> 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/de/agronomie/yield-and-trials/synthetic-yield-map.md).

# Synthetische Ertragskarte: Ertragskarten für Saisons ohne Ertragsdaten

Erstellen Sie aus Satellitenbildern und einer bekannten Kennzahl – dem Gesamtertrag oder Durchschnittsertrag des Feldes – eine Ertragskarte für eine vergangene Saison und nutzen Sie sie für Zonen und Vergleiche.

Eine synthetische Ertragskarte schließt eine Lücke in der Saison, in der der Ertragsmonitor ausgeschaltet, defekt oder gar nicht installiert war. GeoPard verwendet die Satellitenbilder dieser Saison und einen bekannten Wert – den Gesamt- oder Durchschnittsertrag des Feldes – und verteilt ihn über das Feld. So lassen sich mehrjährige Zonen vervollständigen oder Saisons vergleichen. Vorhandene Monitordaten sollten dabei weiterhin genutzt werden.

{% hint style="success" %}
Ergänzen Sie Ihre Ertragshistorie: [Kostenlos starten](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=synthetic-yield-map)
{% endhint %}

## Ertragslücken bewerten: die Bedeutung synthetischer Ertragskarten

Das GeoPard-Modul für synthetische Ertragskarten adressiert eine häufige Herausforderung in der Landwirtschaft: Vielen Landwirten fehlen detaillierte historische Ertragsdaten. Zwar kennen Landwirte oft den durchschnittlichen oder gesamten Ertrag je Feld, doch detaillierte Ertragskarten vergangener Jahre sind häufig nicht verfügbar. Das Modul von GeoPard bietet eine Lösung, indem es die rückwirkende Erstellung von Ertragskarten mit hoher Genauigkeit (über 90 %) ermöglicht.

Diese Funktion ist besonders wertvoll für Landwirte, die die Ertragsleistung ihrer Felder im Laufe der Jahre nachvollziehen und analysieren möchten. Das Modul nutzt verfügbare Durchschnitts- oder Gesamtertragsdaten und wendet die Analysemethoden von GeoPard an, um detaillierte Ertragskarten für beliebige vergangene Jahre zu erstellen.

Mit diesen synthetischen Ertragskarten gewinnen Landwirte Einblicke in die Ertragsverteilung und -variabilität innerhalb ihrer Felder. Diese Informationen sind entscheidend, um fundierte Entscheidungen zum Pflanzenbau, zur Ressourcenzuteilung und zur Planung künftiger Anbaustrategien zu treffen.

Zusammenfassend bietet das GeoPard-Modul für synthetische Ertragskarten Landwirten ein praktisches Werkzeug, um historische Ertragseinblicke zu erschließen. So ist ein stärker datenbasierter Ansatz in der Landwirtschaft möglich, auch wenn keine detaillierten Aufzeichnungen aus der Vergangenheit vorliegen.

Die räumliche Verteilung des Ertrags zu verstehen, ist entscheidend, um agronomische Entscheidungen Jahr für Jahr präziser abzustimmen. Ertragskarten (oder Ertragsdatensätze) spielen dabei eine wichtige Rolle.

Die notwendige Technik zur Erfassung von Ertragsdaten ist jedoch nicht immer in Mähdreschern installiert, insbesondere bei älteren Modellen. Daher decken Ertragskarten häufig nur Teile von Feldern ab, die mit Maschinen mit Ertragserfassung geerntet wurden.

Um diesen Herausforderungen zu begegnen, steht GeoPard kurz vor der Fertigstellung seiner synthetischen Ertragskarte – einer Lösung, die umfassende Einblicke in Erträge unabhängig von der verfügbaren Technik ermöglicht.

## **Technischer Ansatz**

Synthetische Ertragskarten werden auf Grundlage der umfassenden Erfahrung von GeoPard im Umgang mit Ertragsdatensätzen erstellt. Im Mittelpunkt stehen die Ermittlung ertragsbegrenzender Faktoren, die Bewertung des historischen [Ertragspotenzials des Feldes](https://geopard.tech/blog/field-potential-maps-yield-data/)sowie die Analyse der [Vegetationsentwicklung während der Saison](https://docs.geopard.tech/geopard-tutorials/de/produkt-tour-web-app/satellite-monitoring.md). Diese Methodik ermöglicht die Erstellung von Ertragsverteilungskarten, auch wenn keine direkten Ertragsdaten von Erntemaschinen vorliegen.

Fernerkundungsdaten bilden die Grundlage für die räumliche Verteilung. Die Kalibrierung auf die tatsächlichen Ertragswerte erfolgt durch den Abgleich mit dem angegebenen Durchschnitts- oder Gesamtertrag des Feldes. Dadurch wird jeder Bereich des Feldes präzise abgebildet und ein vollständiges, verlässliches Bild der Ertragsverteilung über das gesamte Feld erstellt.

## Praxisbeispiele

{% hint style="info" %}
Um die hohe Genauigkeit der Berechnungen zu gewährleisten, ist die Ertragskalibrierung als zusätzlicher Schritt unerlässlich. Sie hilft, Ausreißer zu beseitigen und die statistische Verteilung korrekt anzupassen. Erfahren Sie mehr über die [Bedeutung der Ertragskalibrierung](https://docs.geopard.tech/geopard-tutorials/de/agronomie/yield-and-trials/yield-calibration-and-cleaning.md) und wie Sie sie mit GeoPard durchführen können.
{% endhint %}

### Ertragskarte für Maissilage: real und synthetisch

Die synthetische Ertragskarte wurde anhand einer originalen Ertragskarte für Maissilage überprüft. Dabei zeigte sich, dass die Ertragskalibrierung als Zwischenschritt erforderlich ist, um Ausreißer in den Daten zu entfernen und die Ertragswerte zu korrigieren.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKBxJivTWUD4d1TEkiejY%2Fimage.png?alt=media&amp;token=783769a5-3c50-4031-b2ce-7a255bccdf14" alt=""><figcaption><p>Ertragskarte: Rohdaten (Original) und kalibriert</p></figcaption></figure>

Das räumliche Muster der synthetischen Ertragskarte basiert auf dem umfassenden Verständnis von GeoPard für die [Variabilität innerhalb des Feldes](https://geopard.tech/blog/use-of-heterogeneity-factor-in-precision-agriculture/) sowie auf der Expertise im [Umgang mit und der Zonierung von Ertragsdatensätzen](https://geopard.tech/blog/7b27v4yf41-yield-data-and-analytics-in-geopard/). Anschließend wurde die Karte anhand des Durchschnittsertrags für Maissilage kalibriert. Dadurch stimmt das räumliche Muster weitgehend mit den tatsächlichen Ertragswerten überein. <mark style="background-color:yellow;">Die statistischen und räumlichen Verteilungen des Massenertrags (t/ha) sind im folgenden Screenshot dargestellt.</mark>

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FnEKqU70RiQEE0oxNKgls%2Fimage.png?alt=media&amp;token=e779ea7e-dc6b-45d0-8be6-4f320a5d600a" alt=""><figcaption><p>Ertragskarte: kalibriert und synthetisch</p></figcaption></figure>

### Mais: real und synthetisch

<mark style="background-color:yellow;">Die statistischen und räumlichen Verteilungen des Massenertrags bei Mais (t/ha) für die Datensätze „Kalibrierter Ertrag“ und „Synthetischer Ertrag“ sind im folgenden Screenshot dargestellt.</mark>

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FJYJW4Tvd2KIeSDoxyXLJ%2Fimage.png?alt=media&amp;token=9287734f-beb4-4153-a6e4-1bcf2c6967b8" alt=""><figcaption><p>Ertragskarte: kalibriert und synthetisch</p></figcaption></figure>

### Sojabohnen: real und synthetisch

Der folgende Screenshot zeigt die statistischen und räumlichen Verteilungen der Sojabohnenerträge in den Datensätzen „Kalibrierter Ertrag“ und „Synthetischer Ertrag“. Wichtig ist: Die ursprünglichen Ertragsdaten wurden in mg/m² angegeben, die synthetischen Ertragsdaten hingegen in t/ha umgerechnet und dargestellt.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fx0LJjzOgEOIHl8QkrKev%2Fimage.png?alt=media&amp;token=3802315c-2785-48ef-aabd-63262adc3f5a" alt=""><figcaption><p>Ertragskarte: kalibriert und synthetisch</p></figcaption></figure>

### Weizen: Ertragskarte vervollständigen

In vielen Fällen liegt nur eine teilweise Ertragskarte vor. Dafür gibt es zahlreiche Ursachen; besonders häufig sind: Ältere Maschinen verfügen nicht über die erforderliche Technik zur Erfassung der Erntedaten (1), menschliche Fehler (2) und unbrauchbare erfasste Daten (3). GeoPard begegnet diesen Herausforderungen, indem unvollständige Ertragskarten ergänzt werden. Dazu werden umfassend das [Ertragspotenzial des Feldes](https://geopard.tech/blog/field-potential-maps-yield-data/) und die [Vegetationsentwicklung während der Saison](https://docs.geopard.tech/geopard-tutorials/de/produkt-tour-web-app/satellite-monitoring.md)bewertet. Dabei kommen die weiterentwickelten Methoden von GeoPard zur Analyse von Ertragsdaten zum Einsatz, um die Karte zu vervollständigen.

Die Ertragskalibrierung ist weiterhin erforderlich, um Ausreißer in der Ertragsdatenverteilung zu beseitigen.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FRce8VNyPVrknT8nv5S70%2Fimage.png?alt=media&amp;token=fee2ecf8-35de-4777-b189-ac47eb234f31" alt=""><figcaption><p>Ertragskarte: real (Original) und kalibriert</p></figcaption></figure>

Der folgende Screenshot zeigt einen Vergleich zwischen den bekannten Bereichen der Ertragskarte und der vervollständigten Ertragskarte.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FHrDt9mmQZ6Vm4H7HLR91%2Fimage.png?alt=media&amp;token=63879fe6-8502-4dd7-b48c-75cb40b6859c" alt=""><figcaption><p>Ertragskarte: kalibriert und synthetisch</p></figcaption></figure>

### Erbsen: Lücken in der Ertragskarte schließen

In vielen Fällen liegt nur eine teilweise Ertragskarte vor. Zu den häufigsten Ursachen zählen:

1. ältere Maschinen ohne Ertragserfassung,
2. menschliche Fehler während der Ernte und
3. erfasste Daten, die sich als unbrauchbar erweisen.

GeoPard löst diese Herausforderungen, indem unvollständige Ertragskarten mithilfe fortschrittlicher proprietärer Algorithmen rekonstruiert werden.

<figure><img src="https://1347797700-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FWw9e7u8eEBaBtgjNqSPF%2Fimage.png?alt=media&amp;token=36e15b1f-50d9-4ca1-a381-f82c07521e95" alt=""><figcaption><p>Ertragskarte: rekonstruiert vs. Original</p></figcaption></figure>

{% hint style="success" %}
Ergänzen Sie Ihre Ertragshistorie: [Kostenlos starten](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=synthetic-yield-map)
{% endhint %}


---

# 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/de/agronomie/yield-and-trials/synthetic-yield-map.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.
