> 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/zones-maps-and-analytics/multi-layer-analytics.md).

# Analýza více vrstev

V GeoPard můžete pro tvorbu management zón propojit více datových vrstev. Řídíte váhy, indexy, počet zón, typ shlukování i minimální plochu polygonu.

{% @arcade/embed url="<https://app.arcade.software/share/em63luvNTYI6CFKUC3m6>" flowId="em63luvNTYI6CFKUC3m6" %}

*Interaktivní ukázka – tvorba zón z více vrstev*

Precizní zemědělství vytváří velké množství dat, včetně údajů o výnosech, satelitních snímků a vrstev úrodnosti půdy. Mnoho týmů stále obtížně převádí tyto vrstvy na užitečné poznatky a konkrétní kroky. V precizním zemědělství jsou produkční zóny části pole s podobným výnosovým potenciálem, který vychází z typu půdy, polohy na svahu, chemických vlastností půdy, mikroklimatu nebo dalších faktorů ovlivňujících růst plodin. Důležitou součástí procesu jsou také místní znalosti o poli. Produkční zóny pomáhají optimalizovat vstupy do pěstování plodin i výnosový potenciál.

Hlavní výzvou je vytvořit produkční zóny, které odpovídají skutečné variabilitě na poli. Kombinování vrstev, jako jsou satelitní snímky, úrodnost půdy, odvozené topografické údaje a data z výnosoměru, je dalším logickým krokem k pružnějšímu řízení hospodaření.

Analýza více vrstev (známá také jako integrovaná analýza) se stává součástí geoinformačního analytického enginu GeoPard.

Mezi běžné kombinace pro integrovanou analýzu patří jeden nebo více souborů výnosových dat, mapa NDVI, nadmořská výška a fyzikálně-chemické vlastnosti měřené půdními senzory. GeoPard tyto parametry podporuje a umožňuje zahrnout i další vrstvy dat o poli, které už jsou v systému dostupné nebo je uživatel přímo nahrál, například údaje z odběrů půdy a výnosová data. Při integrované analýze tak můžete pracovat s úplnou sadou parametrů:

Výnosová data\
Data dálkového průzkumu:

* Mapa potenciální produktivity (za jeden rok i více let)
* Mapa stability/variability
* Vegetativní indexy NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Topografie:

* Nadmořská výška
* Sklon
* Zakřivení terénu
* Index vlhkosti
* Orientace svahu
* Stínovaný reliéf
* Členitost terénu
* Drsnost povrchu

Půdní data:

* pH
* CEC (kationtová výměnná kapacita)
* SOM (organická hmota v půdě)
* K (draslík)
* Malá hloubka ornice a nižší vododržná kapacita (půda náchylná k suchu)
* EC (elektrická vodivost)
* a další chemické vlastnosti dostupné v nahraném datovém souboru

Je důležité vědět, že pro každou datovou vrstvu můžete nastavit vlastní faktory a přiřadit jim požadovanou váhu. V GeoPardu můžete vytvářet mapy produkčních zón podle své znalosti pole a vybírat přitom zdroje dat i jejich váhy.

## Jak fungují váhy vrstev

Váha určuje, jakou měrou každá vrstva ovlivňuje jednotlivé pixely výsledné mapy zón.

### Nejprve proběhne normalizace

Vstupní vrstvy mají neslučitelné jednotky a rozsahy: NDVI se pohybuje od 0 do 1, výnos od 4 do 12 t/ha, pH od 5,5 do 7,5 a EC od 5 do 60 mS/m. Pokud by se spojily původní hodnoty, výsledek by ovládla vrstva s největším číselným rozsahem bez ohledu na její agronomický význam.

GeoPard nejprve každou vrstvu normalizuje metodou min-max a převede ji do společného rozsahu podle jejího vlastního minima a maxima na daném poli. O vlivu vrstvy pak rozhoduje pouze její váha.

### Poté se uplatní váhy

Každá normalizovaná vrstva se vynásobí svou váhou a vrstvy se spojí do jediné plochy.

### Záporné váhy obracejí vrstvu

Záporná váha obrátí měřítko: vysoké hodnoty vrstvy se považují za nízké a nízké za vysoké. Použijte ji, když vysoké naměřené hodnoty znamenají horší podmínky, například:

* Obsah jílu na špatně odvodněném poli
* Nadmořská výška v místech, kde jsou níže položené části vystaveny mrazu nebo zamokření
* EC, pokud vysoké hodnoty ukazují na zasolení, nikoli na schopnost zadržovat vodu

### Chybějící hodnoty se interpolují

Pokud ve vrstvě chybějí pixely (například kvůli oblačnosti na satelitním snímku, vynechanému průjezdu při sběru výnosových dat nebo řídkým místům odběru půdních vzorků), GeoPard chybějící hodnoty interpoluje z okolních hodnot, místo aby pixel vynechal. Kombinovaná mapa tak zůstává souvislá napříč celým polem.

### Výsledek se znovu normalizuje

Po zvážení a sloučení vrstev se výsledná mapa znovu normalizuje, aby pokrývala celý rozsah, a poté se rozdělí na vámi zvolený počet zón.

{% hint style="info" %}
**Výběr vah:** začněte tím, že nejvyšší váhu přiřadíte vrstvě, které nejvíce důvěřujete. Nejspolehlivějšími ukazateli bývají víceleté výnosy a dlouhodobá produktivita zachycená satelitními snímky. Snímky z jediného data jsou nejvíce závislé na konkrétní situaci, protože zachycují pouze jeden okamžik během sezóny.
{% endhint %}

Na obrázcích níže je ukázkové pole s datovými vrstvami, jako jsou mapa produktivity za 18 let, digitální model terénu, sklon svahu, stínovaný reliéf a výnosová data z roku 2019, spolu s různými výstupy integrované analýzy. Můžete sledovat, jak se produkční zóny mění s přidáváním dalších vrstev.

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-8.png?resize=1024%2C501&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-9.png?resize=1024%2C504&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-10.png?resize=1024%2C505&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-11.png?resize=1024%2C505&#x26;ssl=1" alt=""><figcaption></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/prohlidka-produktu-webova-aplikace/zones-maps-and-analytics/multi-layer-analytics.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.
