地来训练田地可变性模型。

3.4针对田地确定田地可变性水平

参考图7，在框720处田地可变性估计指令174使用田地可变性模型针对多个田地来确定田地可变性水平。在一个实施例中，田地可变性估计指令174可以使用多个田地作为针对田地可变性模型的输入，以确定针对多个田地中的每个田地的田地可变性。田地可变性模型可以指派可变性水平作为输出，该可变性水平描述田地具有可变作物产量的概率。如上所述，可变作物产量是指在特定田地之内的具有不同水平的作物产量的田地。例如，具有预测田地可变性的特定田地可以具有产生130蒲式耳/英亩的第一子地区、产生200蒲式耳/英亩的第二子地区和产生100蒲式耳/英亩的第三子地区。而被预测具有静态作物产量的另一田地可以具有多个子地区，这些子地区全部产生大约相同的作物产量，例如150蒲式耳/英亩。

在框725处，田地可变性估计指令174可以基于可变性水平将多个田地中的每个田地排名。在一个实施例中，田地可变性估计指令174可以基于田地可变性的水平来将农业田地分组在一起。例如，田地可变性估计指令174可以基于概率值来将田地分组在一起。图11图示了基于农业田地的可变性水平来将农业田地分组在一起。Y轴1105表示田地的数目的比例，并且x轴1110表示变化田地的概率。条每个都表示田地的组，这些田地的组已经基于其可变性水平而被分组。例如，条1115表示具有0-20％可变性的田地的组，条1120表示具有20-40％可变性的田地的组，条1125表示具有40-60％可变性的田地的组，条1130表示具有60-80％可变性的田地的组，条1135表示具有80-100％可变性的田地的组。在每个条之内，表示可变率、静态率和中性(或未分类)率的田地的比例被标记。例如，在条1135之内，部分1140表示被标识为具有可变率的田地的数目。部分1145表示被标识为具有中性或未分类率的田地的数目。部分1150表示被标识为具有静态率的田地的数目。

3.5标识目标田地集

在框730处，目标田地标识指令176可以从多个田地中标识具有高于田地可变性阈值的可变性水平的目标田地集。在一个实施例中，目标田地标识指令176可以使用经排名的农业田地来使用可变性水平确定表示目标田地集的田地子集。可以使用田地可变性阈值来标识目标田地集，其中田地可变性阈值可以表示可变性的截断水平或者农业田地的百分比的截断。例如，目标田地标识指令176可以选择前20％的田地来表示目标田地集。在其他示例中，可以使用不同的百分比，诸如前10％或前30％，这取决于田地可变性的总体水平。例如，如果农业田地的总体数目具有高水平的可变性，则目标田地标识指令176可选择田地的较大子集作为目标田地，诸如前30％或前40％的田地。通过实现田地可变性阈值来确定具有期望水平的田地内作物产量可变性的目标田地集，目标田地标识子系统170可以能够最小化可能与具有静态作物产量的田地中的变化的播种率相关联的作物产量风险量。

4.功能概述—确定经调整的播种率

图12图示了用于基于植被指数值来确定针对目标田地的子田地区的经调整的播种率的示例实施例，该植被指数值描述子田地区之内的作物的生产力。在框1205处，目标田地标识子系统170可以基于从各种源所收集的历史农业数据来标识具有田地内作物产量可变性的目标田地集。在一个实施例中，目标田地标识子系统170使用第3节中描述的田地可变性模型来从多个田地标识具有田地内作物产量可变性的目标田地集。

4.1收集目标田地的数字图像

在框1210处，系统130可以接收目标农业田地集的多个数字图像。在一个实施例中，系统130可以接收与目标农业田地集中的每个目标田地对应的多个数字图像。例如，遥感数字图像可以被用于收获前的作物田地预测。在一些示例中，数字图像表示覆盖地区或州的大的地区。在其他示例中，遥感数字图像可以以田地级的分辨率被捕获，其中田地内产量变化可以被建模。

在一个实施例中，接收到的多个数字图像与若干年对目标田地的观测对应。在该时期期间，目标田地可以具有有变化的作物，例如在玉米和大豆之间轮换。例如，即使所建议的播种率调整是特定于大豆的，表示目标田地的若干数字图像可能观测玉米作物。

在一个实施例中，系统130可以被配置为对接收到的数字图像进行数字图像处理技术，以便减少或去除噪声和其他失真影响，诸如云和其他障碍物。

4.2确定植被指数值

在框1215处，植被指数计算指令182可以确定针对目标田地集的每个田地之内的地理位置的植被指数值。在一个实施例中，植被指数计算指令182可以选择与特定目标田地对应的数字图像的子集。植被指数计算指令182可以被编程以取决于图像的性质和分辨率来将数字图像转换成与整个图像或数字图像的特定特征对应的图像向量。可以针对目标田地之内的特定地理位置来计算植被指数值。植被指数的示例可以包括归一化差异植被指数(NDVI)、变换型土壤调整植被指数(TSAVI)、增强型植被指数(EVI)或者处理数字图像以评估不同光谱属性以便确定特定地区是否包含活的绿色植物并且确定存在的生物量的任何其他技术或方法。

在一个实施例中，取决于数字图像的分辨率，植被指数值可以被指派给与目标田地之内的特定地理位置对应的数字图像的像素。图13图示了指示与特定目标田地对应的估计的植被指数值的经变换的数字图像的示例实施例。数字图像1305表示与特定目标田地各处的物理位置对应的植被指数值。例如，每个像素可以代表十米乘十米的区域。与每个像素对应的位置可以通过纬度和经度被标识，然后被转换成像素位置值，其中每个像素位置值表示在像素位置与像素地图的侧边缘和底边缘两者之间的像素数目。因此，具有位置值(6:3)的像素可以是离像素地图的左侧六个像素和离像素地图的底部三个像素。在每个像素表示十米乘十米区域的示例中，具有位置值(6:3)的像素可以与如下物理位置对应：该物理位置离由像素地图描绘的区域的最低经度坐标50到60米，并且离最低纬度坐标20到30米。

数字图像1305的每个像素的密集度与在像素的位置处的所计算的植被指数值对应。然后，与像素对应的每个位置的植被密集度可以被转换成像素的颜色或者阴影。虽然图13描述了从植被指数值所产生的像素地图的数字图像，但是像素地图也可以从其他值被产生，诸如产量值、pH值、水分含量、土壤中的养分含量、温度、和/或来自数字图像的折射光的波长。另外，可以从差异值生成像素地图，诸如所测量的温度和预先确定的最优温度之间的差异的绝对值。因此，像素地图可以表示离最优值的偏差而不是值的范围。

4.3.确定田地之内的子田地区

在框1220处，子田地区确定指令184可以使用被指派给特定目标田地之内的地理位置的植被指数值来确定多个子田地区。在一个实施例中，子田地区确定指令184可以针对目标田地集之内的每个目标田地来确定在目标田地之内的子田地区。例如，子田地区确定指令184可以分析针对目标田地之内的地理位置的所指派的植被指数值中的每个所指派的植被指数值，并且可以生成包含具有类似植被指数值的一个或多个地理位置的子地区。类似的植被指数值可以指示一个或多个地理位置具有可以产生类似作物产量的类似土壤和天气属性。在确定多个子地区之后，子田地区确定指令184可以组合具有类似植被指数值的邻接子地区以生成子区。然后可以针对目标田地生成一个或多个子区。

图14图示了确定田地之内的子田地区并且确定针对子田地区中的每个子田地区的植被生产力得分的示例实施例。视图1410图示了目标田地1405之内的所标识的子田地区。例如，子田地区1412可以表示包含具有类似植被指数值的物理位置的第一所标识的子区。子田地区1414和子田地区1416各自表示在目标田地1405之内的附加子田地区，每个子田地区具有针对目标田地1405的有区别的植被指数值。

4.4.确定针对子田地区的植被生产力得分

参考图12，在框1225处，植被指数计算指令182可以确定针对每个目标田地的每个子田地区的植被指数生产力得分。植被指数生产力分数可以表示针对子田地区相对于目标田地之内的其他区的相对作物生产力。在一个实施例中，植被指数计算指令182可以计算针对在每个目标田地内之的每个子田地区的植被指数值均值(mean vegetative indexvalue)。植被指数值均值可以表示针对在特定区之内的地理位置所计算的植被指数值的平均值。参考图14，视图1420表示针对目标田地1405的所标识的子区而被计算的植被指数值均值。子田地区1412具有0.5的所计算的植被指数值均值，子田地区1414具有0.4的所计算的植被指数值均值，并且子田地区1416具有0.3的所计算的植被指数值均值。

在一个实施例中，为了计算植被指数生产力得分，将需要计算针对整个目标田地的目标田地植被指数值均值。植被指数计算指令182可以针对整个目标田地之内的地理位置计算目标田地植被指数值均值。例如，针对目标田地1405的目标田地的植被指数值均值等于0.4。

植被指数生产力得分可以通过将作物的植物生长属性作为因素来解释所种植的作物的类型。例如，玉米通常以单蘖生长，并且不会受到高播种种群的负面影响。相反地，大豆植株有多个分支和豆荚，并且如果播种种群增加太多则可能会受到负面影响。因此，当确定然后可以被用于调整播种种群的植被指数生产力得分时，可以考虑植物属性。

在一个实施例中，植被指数计算指令182可以计算针对大豆种子的植被指数生产力得分如下：

其中子田地区植被指数生产力得分等于子田地区的相对生产力的倒数。例如，子田地区1412具有0.5的植被指数值，并且目标田地植被指数值均值是0.4。则相对植被指数值会等于0.5/0.4＝1.25。针对大豆的植被指数生产力得分会等于相对植被指数值的倒数，1/(1.25)＝0.8。针对大豆的历史观测已经示出，在有高相对植被指数值的地区降低播种率引起生产力提高。类似地，在有较低相对植被指数值的地区增加播种率会引起生产力提高。出于这个原因，相对植被指数值被倒转以产生针对大豆的植被指数生产力得分。

在另一实施例中，植被指数计算指令182可以计算针对玉米种子的植被指数生产力得分如下：

区生产力得分＝(区植被指数均值/目标田地植被指数均值)

其中子田地区植被指数生产力得分等于子田地区的相对生产力。针对玉米植株的历史观测已经示出，在有高相对植被指数值的地区提高播种率引起生产力提高。

参考图14，视图1430图示了针对子田地区1412、1414和1416的所计算的植被指数生产力得分。针对子田地区1412的植被指数生产力得分被计算为0.8。针对子田地区1414的植被指数生产力得分被计算为1.0。针对子田地区1416的植被指数生产力得分被计算为1.2。

4.5生成播种率规定

在一个实施例中，可以使用子田地区植被指数生产力得分和由种植者提供的当前播种率来计算经调整的播种率。参考图12，在框1230处，系统130可以接收针对每个目标田地的每个子田地区的当前播种率。如果种植者不改变针对目标田地的播种率，则针对整个田地的播种率可以被用于每个区。例如，参考视图1440，系统130可以接收针对目标田地1405的播种率如下：针对子田地区1412的140磅/英亩、针对子田地区1412的140磅/英亩、针对子田地区1412的140磅/英亩。

在框1235处，播种率调整指令186可以通过使用与每个子田地区相对应的植被指数生产力得分调整当前播种率来确定针对目标田地中的每个目标田地的子田地区中的每个子田地区的经调整的播种率。在一个实施例中，播种率调整指令186可以将当前播种率乘以植被指数生产力得分以计算经调整的播种率。例如，视图1450显示了针对子田地区1412、1414和1416的经调整的播种率。子田地区1412具有110磅/英亩(140磅/英亩*0.8)的经调整的播种率。子田地区1414具有140磅/英亩(140磅/英亩*1.0)的经调整的播种率。子田地区1416具有180磅/英亩(140磅/英亩*1.3)的经调整的播种率。

在一个实施例中，播种率调整指令186可以被配置为标识播种率调整示出急剧减少的特定子田地区。播种率的大变化可以由环境因素引起，诸如积水、干旱、大豆缺铁性萎黄病(IDC)或者任何其他因素。IDC是一种养分缺乏症，其具有黄豆叶萎黄(变黄)和植物萎缩的一般症状。IDC可以在许多目标田地中引起产量限制。诸如这些的因果因素可以负面地影响特定的子田地区之内的作物，使得应用经调整的播种率由于环境因素而不能提高生产力。

植被指数计算指令182可被设置为进一步分析目标田地观测，以便确定极端环境因素(诸如积水、干旱、IDC或者任何其它因素)是否会引起产量限制。如果极端环境条件被标识，则植被指数计算指令182可以向播种率调整指令186传送所标识的条件，播种率调整指令186可以进一步调整针对子田地区的播种率。例如，如果IDC在子田地区1412中被标识，则播种率调整指令186可以引起播种率的进一步调整并且可以将耕作设备编程以应用IDC处理喷洒。在另一示例中，如果针对子田地区1412由植被指数计算指令182标识出积水，则播种率调整指令186可以将播种率调整至零。

4.6应用播种率规定

参考图12，在框1240处，系统130可以向田地管理器计算设备发送针对目标田地中的每个目标田地的子田地区中的每个子田地区的经调整的播种率。在一个实施例中，系统130可以生成播种应用指令并且可以向播种机发送播种应用指令以用于向目标田地集应用种子。例如，系统130可以向一个或多个播种机发送指定针对在每个目标田地中的每个子田地区的经调整的播种率的应用指令，该一个或多个播种机被编程为基于所接收的播种率自动地向地区应用一个量的种子。应用指令可以表示一个或多个编程脚本，该一个或多个编程脚本可以由诸如播种机的农业设备使用，用于在目标田地中的每个目标田地中的子田地区中的每个子田地区中种植种子。该一个或多个编程脚本可以指定针对操作参数的值，诸如针对由GPS坐标指定的地区的特定播种率。地区可以表示子田地区。例如，应用指令可以指定针对第一子田地区的第一播种率和针对第二子田地区的第二播种率。在种植期间，当播种机检测到它正在从第一子田地区移动到第二子田地区时，播种机可以将播种率从第一播种率调整到第二播种率。

在一个实施例中，目标田地观测可以在应用经调整的播种率之后被收集。然后，目标田地观测可以被用于针对种植者生成一个或多个作物产量报告和/或可以被用作针对未来播种率调整预报的训练数据。例如，系统130中的表示层134可以针对一个或多个目标田地生成目标田地的结果报告，并且向田地管理器计算设备104发送报告以供种植者查看。该报告可以包含一个或多个目标田地的图形视图，包括一个或多个子田地区。子田地区中的每个子田地区可以包括目标田地观测的叠加。该报告还可以包含描述经调整的率的影响的聚合观测，诸如田地是否经历产量增益、产量损失或者是否没有效果。图15在饼图中图示了针对目标田地集观测到的大豆产量。饼图图示了与原始播种率相比较，34.5％的目标田地产生2.01蒲式耳/英亩的产量增加，16％的目标田地产生1.08蒲式耳/英亩的产量增加，47.8％的目标田地产生-1.3蒲式耳/英亩的产量减少，1.8％的目标田地产生-1.26蒲式耳/英亩的产量减少。每英亩2蒲式耳的产量增加可以被认为是产量的显著增加，因此如上所述的调整播种率，在34.5％的目标田地中产生显著的产量增加。

在一个实施例中，目标田地观测可以被用作训练田地可变性模型的进一步训练数据。例如，针对每个子田地区的经调整的播种率可以被用作具有目标田地观测的训练数据集，该目标田地观测表示指定观测到的结果是引起产量增益、产量损失还是没有影响的标签数据。该训练数据可以用于与来自训练田地的训练数据集结合，以进一步微调田地可变性模型。

5.扩展和备选

在前述说明书中，已经参考许多具体细节描述了本发明的实施例，这些细节可以随实施方式而变化。因此，说明书和附图应被认为是说明性的而不是限制性的。本发明范围的唯一和排他指示，以及申请人所希望的本发明范围，是以权利要求书提出的特定形式从本申请提出的权利要求书的字面和等效范围，包括任何后续修正。

Claims

1.一种计算机实现的方法，包括：

使用服务器计算机标识目标农业田地集，所述目标农业田地集具有高于田地可变性阈值的田地内作物产量可变性，所述田地内作物产量可变性基于历史农业数据，所述历史农业数据包括针对多个田地的历史产量数据和历史观测到的农业数据；

在所述服务器计算机处，通过数字数据通信网络来接收所述目标农业田地集的多个数字图像；

使用所述服务器计算机，使用所述多个数字图像的子集来确定针对所述目标农业田地集中的每个田地之内的多个地理位置的植被指数值，其中所述多个数字图像的所述子集之中的每个子集与所述目标农业田地集中的特定目标田地对应，所述植被指数值指示所述目标农业田地集中的每个田地之内的所述多个地理位置中的绿色度；

针对所述目标农业田地集中的每个目标田地：

使用所述服务器计算机，基于针对所述目标田地之内的地理位置的植被指数值来确定多个子田地区，其中所述多个子田地区中的每个子田地区包含类似的植被指数值；以及

使用所述服务器计算机基于针对所述目标田地的每个子田地区之内的所述地理位置的所述植被指数值与针对所述目标田地之内的所述地理位置的所述植被指数值之间的比来确定针对所述子田地区的植被指数生产力得分，其中所述植被指数生产力得分表示相对于所述目标田地的相对作物生产力，所述相对作物生产力特定于对应的子田地区之内所种植的种子的类型；

在所述服务器计算机处，通过所述数字数据通信网络来接收针对所述目标农业田地集的所述子田地区中的每个子田地区的当前播种率；

使用所述服务器计算机，通过使用与所述目标农业田地集的所述子田地区中的每个子田地区对应的所述植被指数生产力得分来调整所述当前播种率，确定针对所述子田地区中的每个子田地区的经调整的播种率；

标识具有低于所规定的播种率阈值的所述经调整的播种率的第一子田地区；

从与所述第一子田地区对应的数字图像的子集和历史农业数据的子集确定一个或多个因果特征，所述一个或多个因果特征对所述第一子田地区具有低于所述所规定的播种率阈值的所述经调整的播种率做出解释；

向所述第一子田地区的所述经调整的播种率应用第二调整；

向田地管理器计算设备发送针对所述目标农业田地中的每个目标农业田地的所述子田地区中的每个子田地区的所述经调整的播种率。

2.根据权利要求1所述的计算机实现的方法，其中标识具有田地内作物产量可变性的所述目标农业田地集包括：

在所述服务器计算机处，通过所述数字数据通信网络来接收针对所述多个田地的所述历史农业数据；

使用所述服务器计算机来确定农业数据特征集，所述农业数据特征集表示在多个观测时间之上针对所述多个田地的观测到的田地条件和观测到的作物产量；

使用所述农业数据特征集来生成田地可变性模型，所述田地可变性模型确定针对田地的可变性水平；

使用所述田地可变性模型确定针对所述多个田地中的每个田地的所述可变性水平，其中针对所述田地可变性模型的输入是特定田地以及针对所述特定田地的对应农业数据；

基于从所述田地可变性模型所确定的所述可变性水平，将所述多个田地中的每个田地排名；

从所述多个田地中标识具有高于所述田地可变性阈值的可变性水平的所述目标农业田地集。

3.根据权利要求2所述的计算机实现的方法，其中所述农业数据特征集包括以下至少一项：针对田地的内部四分位距、观测到的月温度均值、田地坡度、观测到的月降水、观测到的土壤有机物、观测到的作物产量、以及播种率。

4.根据权利要求1所述的计算机实现的方法，其中，针对所述目标农业田地集中的每个目标田地确定针对所述目标田地的每个子田地区的所述植被指数生产力得分包括：

基于针对所述目标田地之内的所述地理位置的所述植被指数值来生成针对所述目标田地的平均目标田地植被指数值；

针对所述目标田地的每个子田地区：

基于针对所述子田地区之内的所述地理位置的所述植被指数值，生成针对所述子田地区的平均子田地区植被指数值；

通过将所述平均子田地区植被指数值除以所述平均目标田地植被指数值，来基于所述平均子田地区植被指数值和所述平均目标田地植被指数值计算所述比；并且然后

将针对所述子田地区的所述植被指数生产力得分计算为所述比的倒数。

5.根据权利要求1所述的计算机实现的方法，其中确定针对所述目标农业田地集的所述子田地中的每个子田地的所述经调整的播种率包括：针对所述目标农业田地中的每个目标农业田地的每个子田地区，通过将所述子田地区的所述当前播种率乘以所述子田地区的所述植被生产力得分来确定针对所述子田地区的所述经调整的播种率。

6.根据权利要求5所述的计算机实现的方法，其中确定所述经调整的播种率还包括：

标识与所述第一子田地区对应的数字图像的所述子集和历史农业数据的所述子集。

7.根据权利要求1所述的计算机实现的方法，还包括：修改在一个或多个脚本中所定义的操作参数，所述一个或多个脚本由播种机使用，以根据所述经调整的播种率中的一个或多个经调整的播种率在所述目标农业田地中的一个或多个目标农业田地的所述子田地区中的一个或多个子田地区中种植种子。

8.一种存储指令的非瞬态计算机可读存储介质，所述指令在由一个或多个处理器执行时使所述一个或多个处理器：

标识目标农业田地集，所述目标农业田地集具有高于田地可变性阈值的田地内作物产量可变性，所述田地内作物产量可变性基于历史农业数据，所述历史农业数据包括针对多个田地的历史产量数据和历史观测到的农业数据；

通过数字数据通信网络来接收所述目标农业田地集的多个数字图像；

使用所述多个数字图像的子集来确定针对所述目标农业田地集中的每个田地之内的地理位置的植被指数值，其中所述多个数字图像的所述子集之中的每个子集与所述目标农业田地集中的特定目标田地对应；

针对所述目标农业田地集中的每个目标田地：

基于针对所述目标田地之内的地理位置的植被指数值来确定多个子田地区，其中所述多个子田地区中的每个子田地区包含类似的植被指数值；以及

基于针对所述目标田地的每个子田地区之内的所述地理位置的所述植被指数值与针对所述目标田地之内的所述地理位置的所述植被指数值之间的比来确定针对所述子田地区的植被指数生产力得分，其中所述植被指数生产力得分表示相对于所述目标田地的相对作物生产力，所述相对作物生产力特定于对应的子田地区之内所种植的种子的类型；

通过所述数字数据通信网络来接收针对所述目标农业田地集的所述子田地区中的每个子田地区的当前播种率；

通过使用与所述目标农业田地集的所述子田地区中的每个子田地区对应的所述植被指数生产力得分来调整所述当前播种率，确定针对所述子田地区中的每个子田地区的经调整的播种率；

向所述第一子田地区的所述经调整的播种率应用第二调整；

9.根据权利要求8所述的非瞬态计算机可读存储介质，所述指令还使所述一个或多个处理器：

通过所述数字数据通信网络来接收针对所述多个田地的所述历史农业数据；

确定农业数据特征集，所述农业数据特征集表示在多个观测时间之上针对所述多个田地的观测到的田地条件和观测到的作物产量；

10.根据权利要求9所述的非瞬态计算机可读存储介质，其中所述农业数据特征集包括以下至少一项：针对田地的内部四分位距、观测到的月温度均值、田地坡度、观测到的月降水、观测到的土壤有机物、观测到的作物产量、以及播种率。

11.根据权利要求8所述的非瞬态计算机可读存储介质，其中确定针对所述目标田地的每个子田地区的所述植被指数生产力得分包括：

针对所述目标田地的每个子田地区：

12.根据权利要求8所述的非瞬态计算机可读存储介质，其中确定针对所述目标农业田地集的所述子田地中的每个子田地的所述经调整的播种率包括：针对所述目标农业田地中的每个目标农业田地的每个子田地区，通过将所述子田地区的所述当前播种率乘以所述子田地区的所述植被生产力得分来确定针对所述子田地区的所述经调整的播种率。

13.根据权利要求8所述的非瞬态计算机可读存储介质，其中确定所述经调整的播种率还包括：

14.根据权利要求8所述的非瞬态计算机可读存储介质，其中所述指令还使所述一个或多个处理器修改在一个或多个脚本中所定义的操作参数，所述一个或多个脚本由播种机使用，以根据所述经调整的播种率中的一个或多个经调整的播种率在所述目标农业田地中的一个或多个目标农业田地的所述子田地区中的一个或多个子田地区中种植种子。

15.一种系统，包括：

一个或多个处理器；

一个或多个非瞬态计算机可读存储介质，所述非瞬态计算机可读介质存储一个或多个指令，所述一个或多个指令在由所述一个或多个处理器执行时使所述一个或多个处理器：

针对所述目标农业田地集中的每个目标田地：

向所述第一子田地区的所述经调整的播种率应用第二调整；

16.根据权利要求15所述的系统，所述一个或多个指令使所述一个或多个处理器：

17.根据权利要求16所述的系统，其中确定针对所述目标农业田地集中的每个目标田地的每个子田地区的所述植被指数生产力得分包括：

基于针对所述目标田地之内的所述地理位置的植被指数值来生成针对所述目标田地的平均目标田地植被指数值；

针对所述目标田地的每个子田地区：

18.根据权利要求15所述的系统，其中确定针对所述目标农业田地集的所述子田地中的每个子田地的所述经调整的播种率包括：针对所述目标农业田地中的每个目标农业田地的每个子田地区，通过将所述子田地区的所述当前播种率乘以所述子田地区的所述植被生产力得分来确定针对所述子田地区的所述经调整的播种率。

19.根据权利要求15所述的系统，其中确定所述经调整的播种率还包括：

20.根据权利要求15所述的系统，其中所述指令还使所述一个或多个处理器修改在一个或多个脚本中所定义的操作参数，所述一个或多个脚本由播种机使用，以根据所述经调整的播种率中的一个或多个经调整的播种率在所述目标农业田地中的一个或多个目标农业田地的所述子田地区中的一个或多个子田地区中种植种子。