# Syntetická výnosová mapa ## Hodnocení výnosových mezer: Důležitost syntetického mapování výnosů Modul GeoPard Synthetic Yield Map řeší běžný problém v zemědělství: nedostatek podrobných historických dat o výnosech u mnoha zemědělců. Zatímco farmáři často mají průměrné nebo celkové hodnoty výnosu za políčko, detailní výnosové mapy z minulých let často nejsou k dispozici. Modul GeoPard nabízí řešení umožněním retrospektivního vytvoření výnosových map s vysokou přesností (přes 90 %). Tato funkce je obzvláště cenná pro zemědělce, kteří chtějí pochopit a analyzovat výkonnost svých polí v čase. Modul využívá dostupná průměrná nebo celková data o výnosech a aplikuje analytické metody GeoPardu k vytvoření podrobných výnosových map pro libovolný minulý rok. Vytvořením těchto syntetických výnosových map získají farmáři přehled o rozložení a variabilitě výnosu v rámci svých polí. Tyto informace jsou klíčové pro informované rozhodování o osevních postupech, alokaci zdrojů a plánování budoucích zemědělských strategií. Shrnuto: modul GeoPard Synthetic Yield Map poskytuje praktický nástroj, který farmářům umožňuje odemknout historické poznatky o výnosech a přistupovat k zemědělství více datově orientovaně, i když nejsou k dispozici podrobné záznamy z minulosti. Pochopení geoprostorového rozložení výnosů je zásadní pro dolaďování agronomických rozhodnutí rok co rok a výnosové mapy (nebo výnosové datové sady) v tom hrají klíčovou roli. Nicméně nezbytné vybavení není vždy na sklízecích strojích nainstalováno pro záznam mapování výnosů, zejména u starších modelů. V důsledku toho výnosové mapy často pokrývají jen části polí, které jsou sklízeny stroji s možností mapování výnosu. Aby tyto výzvy řešil, GeoPard dokončuje finální verzi svého Syntetického výnosového mapování — řešení navrženého tak, aby poskytovalo komplexní přehled o výnosech bez ohledu na omezení vybavení. ## **Technický přístup** Syntetické výnosové mapy jsou generovány využitím rozsáhlých zkušeností GeoPardu v řízení výnosových datových sad, se zaměřením na identifikaci faktorů omezujících výnos, hodnocení historického [potenciálu pole](https://geopard.tech/blog/field-potential-maps-yield-data/), a analýzu [vývoje vegetace během sezóny](https://docs.geopard.tech/geopard-tutorials/cze/prohlidka-produktu-webova-aplikace/satelitni-monitoring). Tato metodologie umožňuje generovat mapy rozložení výnosů i při absenci přímých dat o výnosech z kombajnů. Základem geoprostorového rozložení jsou dálkově snímaná data, zatímco kalibrace na reálné hodnoty výnosu se dosahuje sladěním s nahlášeným průměrem nebo celkovým výnosem pole. Tento přístup zajišťuje, že každá oblast pole je přesně zastoupena a poskytuje kompletní a spolehlivý obraz rozložení výnosů napříč celým polem. ## Příklady z praxe {% hint style="info" %} Pro udržení vysoké úrovně přesnosti výpočtů je jako dodatečný krok nezbytná kalibrace výnosu. Pomáhá odstranit anomálie a správně upravit statistické rozložení dat. Zjistěte více o [důležitosti kalibrace výnosu](https://docs.geopard.tech/geopard-tutorials/cze/agronomie/kalibrace-a-cisteni-vynosu) a o tom, jak ji můžete provést s GeoPardem. {% endhint %} ### Mapa výnosu kukuřice na siláž: reálná vs syntetická Verifikace Syntetické výnosové mapy byla provedena s použitím originální výnosové mapy kukuřice na siláž. Tento proces zdůraznil nutnost kalibrace výnosu jako mezikroku k odstranění odlehlých hodnot dat a korekci hodnot výnosu.

Výnosová mapa: surová (originální) vs kalibrovaná

Geoprostorový vzorec Syntetické výnosové mapy vychází z pokročilého porozumění GeoPardu [variabilitě pole](https://geopard.tech/blog/use-of-heterogeneity-factor-in-precision-agriculture/) a jejich odbornosti v [zpracování a zonaci výnosových datových sad](https://geopard.tech/blog/7b27v4yf41-yield-data-and-analytics-in-geopard/). Poté byla kalibrována pomocí průměrné hodnoty výnosu kukuřice na siláž, čímž bylo zajištěno, že geoprostorový vzorec těsně odpovídá skutečným hodnotám výnosu. Statistická a geoprostorová rozložení dat výnosu jako hmotnosti (t/ha) jsou dostupná na následujícím snímku obrazovky.

Výnosová mapa: kalibrovaná vs syntetická

### Kukuřice: reálná vs syntetická Statistická a geoprostorová rozložení dat výnosu kukuřice jako hmotnosti (t/ha) pro kalibrované a syntetické výnosové datové sady jsou dostupná na následujícím snímku obrazovky.

### Sója: reálná vs syntetická Následující snímek obrazovky představuje statistická a geoprostorová rozložení dat hmotnosti výnosu sóji v obou datových sadách — kalibrované i syntetické. Je důležité poznamenat, že zatímco původní výnosová data byla dodána v mg/m2, syntetická výnosová data byla převedena a jsou prezentována v t/ha.

### Pšenice: obnova výnosové mapy V mnoha případech je k dispozici pouze částečná výnosová mapa. Existuje mnoho faktorů, mezi nejčastější patří: starší stroje postrádají potřebné vybavení pro zaznamenávání sklizňových dat (1), lidský faktor (2) a nasbíraná data se ukážou jako nepoužitelná (3). GeoPard tyto výzvy řeší obnovou neúplných výnosových map. Proces zahrnuje komplexní posouzení [potenciálu pole](https://geopard.tech/blog/field-potential-maps-yield-data/) a [trendů vegetace během sezóny](https://docs.geopard.tech/geopard-tutorials/cze/prohlidka-produktu-webova-aplikace/satelitni-monitoring), využívaje zdokonalených metod GeoPardu v analýze výnosových dat k zvýšení úplnosti mapy. Krok kalibrace výnosu je stále nutný k odstranění anomálií v rozložení výnosových dat.

Výnosová mapa: reálná (originální) vs kalibrovaná

Porovnání známých částí výnosové mapy a obnovené výnosové mapy je na následujícím snímku obrazovky.

### Hrách: obnova mezer ve výnosové mapě V mnoha případech je k dispozici pouze částečná výnosová mapa. Nejběžnější příčiny zahrnují: 1. starší stroje bez vybavení pro záznam výnosu, 2. lidské chyby během sklizně, a 3. nasbíraná data, která se ukážou jako nepoužitelná. GeoPard tyto problémy řeší obnovou neúplných výnosových map pomocí pokročilých proprietárních algoritmů.