> 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/cze/agronomie/soil-lime-and-tillage/compare-soil-scanner-data-between-years.md).

# Porovnání dat z půdního skeneru mezi roky

Tento článek popisuje různé matematické metody, jak kvantifikovat rozdíly mezi datovými sadami z půdního skeneru a zlepšit rozhodování výzkumníků a agronomů.

Půdní skenery jsou nepostradatelnými nástroji precizního zemědělství. Umožňují sběr dat s vysokým rozlišením o vlastnostech půdy, jako je vlhkost, obsah organické hmoty a úroveň živin. Porovnávání dat ze dvou půdních skenerů je zásadní pro pochopení změn v čase, ověření různých metod skenování nebo kalibraci nových zařízení. Tento článek představuje různé matematické přístupy k měření odchylek mezi dvěma datovými sadami z půdních skenerů a nabízí praktické poznatky pro výzkumníky a agronomy.

### Porozumění odchylkám v datech z půdních skenerů

Odchylka mezi dvěma datovými sadami z půdních skenerů označuje rozdíly v naměřených hodnotách na stejných místech. Tyto rozdíly mohou vznikat vlivem změn podmínek měření, kalibrace senzorů nebo proměnlivých vlastností půdy. Mezi nejběžnější typy odchylek patří:

* Absolutní rozdíly: Přímé odečtení hodnot v jedné datové sadě od hodnot ve druhé.
* Relativní rozdíly: Porovnání s ohledem na velikost naměřených hodnot.
* Chybové metriky: Statistické ukazatele, jako je střední absolutní chyba (MAE) a normalizovaný rozdíl.

Byly vybrány dvě datové sady s hodnotami draslíku naměřenými půdním skenerem v letech 2024 a 2025.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaKIacaHkrTimf2ZTk5rA%2Fimage.png?alt=media&amp;token=648d807d-137b-4c27-842c-8b7e8cde6f5c" alt=""><figcaption><p>Původní datové sady z půdního skeneru</p></figcaption></figure>

### Výběr vhodné metody výpočtu odchylky

| Metoda                                 | Vhodné použití                                  |
| -------------------------------------- | ----------------------------------------------- |
| Přímý rozdíl                           | Jednoduché znázornění kladných a záporných změn |
| Relativní rozdíl                       | Porovnání datových sad s různým měřítkem        |
| Normalizovaný rozdíl                   | Standardizovaná analýza různých datových sad    |
| Relativní odchylka                     | Poměrné rozdíly, užitečné při analýze trendů    |
| Střední absolutní chyba (MAE) na pixel | Vyhledání oblastí s velkými absolutními rozdíly |

### Výpočet přímého rozdílu

Metoda přímého rozdílu jednoduše odečte jednu datovou sadu od druhé a přímo tak znázorní změny vlastností půdy.

Použití funkce `geopard.calculate_difference(dataset_1, dataset_2)` včetně vysvětlení parametrů je popsáno [zde](https://docs.geopard.tech/geopard-tutorials/cze/prohlidka-produktu-webova-aplikace/equation-based-analytics/catalog-of-custom-functions.md#calculate_difference).

Výhody:

* Jasně znázorňuje kladné a záporné změny.
* Snadno se interpretuje a znázorňuje.

Nevýhody:

* Hodnoty rozdílů se mohou obtížně porovnávat, pokud mají datové sady různá měřítka.
* Vysoká variabilita může zkreslit interpretaci.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FwgA9AsI1dfinjjQwJ8C9%2Fimage.png?alt=media&amp;token=20e684fd-02fb-4cbb-9c9d-b34aa62ed38f" alt=""><figcaption><p>Výpočet přímého rozdílu</p></figcaption></figure>

### Výpočet relativního rozdílu

Metoda relativního rozdílu vypočítá procentuální změnu mezi datovými sadami vzhledem k druhé datové sadě, a nabízí tak další pohled na odchylky.

Použití funkce `geopard.calculate_relative_difference(dataset_1, dataset_2)` včetně vysvětlení parametrů je popsáno [zde](https://docs.geopard.tech/geopard-tutorials/cze/prohlidka-produktu-webova-aplikace/equation-based-analytics/catalog-of-custom-functions.md#calculate_relative_difference).

Výhody:

* Vhodné pro zjištění, o kolik se jedna datová sada změnila v poměru k druhé.
* Normalizuje rozdíly při různých velikostech hodnot.

Nevýhody:

* Výpočet může být nestabilní, pokud se hodnoty ve druhé datové sadě blíží nule.
* Méně intuitivní, pokud jsou důležité absolutní rozdíly.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fdvu0tLmgObpZ3WsvGrKQ%2Fimage.png?alt=media&amp;token=fbe018a8-a8dc-421f-9fe9-19b78869b18f" alt=""><figcaption><p>Výpočet relativního rozdílu</p></figcaption></figure>

### Výpočet normalizovaného rozdílu

Metoda normalizovaného rozdílu nejprve normalizuje datové sady podle jejich globální maximální hodnoty a poté vypočítá rozdíly. Díky tomu lze porovnávat odchylky i u datových sad s různými měřítky.

Použití funkce `geopard.calculate_normalized_difference(dataset_1, dataset_2)` včetně vysvětlení parametrů je popsáno [zde](https://docs.geopard.tech/geopard-tutorials/cze/prohlidka-produktu-webova-aplikace/equation-based-analytics/catalog-of-custom-functions.md#calculate_normalized_difference).

Výhody:

* Vhodné pro datové sady s různým dynamickým rozsahem.
* Snižuje vliv extrémních hodnot.

Nevýhody:

* Malé rozdíly mohou působit výrazněji, pokud se data správně nepřevedou na společné měřítko.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FSfC0I2ieL3Tsb7zP0wlg%2Fimage.png?alt=media&amp;token=2d0c3bc9-5c7d-4fb7-971f-2ea23d6b8402" alt=""><figcaption><p>Výpočet normalizovaného rozdílu</p></figcaption></figure>

### Relativní odchylka na pixel

Metoda relativní odchylky vyjadřuje odchylku v procentech vzhledem k první datové sadě. Pomáhá porozumět poměrným rozdílům, nikoli pouze rozdílům v absolutních hodnotách.

Použití funkce `geopard.calculate_per_pixel_relative_deviation(dataset_1, dataset_2)` včetně vysvětlení parametrů je popsáno [zde](https://docs.geopard.tech/geopard-tutorials/cze/prohlidka-produktu-webova-aplikace/equation-based-analytics/catalog-of-custom-functions.md#calculate_per_pixel_relative_deviation).

Výhody:

* Užitečné při porovnávání datových sad s různým měřítkem.
* Vyjadřuje odchylku v přehledné procentuální podobě.

Nevýhody:

* Může být zavádějící, pokud jsou původní hodnoty velmi malé.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FdAxMNaTGC9JR857B6IdN%2Fimage.png?alt=media&amp;token=1d81e310-a29a-4963-81ad-24b7d24c6e87" alt=""><figcaption><p>Relativní odchylka na pixel</p></figcaption></figure>

### Střední absolutní chyba (MAE) na pixel

Metoda střední absolutní chyby (MAE) měří absolutní rozdíly mezi odpovídajícími hodnotami ve dvou datových sadách. Přehledně ukazuje, kde se vyskytují největší odchylky.

Použití funkce `geopard.calculate_per_pixel_mae(dataset_1, dataset_2)` včetně vysvětlení parametrů je popsáno [zde](https://docs.geopard.tech/geopard-tutorials/cze/prohlidka-produktu-webova-aplikace/equation-based-analytics/catalog-of-custom-functions.md#calculate_per_pixel_mae).

Výhody:

* Jednoduchá a srozumitelná metoda.
* Jasně zvýrazňuje velké rozdíly.
* Dobře funguje u datových sad s podobným měřítkem.

Nevýhody:

* Neukazuje směr rozdílu (tedy zda je změna kladná, nebo záporná).
* Je citlivá na odlehlé hodnoty.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F2vU1J5nHGE6WVdGdyoOh%2Fimage.png?alt=media&amp;token=79fcb18b-0a60-4dbe-8f9a-900d28ccb0e8" alt=""><figcaption><p>Střední absolutní chyba (MAE) na pixel</p></figcaption></figure>

### Závěr

Porovnávání datových sad z půdního skeneru vyžaduje různé matematické přístupy, které pomáhají odhalit smysluplné rozdíly. Ať už použijete absolutní metriky, jako je MAE, relativní odchylky nebo normalizované porovnání, vhodná metoda závisí na konkrétním účelu. Díky těmto postupům mohou agronomové a výzkumníci zlepšit analýzu půdy, odhalit rozdíly mezi částmi pole a zefektivnit postupy precizního zemědělství.


---

# 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/cze/agronomie/soil-lime-and-tillage/compare-soil-scanner-data-between-years.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.
