logo821.gif (10572 bytes) 首頁          新增資料與公告

   

最新消息  :

農業數位化-農業4.0系統文獻評論

農業和營養物大數據

MICA 項目中將數據和資訊轉化為知識

 

 

數據分析與知識產業

首頁
上一層
BSE LAB 介紹
非洲產業研究中心
生醫研究之統計方法
授課資料
人文關懷
無官御史台
武漢肺炎與產業
智能生物產業
活動公告區

 

 
農場研究實用指南
 

中興大學 生物系統工程研究室 陳加忠

 
 

資料來源:

http://www.kingcorn.org/news/timeless/OnFarmResearch.pdf

進行農場研究的概念並不新鮮。許多農民多年來經常進行自己的農場試驗。在一些州,農民和州立大學已經建立了正式的合作夥伴關係,以組織和開展農場研究試驗。當今支持 GPS 的農業技術極大地簡單化了進行農場試驗的後勤工作。

為什麼要進行現地研究?

進行田間作物研究的目的,是為農業的挑戰性問題提供基於事實的答案,而這些問題以前沒有答案。在受控條件下評估實驗處理或變數對作物產量或其他重要結果的影響,然後將這些結果在更廣泛的農業生產範圍內應用於預測的未來表現。農場研究 (OFR) 不僅尋求確定重要問題的答案,還可能有助於驗證先前發現的答案或說服種植者,這些替代作物管理作業對他們自己的情況有利可圖。

對於那些參與 OFR 的人來說,有幾個潛在的障礙,或者至少是減速帶 speed bumps。一個考慮因素是成功2k7進行此類試驗所需的時間。在冬天很容易承諾一個項目,而在接下來的生長季節完成任務往往更困難。進行 OFR 試驗的後勤工作對種植者來說可能是繁重,甚至是令人望而卻步。現今的好消息是由於支持 GPS 的作物生產技術(包括燈條導航、自動轉向、可變速率控制器和產量監視器)的可用性,OFR 比以往任何時候都更加可行。

現地研究的規模和範圍

傳統的小地塊研究是在小的統一實驗區域上進行的,以最大限度地減少經常困擾現地研究的背景噪音。從理論上講,小區研究增強了研究人員檢測實驗處理之間真實和可重覆差異的能力。小塊地研究使研究人員能夠在一小塊土地上評估許多處理方法,從而最大限度地減少田地塊研究所需的土地資源。小地塊通常需要專門的或小規模的研究地塊設備。

農場研究的目標是現實世界領域,這些領域由於規模較大,通常比用於小塊研究的較小領域更具可變性。更大的場內變異性會引入許多背景噪音,這些噪音會掩蓋處理之間量測反應的真實差異。農場研究允許使用商業規模的田間設備和產量監測,但由於使用 OFR 的單個地塊面積較大(通常設備寬度乘以田地長度),每英畝土地可以評估的處理數量比小地塊研究少。

值得注意的是,農場示範並不等同於農場研究。演示的目的不是識別或驗證研究問題的答案,而是簡單地獲得新技術或栽培作業的經驗。有時示範活動純粹是為了讓種植者和其他人接觸新技術或栽培作業。因為農場示範與研究不同,所以不需要量測或分析產量反應或其他數據。

背景噪音

進行田間作物研究的目的是為以前沒有答案的農業挑戰問題提供基於事實的答案。然而重要的要認識到,研究不僅僅是記錄歷史(例如我的雜交品種去年在我的品種試驗中以 10bu/ac 擊敗了你的雜交品種)。相反,它是關於預測未來的反應(例如根據我的研究,在統計上很有可能我的雜交種在每次種植在同一塊田地時都會擊敗你的雜交種)。

歷史表現並不一定能預測未來表現,因為現地研究總是受到背景噪音混雜影響的困擾,這些混雜效應往往會掩蓋正在評估的處理效果。換句話說,田間試驗中處理之間的產量差異可能僅僅是由於試驗的背景噪音。這種背景噪音也被稱為實驗誤差

背景噪音由試驗中的樣本地之間的可變性組成,這是由於其他不受控制的、通常未知的產量影響因素造成的。背景噪音的例子包括進行試驗時的人為錯誤(例如車輪後面的螺母鬆動)、田間土壤特徵的變化(土壤質地、排水、壓實、海拔)、田間應力的變化(蟲害、除草劑傷害、天氣等)。最後是每年的天氣變化,特別是當它與其他產量影響因素相互作用時。

OFR 的挑戰之一是從背景噪音造成的影響中找出處理造成的真實影響。您永遠無法 100% 確定,試驗中測得的產量差異完全是由於所評估的處理方法造成的。幸運的是,這就是發明統計分析的原因!

統計分析程序允許研究人員在數學上識別和隔離背景噪音,以便更清楚地檢測到真正的處理效果。統計分析可幫助您斷定觀察到的差異是否真實,然後分配您的結論正確的概率水準。

計劃 OFR 試驗

精心設計的試驗遵循系統的方法。提出了一個有意義的問題或假設。該研究項目的計劃和實施是為了客觀地測試問題。數據經過仔細量測和記錄。試驗結果以統計解釋以回答研究問題。

在提出有意義的問題或假設時,請保持簡單、簡單、簡單!試驗需要時間、精力和金錢。複雜的試驗涉及更多。問問自己:您是研究人員還是以工作為生?最簡單的研究問題涉及一個簡單的是/否答案(例如,除草劑“A”與除草劑“B”,或殺菌劑處理過的玉米與未處理過的玉米。)

在選擇要評估的處理時,包括對照或檢查處理。控制組件的邏輯選擇可能是您的標准或正常做法。檢查處理的目的是回答以下問題:另一種管理作業的效果是否與您通常的相同或更好?但要認識到,包括對照或檢查處理不是為了調整其他處理的產量(例如,有時在非重覆品種試驗中會這樣做)。根據整個田間檢查處理的性能,調整小區產量假設所有處理(包括檢查)對變化的田間條件的反應相似。這種假設通常是錯誤的。

OFR 試驗的目標是確定最佳的投入率(如播種量或施肥量)時,包括相當廣泛的處理水準,然後開發基於迴歸的反應曲線 1 以適稱產量對播種量的反應。例如要確定玉米的最佳播種率,不要簡單地比較兩種播種率。相反建立代表一系列播種率(例如,每英畝播種 18243036 42000 粒種子的播種率)的小區。

1. 描述相對產量對收穫植物種群的反應的二次迴歸反應曲線示例

統計和邏輯上計劃不周全的 OFR 試驗有很高的失敗風險。規劃 OFR 試驗的三個重要組成部分是 1) 請求幫助,2) 重覆處理,以及 3) 隨機化處理順序。

重要的研究決策包括場地選擇、處理複製、處理隨機化、地塊佈局和大小以及處理選擇。如果研究不是你的職業,那麼不要猶豫,向那些以研究為生的人員尋求幫助。這些人包括大學研究人員和推廣專家、行業研究人員和農藝技師以及獨立作物顧問。

在試驗中重覆或複製處理,使研究人員能夠在數學上將真正的處理效果與背景噪音產生的效果區分開來。至少處理重覆可以幫助您評估處理效果是否一致。

如果可以提前確定空間變異性(例如土壤類型),則嘗試定位複製品,以使每個重覆地塊在其內部合理地一致。目標是最大程度地減少單個重覆中的情節之間的噪音水準。

隨機化“rep”內的處理順序會降低空間變異性(可預見的或不可預見的)影響處理效果的可能性。例如在潮濕的年份,低地的地塊(即潮濕的土壤)可能比高地的地塊(更好的排水)受到更多的水應力,或者在乾旱的年份反之亦然。在您不知情的情況下,這些領域的處理可能會受到影響。

下圖 2 描述了一個簡單的農場研究試驗示例。該試驗由三個實驗處理(例如品種)組成,在試驗中重覆了 3 次。在三個重覆中的每一個中,三個處理的順序是隨機的(例如,擲硬幣)。

每個處理區(條帶)的寬度通常等於與用於管理試驗的現場設備最匹配的寬度。例如,如果播種機寬 30英尺,聯合收割台寬 15英尺,則合適的地塊寬度為 30 英尺。每個處理地塊的長度通常等於田地的長度,除非種植者想要僅在字段中使用較短的長度。

如果處理效果有可能溢出到相鄰行(例如,具有不同施肥量的相鄰地塊),那麼應該規劃一個地塊寬度,以便以收穫地塊的中心以獲取產量數據,並離開邊界行收集的數據。例如,12 行播種機和 6 行聯合收割台的組合將允許您種植 12 行地塊,但收穫中間 6 行以獲取產量數據,並在收穫的地塊之間留出交替的 6 行邊界行以供收集.

2. 在每個重覆中隨機分配三個實驗處理的重覆田間試驗示例

一些 GIS 軟體程序允許您在前往現場之前設計處理條的物理佈局。這對於確定一個田間適合多少條處理條、確定處理重覆的位置以最大限度地減少重覆中的變異性、確定處理條的隨機化以及在某些情況下促進處理的應用非常有幫助。

收穫後,這些層的GIS資訊可以與產量數據進行合併,方便對結果進行匯總。我經常將 ArcView™ v3.x 與可用的 EFRA XTools擴展一起使用,儘管這是一個昂貴的程序,除非您可以存取我們在 Purdue 擁有的站點許可證。其他可能有用的軟體程序包括AgLeader ™ SMS Advanced FarmWorks ™ MapShots ™,儘管我很少有以這種方式使用這些程序的經驗。

誠然,在農場試驗中實施處理地塊的複製和隨機化的實際物流對於種植者來說是眾所周知的痛苦。燈條導航或自動轉向技術,再加上 GIS 規劃的繪圖地圖,可以大大減少實施隨機定位處理的後勤難題。

種植前氮肥的比率,知道 150磅肥料 將種植前N 速率處理分配給地塊 26 9 ,將允許您在需要更改下一個種植前速率的應用程序設置之前,專門導航到這些地塊以應用該種植前N 速率(自動轉嚮導航)。這不僅有助於應用種植前N比率,而且可以確保您隨後的玉米種植將與種植前N 比率條對齊。

位置的力量

農場研究的主要限制之一是種植者在進行自己的農場試驗時經常單獨行動。而不是與其他農民合作在同一年進行類似的試驗,然後匯集數據。我們知道天氣會極大地影響產量本身,但天氣也會極大地影響對實驗處理的產量反應。僅僅因為當年的天氣模式,一年中僅來自一個地點的結果,可能會誤導您對正在評估的處理效果的解釋。大多數時候,需要在多個地點或多年內重覆現場試驗,以體驗更大範圍的天氣模式。有時,為期 1 年、1 個地點的實驗對農民來說只是一種體驗,對未來的作物生產決策幾乎沒有實際影響。

同一年或幾年內,同一試驗的多個地點,提高了我們在現地研究中確定一致和可重覆的處理效果的能力。鼓勵幾個或多個農民參與評估同一組實驗處理並彙集數據。例如在過去的幾年裡,有來自印第安納州各地的 80 多名農民與我們合作進行氮肥試驗。如此大量的參與農民極大地幫助了我們為印第安納州玉米種植者,確定最佳氮肥用量。

做很多筆記

在試驗期間,記錄任何可能影響試驗結果的噪音,特別是如果噪音在場地上分佈不均。這包括現地操作(什麼和何時)、天氣事件(尤其是降雨)和害蟲問題(疾病、雜草、昆蟲)。整個試驗期間都需要在場地上行走。注意整個地塊區域建立的一致性。記錄可能過度影響單個地塊產量的任何異常情況(例如,鹿床、您鄰居孩子的 ATV 賽道、浣熊派對、池塘區域、莖腐病斑)。

可變的作物外觀通常是您發現背景噪音正在形成的第一條線索。花點時間畫出這些無關的噪音因素的地圖(例如一些地塊中的積水區,而其他地塊沒有)。使用支持 GPS 的現場測繪設備繪製嘈雜區域的邊界。即使是低成本的 Garmin™ GPS 裝置(例如, eTrex ™ 型號)也可以讓您輕鬆標記田地內可疑區域的地理位置。這些註釋可以幫助您決定是完全放棄地塊,還是幫助您在收穫後清理產量監控數據。

如果您可以存取季節中後期拍攝的航拍圖像,它可以極大地幫助檢測在 OFR 試驗中空間變化的作物壓力。彩色或紅外線攝影同樣適用。地理參考圖像很好,但不是必需的。

有時只需要一台簡單的數碼相機、一架小型飛機和對暈機的免疫力!

盡量減少收穫噪音的機會。檢查貨車秤的準確性。檢查穀物水分計的準確性。根據要收穫的田地的穀物條件校正產量監視器。產量監測器校正還包括校正機器的穀物濕度感測器和機器振動設置。三重檢查產量監視器設置!記錄您對設置所做的任何更改,以防您需要將它們更改回其原始值。在某些良率監視器(例如, AgLeader PF3000)上,確保將設備設置為將良率數據記錄到存儲卡中。

有時,產量監測數據中會出現與處理效果無關的異常。如果您有很好的筆記或其他支持證據,那麼可以使用 GIS 軟體從數據集中清除這些異常值。合理數據清理的一個很好的例子,是從池塘區域的標記邊界內刪除產量數據點,這些區域由於水害而產生異常低的簡單產量。同樣如果你不相信審判的條件,放棄整個情節或整個試驗數據也沒有錯。

分析結果

有幾個選項可用於分析從 OFR 試驗中量測的數據。一種是簡單地比較處理平均值,並確定差異是否真實。你可以擲硬幣來決定這些差異是否真實,並有 50% 的把握你的決定是正確的。或者您可以對數據進行統計分析,並更加確定地做出決定。

如果研究項目沒有精心設計和/或維護,數據分析和解釋可能具有挑戰性。 Excel™ 能夠進行簡單的統計分析,但設置起來並不直觀。

另一個數據分析選項是與可以訪問更全面的統計分析軟體並且與大學專家合作。大多數農場試驗通過統計分析相對簡單且快速。找到可以合作的專家,提前同意如何格式化數據,將數據發送/提供給專家,然後坐下來等待結果。

數據的統計分析允許您計算一個值,該值用於估計兩種處理之間的量測差異是真實的還是僅僅是背景噪聲的結果。該值稱為最小顯著差異,通常簡稱為 LSD LSD 值是根據選擇的概率水準計算的,該水準目的在最大限度地降低您做出錯誤結論的風險(例如當您確定兩種混合產量不同時,您可能希望 95% 確定您是正確的。)

如果兩個處理均值(平均值)的差異大於 LSD 值,則您可以得出結論,差異確實是由於處理效果造成的,並且將來可能會再次發生。如果處理均值的差異小於 LSD 值,則觀察到的差異可能僅僅是由於隨機機會或背景噪聲造成的。

 1:在下面的圖3中,通過數據的統計分析計算出的LSD值為11b /ac。沒有一對處理手段的差異超過 11bu/ac LSD 值(180–170, 180–176, 176–170),因此適當的結論是 1)處理對產量的影響相似,2)觀察到的差異可能僅僅是由於隨機機會或背景噪音,以及 3) 處理產量的明顯趨勢 (A > B > C) 在隨後比較這些相同處理的試驗中可能不會重覆。

3. 統計分析的重覆試驗示例和計算的 LSD 值用於比較處理平均值。

 

實施例2:在下面的圖4中,通過數據的統計分析計算出的LSD值為8 bu/ac。基於該 LSD 值,您可以自信地得出結論, Trtmt A 的產量顯著高於 Trtmt B (185–176 = 9 bu /ac),並且可能會在未來的田間試驗中再次這樣做,但在統計上與Trtmt C (185 182 = 3 bu /ac)。處理 C 在統計學上也與處理 B 相似 (182–176 = 6 b /ac)

4. 統計分析的重覆試驗示例和計算的 LSD 值用於比較處理平均值

在沒有統計分析的情況下,重覆試驗仍然可以讓您評估處理效果的一致性。例如如果您的混合動力車在試驗的每次重覆中都始終優於我的混合動力車,那麼兩者之間的平均差異很可能在未來確實顯著且可重覆。

例如,在接下來的圖 5 中,在試驗的所有 4 次重覆中,處理 C 的產量始終高於處理 A。因此這兩種處理可能具有統計學意義,並且預計處理 C 在所有未來試驗中都將超過處理 A。然而,在四個重覆中只有兩個處理 C超過了處理 B。即使處理 C 的平均產量(32 bu/ac)大於處理 B 的平均產量(25 bu/ac),也不能自信地得出處理 C 確實優於處理 B 的結論。

5. 重覆試驗示例,但未對數據進行統計分析。

農場研究可以幫助回答對種植者很重要的問題,但需要合理的計劃和對細節的關注。背景噪音會嚴重影響您檢測真實處理效果的能力。合理的研究設計加上統計分析可以幫助隔離背景噪音並提高您在回答農場研究問題方面的成功率。