[发明专利]使用特定于农艺田地的空间分布值来改进数字养分模型

说明书

在实施例中，农业智能接收针对农艺田地的农艺田地数据，该农艺田地数据包括一个或多个输入参数、养分施用值和所测量的产量值。系统使用作物生长数字模型针对田地上的多个位置来计算所需养分值，所需养分值指示所需的养分量以产生所测量的产量值。该系统标识多个位置的子集，在子集中计算出的所需养分值大于养分施用值，以及针对每个位置，计算包括所需养分值和养分施用值的差值的残差值。该系统生成包括残差值的残差地图。使用残差地图和针对多个位置中的每个位置的一个或多个输入参数，该系统生成并且存储针对农艺田地的模型校正数据。

版权声明

本专利文档的公开内容的一部分包含受版权保护的材料。版权所有者不反对任何人以专利商标局专利文件或记录中的形式复制专利文档或专利公开内容，但保留任何所有版权或权利。气候公司(The Climate Corporation)。

技术领域

本公开涉及在诸如氮、磷和钾的田地中的养分的数字计算机建模。另外，本公开涉及用于基于农艺田地特定数据来生成对数字养分模型的空间适应的计算机处理技术。

背景技术

本节中描述的方法是可以实行的方法，但不一定是先前已经设想或实行的方法。因此，除非另外指出，否则不应仅由于将本节中所描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。

养分在作物的生长和发育中是必不可少的。作物吸收周围土壤中诸如氮、磷和钾的养分以支持作物生长。不同类型的作物对每种养分的需求不同。当作物无法满足其养分需求时，作物就会歉收。例如，氮的缺乏会导致作物叶片的破坏。附加地，只要植物中的氮浓度降低到临界阈值以下，就会对光合作用和干物质积累产生负面影响。最终结果是未接收到足够养分的作物的产量下降。

计算机实现的农作物肥力的预测模型对于计算最佳养分施用率会是有用的。通常，这些预测模型是使用大量实验数据或来自大量田地的聚合历史数据生成的。这些预测模型倾向于概括作物生长的模型，将每个个体田地视为其输入的总和。例如，如果两个田地具有相同的土壤类型、相同的作物杂交种、相同的海拔和相同的管理结构，则在两个田地之间计算每个田地达到理想产量所需的氮量将是相等的。

计算机实现的预测模型的一个主要问题是，它们特定于农艺田地的能力完全基于当年对模型的输入。因此，模型未捕获的农艺田地的任何潜在特点都将导致模型始终高估或低估针对田地的养分需求。

为了创建考虑特定田地习性的模型，需要来自每个农艺田地的海量数据。这种数据很少可用于不是农艺实验场所的农艺田地。因此，针对具体田地的个体养分模型通常不可行并且效率低下。

附加地，在一些情况下，由于该田地的未测量、测量差或未知的田地特性，数字肥力模型可能会偏向特定田地。在这种情况下，针对特定田地的个体养分模型将不可靠或将导致无效结果。

因此，需要一种系统，该系统可以使用针对农艺田地的可用历史数据将养分模型校准到具体的农艺田地。

发明内容

所附权利要求可以用作本公开的概述。

附图说明

在附图中：

图1图示出了示例计算机系统，该计算机系统被配置为执行本文中所描述的功能，在田地环境中与该系统可以与之交互的其他装置一起被示出。

图2图示出了当示例移动应用被加载以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图示出了经编程的过程，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预配置的农艺模型。

图4是图示出了可以在其上实现本发明实施例的计算机系统的框图。

图5描绘了针对数据条目的时间线视图的示例实施例。