> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/bg/produktova-obikolka-ueb-prilozhenie/zones-maps-and-analytics/multi-layer-analytics.md).

# Многослойни анализи

С GeoPard можете да обединявате множество слоеве данни, за да създавате зони за управление. Вие контролирате теглата, индексите, броя на зоните, типа клъстериране и минималната площ на полигоните.

{% @arcade/embed url="<https://app.arcade.software/share/em63luvNTYI6CFKUC3m6>" flowId="em63luvNTYI6CFKUC3m6" %}

*Интерактивна демонстрация – създаване на зони от няколко слоя*

Прецизното земеделие генерира големи количества данни, включително добиви, сателитни изображения и слоеве с данни за почвеното плодородие. Много екипи все още срещат трудности да превърнат тези слоеве в полезни изводи и конкретни действия. В прецизното земеделие управленските зони са части от полето със сходен потенциал за добив, определен въз основа на типа почва, разположението по склона, химичните свойства на почвата, микроклимата или други фактори, влияещи върху развитието на културите. Местните познания за полето също са важна част от процеса. Управленските зони помагат да оптимизирате влаганите ресурси и потенциала за добив.

Основното предизвикателство е да се създадат управленски зони, които отразяват реалната изменчивост в полето. Комбинирането на слоеве като сателитни изображения, данни за почвеното плодородие, производни на топографски данни и информация от монитор за добива е следващата логична стъпка към управленски зони, които се адаптират по-добре към условията.

Анализът на няколко слоя (известен също като интегриран анализ) става част от механизма за геопространствен анализ на GeoPard.

Класическите комбинации за интегриран анализ включват един или повече набора от данни за добива, карта на NDVI, надморска височина и физикохимични характеристики от почвени сензори. GeoPard поддържа тези параметри и ви позволява да включвате и други слоеве с данни за полето, налични в системата или качени директно от потребителя, например данни от почвени проби и набори от данни за добива. Така можете да работите с пълен набор от параметри за интегриран анализ:

Данни за добива\
Дистанционни данни:

* Карта на потенциалната продуктивност (за една или няколко години)
* Карта на стабилността/изменчивостта
* Вегетационни индекси NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Топография:

* Надморска височина
* Наклон
* Кривина
* Индекс на овлажняване
* Изложение
* Сенчесто релефно изображение
* Неравност на релефа
* Грапавост

Данни за почвата:

* pH
* CEC (капацитет на катионен обмен)
* SOM (почвено органично вещество)
* K (калий)
* Тънък повърхностен почвен слой, по-нисък капацитет за задържане на достъпна вода (почва, податлива на засушаване)
* EC (електропроводимост)
* и други химични характеристики, налични в качения набор от данни

Важно е да отбележим, че за всеки слой с данни можете да зададете персонализирани коефициенти, за да му придадете желаната тежест. В GeoPard можете да създавате карти на управленските зони въз основа на познанията си за полето, като избирате източниците на данни и тяхната тежест.

## Как работят теглата на слоевете

Теглото определя доколко всеки слой влияе върху всеки пиксел от получената карта на зоните.

### Първо се извършва нормализация

Входните слоеве използват несъвместими мерни единици и диапазони: NDVI е от 0 до 1, добивът — от 4 до 12 t/ha, pH — от 5,5 до 7,5, а EC — от 5 до 60 mS/m. Ако комбинирате необработените стойности, слоят с най-големия числов диапазон ще доминира в резултата, независимо от агрономическото му значение.

Първо GeoPard прилага нормализация по метода min-max към всеки слой и го преобразува в общ диапазон въз основа на неговата минимална и максимална стойност в рамките на полето. След това влиянието се определя единствено от теглото.

### След това се прилагат теглата

Всеки нормализиран слой се умножава по теглото си, след което слоевете се комбинират в една обща повърхност.

### Отрицателните тегла обръщат слоя

Отрицателното тегло обръща скалата: високите стойности на слоя се третират като ниски, а ниските — като високи. Използвайте го, когато високите показания означават по-лоши условия, например:

* Съдържание на глина в поле с лош дренаж
* Надморска височина, когато в ниските части има слани или преовлажняване
* EC, когато високите показания показват засоленост, а не капацитет за задържане на вода

### Пропуските се интерполират

Когато в даден слой липсват пиксели (заради облачна покривка в сателитно изображение, пропуснат ход при събирането на данни за добива или оскъдни точки от почвени проби), GeoPard интерполира пропуските въз основа на околните стойности, вместо да изключва пикселите. Комбинираната карта остава непрекъсната върху цялото поле.

### Резултатът се нормализира отново

След прилагането на теглата и комбинирането резултатната карта се нормализира още веднъж, така че да обхване целия диапазон, след което се разделя на избрания от вас брой зони.

{% hint style="info" %}
**Избор на тегла:** Започнете, като зададете най-голямо тегло на слоя, на който имате най-голямо доверие. Обикновено най-надеждните показатели са добивите за няколко години и дългосрочната продуктивност, изведена от сателитни данни. Сателитните изображения от една дата са най-зависими от конкретния момент, тъй като показват само един момент от сезона.
{% endhint %}

Изображенията по-долу показват примерно поле със слоеве от данни като карта на продуктивността за 18 години, цифров модел на релефа, наклон, сенчесто релефно изображение и данни за добива от 2019 г., както и различни резултати от интегриран анализ. Можете да проследите как се променят управленските зони с добавянето на нови слоеве.

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-8.png?resize=1024%2C501&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-9.png?resize=1024%2C504&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-10.png?resize=1024%2C505&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-11.png?resize=1024%2C505&#x26;ssl=1" alt=""><figcaption></figcaption></figure>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/bg/produktova-obikolka-ueb-prilozhenie/zones-maps-and-analytics/multi-layer-analytics.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
