> 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/seeding/evaluate-accuracy-of-seeding-application.md).

# Vyhodnocení přesnosti setí

Jak vyhodnotit přesnost setí porovnáním předepsaných cílových dávek se skutečně aplikovanými dávkami v prostoru.

## Kontext

V moderním zemědělství se většina agronomických prací provádí podle předem připravených map variabilního výsevu (VRA). Tyto mapy obvykle obsahují několik výsevních dávek přizpůsobených různým zónám pole, aby zohlednily přirozenou různorodost půdy a podmínek pro pěstování plodin.

Díky těmto mapám VRA se zemědělci snaží optimalizovat spotřebu osiva, zajistit správný počet rostlin na ploše a maximalizovat výnos. V tomto případě <mark style="background-color:yellow;">se zaměříme na hodnocení přesnosti výsevu</mark> porovnáním plánované výsevní dávky (uvedené v mapě VRA) se skutečnou výsevní dávkou zaznamenanou strojem během práce na poli.

## Data zaznamenaná zemědělskou technikou

Po dokončení výsevu zaznamenají palubní systémy stroje různé údaje o provedené práci. Zajímat nás budou především dvě klíčové veličiny:

* <mark style="background-color:yellow;">**Cílová dávka**</mark>**:** Plánovaná výsevní dávka v daném místě podle aplikační mapy (VRA nebo mapa s jednotnou dávkou).
* <mark style="background-color:yellow;">**Aplikovaná dávka**</mark>**:** Skutečná výsevní dávka dodaná na stejném místě.

Porovnáním těchto dvou údajů v geografickém kontextu můžeme zjistit, nakolik skutečný výsev odpovídal předepsanému plánu. Porovnání zahrnuje zobrazení map cílové a aplikované dávky, analýzu jejich statistického rozložení a ověření, že bylo přesně vyseto požadované množství osiva.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F46nZZTZdARLCWF83phTK%2Fimage.png?alt=media&amp;token=1849c0a3-92d2-4f06-851d-1906ba170db6" alt=""><figcaption><p>Data zaznamenaná zemědělskou technikou: cílová a skutečná dávka při variabilní aplikaci (VRA)</p></figcaption></figure>

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FuMX1TE9MCiwxejzTo4cd%2Fimage.png?alt=media&amp;token=7239ac8e-c82a-4970-8a53-da49a1a46ea0" alt=""><figcaption><p>Data zaznamenaná zemědělskou technikou: cílová a skutečná dávka při variabilní aplikaci (VRA)</p></figcaption></figure>

## **Vyhodnocení přesnosti aplikace**

Přesnost aplikace hnojiva vyhodnotíme pomocí předem uložené rovnice s názvem <mark style="background-color:yellow;">Analýza prostorové korelace (podobnost datových vrstev)</mark> která měří prostorovou podobnost hodnot skutečné a cílové dávky.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FrDgSf0J2uDfD9Wy0GPjw%2Fimage.png?alt=media&amp;token=7af48fc7-2044-483c-b50b-a1ea3c0461f7" alt=""><figcaption><p>Vyhledejte existující rovnici pro podobnost datových vrstev</p></figcaption></figure>

<mark style="background-color:yellow;">Hodnoty podobnosti se pohybují od 0 do 1: hodnota 0 znamená, že se údaje neshodují, a hodnota 1 představuje stoprocentní shodu hodnot i jejich prostorového rozmístění.</mark>

Jinými slovy, čím blíže je skóre podobnosti k 1, tím přesněji byl výsev proveden. Trvale vysoké hodnoty blížící se 1 ukazují, že se výsev přesně řídil plánem (VRA nebo plánem s jednotnou dávkou) a pole dostalo plánovanou výsevní dávku, což zajišťuje optimální vzcházení porostu.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FmjCSaH3232WiBX2XT9pU%2Fimage.png?alt=media&amp;token=0ae5feb6-0442-48c0-b9c5-37700c69f8ec" alt=""><figcaption><p>Mapa rovnice podobnosti: cílová a skutečná dávka při variabilní aplikaci (VRA)</p></figcaption></figure>

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FVA23PZJy0dpt3mtmdl4t%2Fimage.png?alt=media&amp;token=80fb5583-39fd-478f-b4e1-846ea3cf927c" alt=""><figcaption><p>Mapa rovnice podobnosti: cílová a skutečná dávka při variabilní aplikaci (VRA)</p></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/cze/agronomie/seeding/evaluate-accuracy-of-seeding-application.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.
