Modern precision agriculture equipment enables site-specific management by allowing different treatments for different parts of a field. This ability to subdivide the field calls for identifying management zones. A compromise between treating a field uniformly and treating every plant individually is needed, as the former does not maximize yields and the latter is often impractical. This work presents an algorithm for inferring the yield productivity zones (YPZ) for a field based on yield data from multiple years. The algorithm uses a hidden Markov random field model (HMRF) to find regions of the field which likely correspond to the same underlying yield distribution (i.e., productivity zones). These regions are modeled to be the same every year, but their distributions (i.e., yield characteristics) are allowed to vary with time to account for year-to-year variability (from e.g., weather effects, differing crops or crop varieties). The zone assignments and distributions are estimated using stochastic expectation maximization (SEM) and the maximizer of the posterior marginals (MPM). The underlying assumption of the model and algorithm is that the yields corresponding to a given YPZ will behave similarly and therefore derive from the same probability distribution. YPZs are useful inputs for determining management zones. An advantage of this method is that it is able to run with only the yield data which are automatically collected during harvest. Also, this method requires no crop specific calibration or configuration or normalization of the data by year.

中文翻译：

---

从产量历史到使用隐马尔可夫随机场识别生产力区域

现代精准农业设备允许对田地的不同部分进行不同的处理，从而实现特定地点的管理。这种细分领域的能力需要识别管理区域。需要在均匀处理田地和单独处理每株植物之间进行折衷，因为前者不能最大限度地提高产量，而后者通常是不切实际的。这项工作提出了一种算法，用于根据多年的产量数据推断油田的产量生产力区 (YPZ)。该算法使用隐马尔可夫随机场模型 (HMRF) 来查找可能对应于相同潜在产量分布（即生产力区域）的田地区域。这些区域被建模为每年都相同，但它们的分布（即，产量特性）可以随时间变化以说明年际变化（来自例如天气影响、不同作物或作物品种）。区域分配和分布使用随机期望最大化 (SEM) 和后边缘最大化 (MPM) 进行估计。模型和算法的基本假设是对应于给定 YPZ 的收益率将表现相似，因此来自相同的概率分布。YPZ 是确定管理区的有用输入。这种方法的一个优点是它能够仅使用在收获期间自动收集的产量数据来运行。此外，该方法不需要作物特定的校准或配置或按年份对数据进行归一化。不同的作物或作物品种）。区域分配和分布使用随机期望最大化 (SEM) 和后边缘最大化 (MPM) 进行估计。模型和算法的基本假设是对应于给定 YPZ 的收益率将表现相似，因此来自相同的概率分布。YPZ 是确定管理区的有用输入。这种方法的一个优点是它能够仅使用在收获期间自动收集的产量数据来运行。此外，该方法不需要作物特定的校准或配置或按年份对数据进行归一化。不同的作物或作物品种）。区域分配和分布使用随机期望最大化 (SEM) 和后边缘最大化 (MPM) 进行估计。模型和算法的基本假设是对应于给定 YPZ 的收益率将表现相似，因此来自相同的概率分布。YPZ 是确定管理区的有用输入。这种方法的一个优点是它能够仅使用在收获期间自动收集的产量数据来运行。此外，该方法不需要作物特定的校准或配置或按年份对数据进行归一化。模型和算法的基本假设是对应于给定 YPZ 的收益率将表现相似，因此来自相同的概率分布。YPZ 是确定管理区的有用输入。这种方法的一个优点是它能够仅使用在收获期间自动收集的产量数据来运行。此外，该方法不需要作物特定的校准或配置或按年份对数据进行归一化。模型和算法的基本假设是对应于给定 YPZ 的收益率将表现相似，因此来自相同的概率分布。YPZ 是确定管理区的有用输入。这种方法的一个优点是它能够仅使用在收获期间自动收集的产量数据来运行。此外，该方法不需要作物特定的校准或配置或按年份对数据进行归一化。