> 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/prohlidka-produktu-webova-aplikace/satellite-monitoring/indices-for-crops-and-soils.md).

# Indexy pro plodiny a půdu

GeoPard umí počítat vegetační, vlhkostní, chlorofylové, jasové a další indexy.

<figure><img src="https://1171283066-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FLYsFwlSMWLFKPlm1Mt6z%2Fimage.png?alt=media&amp;token=953379ed-8f3c-4968-a857-34b88f220638" alt=""><figcaption><p>Každý půdní a vegetační index je popsán v aplikaci GeoPard</p></figcaption></figure>

### Přehled indexů ze satelitních snímků <a href="#vegetation-indices" id="vegetation-indices"></a>

Všechny satelitní snímky jsou korigovány a optimalizovány pro zobrazení a analýzu.

### Články na blogu GeoPard

* [Vegetační indexy a obsah chlorofylu](https://geopard.tech/blog/vegetation-indices-and-chlorophyll-content/)
* [Který vegetační index je vhodnější pro precizní zemědělství?](https://geopard.tech/blog/use-of-ndvi-normalized-difference-vegetation-index-in-precision-agriculture/)
* [Jak index jasu půdy podporuje udržitelné zemědělství?](https://geopard.tech/blog/how-the-soil-brightness-index-enables-sustainable-agriculture/)
* [Vlhkost – index NDMI](https://geopard.tech/blog/normalized-difference-moisture-index-ndmi/)
* [Vegetační indexy: jak se využívají v precizním zemědělství?](https://geopard.tech/blog/vegetation-index-how-are-they-used-in-precision-agriculture/)

Výběr různých zobrazení snímků vám pomůže lépe porozumět vašemu poli – zvýrazní dobře vyvinuté oblasti i odchylky ve vzcházení plodin. K dispozici jsou tato zobrazení:

1. **RGB** – Přirozené neboli skutečné barvy (červená, zelená a modrá).
2. **NIR** – (výchozí) kombinace neviditelné (blízké infračervené) a viditelné (červené, zelené) části spektra. Zlepšuje čitelnost dat: vegetace se zobrazuje v odstínech červené, přičemž hustě porostlé oblasti jsou jasně červené. Půda má barvu od tmavě po světle zelenou nebo šedou.
3. **EVI2** – Enhanced Vegetation Index (od 0 do 2,4) je vhodnější než NDVI pro pole s hustým zápojem, kde může NDVI dosáhnout saturace. Toto zobrazení lze použít k analýze plodin ve všech růstových fázích.
4. **LAI** – Leaf Area Index (od 0 do 5,86) je bezrozměrná veličina charakterizující rostlinný zápoj. Zobrazuje přechod od holé půdy k hustému zápoji. Jeho hodnota sahá od holé půdy (0) po hustý zápoj (3,5 a více v době vrcholu vegetační sezóny). Na mapě se zobrazuje barvami od červené po zelenou.
5. **NDVI** – Normalized Difference Vegetation Index (od 0 do 1) dobře ukazuje zdravotní stav plodin a rozložení zelené vegetace. Jeho použití má však omezení na začátku vegetační sezóny (vliv půdy) a při vrcholu vegetace (saturace). Na mapě se zobrazuje od červené po zelenou.
6. **GNDVI** – Green Normalized Difference Vegetation Index (od 0 do 1). Na rozdíly v obsahu chlorofylu reaguje citlivěji než NDVI a doporučuje se pro plodiny v raných až středních růstových fázích. Na mapě se zobrazuje od červené po zelenou.
7. **IPVI** – Infrared Percentage Vegetation Index (od 0 do 1). Funkčně odpovídá NDVI, jeho výpočet je však rychlejší.
8. **GCI** – Green Chlorophyll Index (od 0 do 7). Používá se k hodnocení obsahu chlorofylu v listech a lze jej využít u široké škály rostlinných druhů. Pomáhá hodnotit zdraví rostlin, protože obsah chlorofylu u rostlin vystavených stresu klesá. Na mapě se zobrazuje v odstínech od světle po tmavě zelenou.
9. **SAVI** – Soil Adjusted Vegetation Index (od 0 do 1,5) omezuje vliv jasu půdy. Nejvíce se hodí na začátku sezóny, kdy jsou rostliny od sebe oddělené nebo rostou v řádcích a půda je dobře viditelná, a ve střední fázi růstu, kdy se rostliny ještě nedotýkají.
10. **OSAVI** – Optimized Soil Adjusted Vegetation Index (od 0 do 1). Nejvhodnější je pro oblasti s poměrně řídkou vegetací a plodiny v raných až středních růstových fázích. Zobrazuje se pomocí barevné škály od červené po zelenou.
11. **NDWI** – Normalized Difference Water Index. Používá se k rozlišení vody od suché půdy a k mapování vodních ploch. Na mapě se zobrazuje v odstínech modré.
12. **WDRVI** – Wide Dynamic Range Vegetation Index (od -0,6 do 0,4). Používá se k podrobnější analýze fyziologických a fenologických vlastností plodin. Využívá stejná spektrální pásma jako NDVI, ale pracuje s rozšířeným dynamickým rozsahem.
13. **SBI** – Soil Brightness Index. Slouží jako ukazatel obsahu organické hmoty v půdě, písčitosti a zasolení a je důležitý pro sledování změn půdních podmínek v čase.\
    Písčité půdy mají světlejší barvu a hrubší strukturu, odrážejí proto více světla a dosahují vyšších hodnot indexu jasu půdy. Jílovité půdy, které obsahují více organické hmoty a vláhy, jsou naopak tmavší a jejich hodnoty jsou nižší.
14. **NDMI** – Normalized Difference Moisture Index. Slouží ke stanovení obsahu vody ve vegetaci a je vhodný k odhalování vodního stresu rostlin. Lépe prosperující vegetace dosahuje vyšších hodnot. Nižší hodnoty indexu vlhkosti naznačují, že rostliny trpí nedostatkem vláhy.\
    Interpretace:
    * (-1; -0.8) Holá půda;
    * (-0.8; -0.2) Téměř žádný nebo velmi nízký zápoj;
    * (-0.2; 0) Nízký zápoj a vysoký vodní stres NEBO velmi nízký zápoj a nízký vodní stres;
    * (0; 0.2) Průměrný zápoj a vysoký vodní stres NEBO nízký zápoj a nízký vodní stres;
    * (0.2; 0.4) Vysoký zápoj a vysoký vodní stres NEBO průměrný zápoj a nízký vodní stres;
    * (0.4; 1) Vysoký až velmi vysoký zápoj bez vodního stresu.
15. **MSI** – Moisture Stress Index. Používá se k analýze stresu porostu, předpovědi produktivity a biophyzikálnímu modelování. Vyšší hodnoty indexu znamenají větší vodní stres rostlin a nižší obsah půdní vláhy a vody. Hodnoty indexu se pohybují od 0 do více než 3, přičemž běžný rozsah pro zelenou vegetaci je 0,2 až 2.
16. **CCCI** – Canopy Chlorophyll Content Index. Jde o dvourozměrný index dálkového průzkumu navržený pro odhad zásobení plodin dusíkem. Využívá odrazivost v blízké infračervené (NIR) a červené části spektra k zohlednění sezónních změn hustoty zápoje. Odrazivost v blízké infračervené a v červené oblasti s dlouhými vlnovými délkami pak slouží k zachycení relativních změn obsahu chlorofylu v zápoji, který nepřímo ukazuje na obsah dusíku.
17. **MCARI** – Modified Chlorophyll Absorption Ratio Index reaguje na koncentraci chlorofylu v listech a odrazivost půdy. Obecně platí, že vysoké hodnoty MCARI ukazují na nízký obsah chlorofylu v listech. Index má omezenou schopnost odhadovat nízké koncentrace chlorofylu, zejména proto, že jeho funkčnost ovlivňuje signál půdy.
18. **TCARI** – Transformovaný index absorpce chlorofylu a odrazivosti je jedním z několika indexů CARI, které vyjadřují relativní zastoupení chlorofylu. Ovlivňuje ho odrazivost podkladové půdy, zejména u porostů s nízkým LAI.
19. **MCARI/OSAVI** a **TCARI/OSAVI** jsou integrované formy indexu CARI, které lépe lineárně odpovídají obsahu chlorofylu a jsou méně citlivé na index listové plochy (LAI). Zlepšení je dáno tím, že odrazivost v červené a blízké infračervené oblasti byla nahrazena odrazivostí v zelené, červené a červené oblasti spektra na okraji absorpčního pásma. Kombinace těchto indexů lze použít k odhadu obsahu chlorofylu v porostu.


---

# 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/prohlidka-produktu-webova-aplikace/satellite-monitoring/indices-for-crops-and-soils.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.
