Katalog vlastních funkcí

Tyto funkce zapouzdřují složitý kód v Pythonu a umožňují snadno provádět pokročilé úpravy dat a výpočty.

GeoPard nabízí kompletní katalog vlastních funkcí navržených tak, aby zlepšily čitelnost a funkčnost analytiky založené na rovnicích. Tyto funkce zapouzdřují složitý python kód, takže můžete snadno používat pokročilé úpravy dat a výpočty.

Zadejte rovnici

Zadejte rovnici

Seznam dostupných předpřipravených funkcí pro tvorbu přehlednějších a lépe udržovatelných rovnic v GeoPard je součástí balíčku geopard :

fill_gaps_with_k_neighbors

# input_data je atributová vrstva Datasetu (např. Výnos, NDVI)
filled_layer = geopard.fill_gaps_with_k_neighbors(yield_layer, k=5)

Tato funkce obnovuje mezery v datech nebo nuly v datasetu pomocí algoritmu K-Neighbors. Zadáním proměnné input_data (jako Dataset s vybraným atributem) a počtu sousedů kmůžete plynule doplnit chybějící hodnoty a zajistit tak návaznost a správnost dat.

Tato funkce funguje dobře, když jsou mezery v datech rozptýlené po poli a nejsou soustředěné v některé konkrétní části okraje pole.

determine_data_similarity

similarity = geopard.determine_data_similarity(yield_2023, yield_2024)

Tuto funkci použijte pro výpočet podobnosti dvou Datasetů po jednotlivých pixelech. Proměnné data_layer_1 a data_layer_2 by měly představovat stejné měření ve stejných jednotkách aby porovnání dávalo smysl. Zadáním proměnných data_layer_1 a data_layer_2 spojených s Datasety můžete vytvořit mapu podobnosti s hodnotami od 0 do 1, což usnadňuje srovnávací studie a rozpoznávání vzorů.

determine_data_similarity_from_normalized

layer_1_norm = geopard.normalize_data(layer_1)
layer_2_norm = geopard.normalize_data(layer_2)

similarity = geopard.determine_data_similarity_from_normalized(layer_1_norm, layer_2_norm)

Tuto funkci použijte pro výpočet podobnosti dvou normalizovaných datasetů po jednotlivých pixelech. Normalizace se doporučuje, když původní datasety data_layer_1 a data_layer_2 mají různé škály nebo jednotky. Po zadání těchto datasetů jako vstupu funkce vytvoří mapu podobnosti s hodnotami od 0 do 1, takže se hodí pro srovnávací studie, rozpoznávání vzorů a analýzu prostorové konzistence.

determine_low_high_similarity

zones = geopard.determine_low_high_similarity(soil_ph, yield_layer)

Tato funkce vyhodnocuje nízko-vysokou podobnost mezi dvěma Datasety. Po zadání proměnných data_layer_1 a data_layer_2 spojených s Datasety získáte kategorizovanou mapu podobnosti ukazující kombinace jako nízká-nízká, nízká-vysoká, vysoká-nízká a vysoká-vysoká, což je užitečné pro jemnější klasifikaci dat.

get_value_for_zone

zone_3_values = geopard.get_value_for_zone(yield_layer, zone_map, zone_id=3)

Tuto funkci použijte pro získání všech hodnot atributu Datasetu v jedné zóně. Zadejte data_layer (atributová vrstva), zones_layer (mapa zón) a zone_id (číslo zóny), abyste oddělili hodnoty pro analýzu, jako je výnos, aplikační dávka nebo výsevek, uvnitř této zóny.

drop_value

clean_layer = geopard.drop_value(elevation_layer, value_to_drop=0)

Tato funkce umožňuje odstranit konkrétní hodnoty z atributu datasetu. Zadáním data_layer a value_to_dropmůžete dataset vyčistit tím, že tyto hodnoty z výsledku odstraníte, technicky je nahradíte hodnotou NaN.

normalize_data

ndvi_normalized = geopard.normalize_data(ndvi_layer)

Pomocí této funkce normalizujete atribut datasetu. Předáním data_layermůžete data převést do standardizovaného rozsahu od 0 do 1, což usnadní porovnání a propojení různých datasetů.

calculate_total_applied_fertilizer

applications = [urea_rate, map_rate]
coefficients = [1.0, 1.0]  # použijte 1.0 pro zachování jednotek, nebo upravte podle koncentrace produktu

total_applied = geopard.calculate_total_applied_fertilizer(applications, coefficients)

Pomocí této funkce spočítáte celkové aplikované hnojivo v jednotkách na plochu (například kg/ha, l/ha, gal/ac atd.). Zadáním application_list Datasetů s atributy AppliedRate a odpovídajících active_ingredient_coefficient_list u produktů hnojiv získáte skutečné celkové aplikované hnojivo v jednotkách (například v kg, l, gal atd.).

calculate_total_applied_nitrogen

applications = [urea_rate, uan_rate]
nitrogen_coefficients = [0.46, 0.32]  # podíl N (účinné látky) v každém produktu

N_total_applied = geopard.calculate_total_applied_nitrogen(applications, nitrogen_coefficients)

Pomocí této funkce spočítáte celkový aplikovaný dusík v kg/ha. Zadáním application_list Datasetů s atributy AppliedRate a odpovídajících active_ingredient_coefficient_list s dusíkatými produkty pro přepočet skutečného dusíku na kg/ha můžete přesně spočítat celkový aplikovaný dusík, což je důležité pro zemědělské plánování a hodnocení udržitelnosti. Výstup se používá jako N_total_applied vgeopard.calculate_nitrogen_use_efficiency.

calculate_nitrogen_uptake

N_uptake = geopard.calculate_nitrogen_uptake(
    yield_wet_tha=yield_layer,
    moisture_pct=moisture_layer,
    protein_pct=protein_layer,
    protein_crop_correction_coefficient=6.25
)

Pomocí této funkce určíte příjem dusíku v kg/ha. Dodáním yield_wet_tha, moisture_pct, protein_pct z Datasetu výnosu a protein_crop_correction_coefficient který vyjadřuje vazbu bílkoviny na příjem dusíku, můžete posoudit efektivitu využití dusíku při pěstování plodin. Výstup se používá jako N_uptake vgeopard.calculate_nitrogen_use_efficiency .

calculate_nitrogen_use_efficiency

NUE_pct = geopard.calculate_nitrogen_use_efficiency(N_total_applied, N_uptake)

Pomocí této funkce vyhodnotíte efektivitu využití dusíku v procentech. Zadáním N_total_applied a N_uptake proměnných (z předchozích funkcí) můžete změřit účinnost aplikace dusíku a pomoci tak s optimalizací využití hnojiv.

calculate_costs

rates = [seed_rate, fertilizer_rate]
prices = [1.2, 0.8]  # cena za jednotku pro každou vrstvu dávek
costs = geopard.calculate_costs(rates, prices)

Pomocí této funkce spočítáte celkové náklady na základě aplikačních dávek a cen. Zadáním application_rate_list Datasetů s atributy AppliedRate a odpovídajícího price_per_unit_listmůžete sečíst náklady spojené s různými zemědělskými činnostmi, což podporuje řízení rozpočtu a finanční plánování. Výstup se používá jako costs vgeopard.calculate_profit.

calculate_revenue

revenue = geopard.calculate_revenue(yield_as_mass=yield_layer, yield_price_per_unit=0.25)

Pomocí této funkce spočítáte tržby z Datasetu výnosu. Zadáním yield_as_mass spojeného s atributem Datasetu výnosu a yield_price_per_unitmůžete odhadnout příjem z rostlinné výroby, což usnadňuje ekonomické hodnocení. Výstup se používá jako costs vgeopard.calculate_profit .

calculate_profit

profit = geopard.calculate_profit(revenue, costs)

Pomocí této funkce určíte zisk odečtením nákladů od tržeb. Zadáním revenue a costs proměnných (z předchozích funkcí) můžete snadno spočítat finanční přínos zemědělských operací, což podporuje analýzu ziskovosti a strategické rozhodování.

fill_value_for_range

# ponechá jen hodnoty mezi 10 a 20, ostatní nahradí 0
filtered = geopard.fill_value_for_range(layer, min_value=10, max_value=20, value_to_fill=0)

Tato funkce filtruje hodnoty v zadaném rozsahu ve vstupním input poli. Zadáním input pole spolu s volitelnou min_value a volitelnou max_value mezí můžete oddělit hodnoty, které spadají do požadovaného rozsahu. Parametr value_to_fill umožňuje nahradit hodnoty mimo rozsah zadanou hodnotou, což zlepšuje filtrování a normalizaci dat.

calculate_per_pixel_mae

mae_layer = geopard.calculate_per_pixel_mae(predicted_yield, observed_yield)

Pomocí této funkce spočítáte střední absolutní chybu (MAE) po jednotlivých pixelech mezi dvěma datasety. Poskytuje prostorovou mapu absolutních rozdílů. „Absolutní rozdíl“ je jednoduše velikost rozdílu mezi odpovídajícími hodnotami pixelů bez ohledu na to, která hodnota je vyšší nebo nižší.

Funkce pomáhá určit místa s většími rozdíly.

calculate_per_pixel_relative_deviation

relative_dev = geopard.calculate_per_pixel_relative_deviation(observed_yield, modeled_yield)

Tato funkce počítá relativní odchylku pro každý pixel mezi dvěma datasety a vyjadřuje rozdíl jako procento hodnoty v dataset_1. V podstatě ukazuje, o kolik se hodnota jednoho pixelu odchyluje od odpovídající hodnoty v dataset_1 v poměrných hodnotách.

Tento přístup je obzvlášť cenný při analýze variability půdních vlastností, výnosu plodin nebo dat z dálkového průzkumu, protože pomáhá rychle odhalit místa s významnými poměrnými rozdíly.

calculate_difference

difference = geopard.calculate_difference(yield_2024, yield_2023)

Tato funkce odečte jeden dataset od druhého a vytvoří mapu rozdílů. Zvýrazní místa, kde jsou hodnoty v jednom datasetu vyšší nebo nižší ve srovnání s druhým, takže je snazší sledovat trendy a změny v čase.

Tento nástroj je zvlášť užitečný pro zobrazení změn půdních vlastností, výnosu plodin nebo dat z dálkového průzkumu a pomáhá rychle najít místa, která mohou vyžadovat další rozbor nebo zásah.

calculate_relative_difference

relative_diff = geopard.calculate_relative_difference(yield_2024, yield_2023)

Tato funkce počítá relativní rozdíl pro každý pixel tím, že normalizuje rozdíl mezi datasety pomocí hodnot z dataset_2. To znamená, že ukazuje, jak významná je změna vzhledem k velikosti dataset_2.

Takové poměrné porovnání je zvlášť užitečné při práci s datasety různých měřítek, protože pomáhá odhalit relativní posuny v půdních vlastnostech, výnosech plodin nebo výstupech senzorů. Tento přístup pomáhá určit místa s výraznou variabilitou.

calculate_normalized_difference

normalized_diff = geopard.calculate_normalized_difference(layer_1, layer_2)

Tato funkce počítá normalizovaný rozdíl pro každý pixel tím, že oba datasety škáluje podle jejich globální maximální hodnoty. Tento postup umožní přímé porovnání datasetů, i když měly původně různé rozsahy.

Výsledná mapa dává jasný přehled o změnách půdních vlastností, výnosu plodin a dat z dálkového průzkumu, takže můžete rychle určit a posoudit hlavní rozdíly.

build_zones_by_intervals

# intervaly pro zónování
intervals = [
    (4, 8),
    (8, 12),
    (12, 16)
]

# použití
zones = geopard.build_zones_by_intervals(
    layer, 
    intervals
)

Tato funkce vytváří mapu management zón klasifikací spojité rastrové vrstvy do diskrétních zón podle uživatelem zadaných intervalů hodnot.

Každý interval definuje jednu zónu a každý pixel je přiřazen do zóny, do jejíhož rozsahu hodnot spadá. Pixely, které neodpovídají žádnému intervalu, jsou označeny jako -1.

Tento způsob zónování se běžně používá pro převod výnosových map, půdních vlastností nebo indexů z dálkového průzkumu na prakticky využitelné management zóny pro variabilní aplikace.

Typické použití

• Tvorba management zón z výnosu, NDVI nebo půdních vrstev

• Příprava map zón pro výpočty dávek živin nebo výsevku

• Rozdělení polí na homogenní zóny pro rozhodování

calculate_nutrient_rate_as_active_ingredients_per_zone

# možnosti target_nutrient
target_nutrient_option1 = 50 # konstantní číslo
# NEBO
target_nutrient_option2 = {1: 20, 2: 40} # slovník podle zón
# NEBO
target_nutrient_option3 = np.array([[1, 1], [2, 3]], dtype=float) # spojitá rastrová vrstva

# možnosti applied_nutrient_operations
applied_operations = [
    5,                                      # operation1 jako konstantní číslo
    {1: 2, 2: 4},                           # operation2 jako slovník podle zón
    np.array([[1, 1], [2, 3]], dtype=float) # operation3 jako spojitá rastrová vrstva
]

# použití
rates_as_active_ingredients = geopard.calculate_nutrient_rate_as_active_ingredients_per_zone(
    zone_map, 
    target_nutrient, 
    plant_available_soil_nutrient, 
    applied_nutrient_operations = applied_operations # nebo []
)

Tato funkce počítá potřebnou aplikační dávku živin (účinné látky) pro každou management zónu.

Výpočet je založen na:

• cílové hladině živiny,

• rostlinám dostupné zásobě živin z půdy,

• živinách už dodaných předchozími operacemi (hnůj, hnojiva, digestát atd.).

Operace s aplikovanými živinami lze zadat jako konstanty, hodnoty podle zón, rastrové vrstvy nebo jakoukoli jejich kombinaci. Všechny vstupy se automaticky vyhodnotí a sečtou pro každou zónu.

Ve výchozím nastavení se potřebná dávka počítá jako rozdíl mezi cílovou hladinou živiny a součtem zásoby z půdy a již aplikovaných živin. Výsledek je vrácen jako rastrová mapa, kde má každá zóna jednotnou dávku živiny.

convert_active_ingredient_and_product

# přepočítací koeficient účinná látka na produkt a naopak
corrected_coefficient = 1.5  # konstantní koeficient
# NEBO
corrected_coefficient = np.array([[np.nan, 5], [np.nan, 1]], dtype=float)  # koeficienty po pixelech

# použití
rates_as_products = geopard.convert_active_ingredient_and_product(
    layer, 
    corrected_coefficient
)

Tato funkce převádí rastrovou vrstvu mezi dávkami účinné látky a dávkami produktu pomocí opravného koeficientu.

Koeficient corrected_coefficient může být jedno float (použité pro všechny pixely) nebo koeficientní matice (převod po jednotlivých pixelech). Obvykle se používá pro převod vypočtené potřeby živin (účinné látky) na skutečné aplikační dávky produktu nebo naopak podle složení hnojiva či koncentrace živiny.

Převod se provádí po jednotlivých pixelech a zachovává prostorovou strukturu původní vrstvy.

Typické použití

• Přepočet dávek živin na dávky hnojivých produktů

• Úprava aplikačních map podle koncentrace živin

• Příprava finálních aplikačních map pro techniku

estimate_texture_class_based_on_usda

usda_texture = geopard.estimate_texture_class_based_on_usda(
    sand_pct_layer,
    silt_pct_layer,
    clay_pct_layer
)

Tato funkce odhaduje texturu půdy podle USDA pro každý pixel na základě procent písku, prachu a jílu.

Zadejte tři rastrové vrstvy v procentech (0–100), které představují frakce velikosti částic. Výstupem jsou názvy tříd USDA jako sand, loamy_sand, sandy_loam, loam, silt_loam, sandy_clay_loam, clay_loam, silty_clay_loam, silty_clay nebo undefined když jsou vstupy neplatné.

estimate_texture_class_based_on_fao_wrb

fao_wrb_texture = geopard.estimate_texture_class_based_on_fao_wrb(
    sand_pct_layer,
    silt_pct_layer,
    clay_pct_layer
)

Tato funkce odhaduje třídu půdní textury FAO/WRB (ISO 11277) pro každý pixel na základě procent písku, prachu a jílu.

Zadejte tři rastrové vrstvy v procentech (0–100), které představují frakce velikosti částic. Výstupem jsou kódy tříd FAO/WRB jako S, LS, SL, L, SiL, Si, SCL, CL, SiCL, SC, SiC, C, HC nebo undefined když jsou vstupy neplatné.

calculate_soil_bulk_density

bulk_density = geopard.calculate_soil_bulk_density(texture_class_layer, som_pct_layer)

Tato funkce počítá objemovou hmotnost půdy (g/cm³) podle třídy textury a volitelného obsahu půdní organické hmoty (SOM).

Koeficient texture_class_layer by měla obsahovat názvy tříd nebo kódy vytvořené funkcí textury USDA nebo funkcí textury FAO/WRB uvedenou výše.

Pokud som_pct_layer je zadána v procentech, funkce upraví objemovou hmotnost podle SOM. Jinak vrátí hodnoty objemové hmotnosti půdy v g/cm³ přiřazené třídám textury podle tabulek USDA nebo FAO/WRB.