# Datenklassifizierung verwenden Die Datenklassifizierung ist ein entscheidender Schritt bei der Analyse und Visualisierung geografischer Daten. GeoPard bietet mehrere Klassifizierungsmethoden, um Nutzern zu helfen, ihre Daten effektiv zu verstehen und zu interpretieren. Häufige Optionen in GeoPard sind die AUTO-Klassifizierung, Natural Breaks, Gleiches Intervall, Gleiche Anzahl (Fläche) und die räumlich lokalisierte Klassifizierung. Jede Methode eignet sich für einen anderen Anwendungsfall, wie unten beschrieben: ## AUTO-Klassifizierung Die Auto-Klassifizierung wählt einen geeigneten Klassifizierungsansatz **basierend auf der Datenverteilung und den Flächen der Zonen**. Sie hilft Ihnen, schneller zu einer nutzbaren Zonenkarte zu gelangen, mit weniger Versuch-und-Irrtum beim manuellen Vergleich von Klassifizierungsmethoden. Diese Option ist nützlich, wenn Sie einen guten Ausgangspunkt benötigen und bei der Kartenerstellung Zeit sparen möchten. Sie können das Ergebnis weiterhin prüfen und andere Zoneneinstellungen vor dem Speichern anpassen.

## 1. Klassifizierung nach natürlichen Unterbrechungen Die Klassifizierung nach natürlichen Unterbrechungen identifiziert „natürliche“ Schwellenwerte oder Trennpunkte in der Datenverteilung, um unterschiedliche Gruppen zu bilden. Sie maximiert die Unterschiede zwischen den Klassen und minimiert die Unterschiede innerhalb jeder Klasse. Natural Breaks ist nützlich für Daten mit klaren Mustern oder Clustern und ermöglicht eine effektive Exploration und Analyse.

## 2. Klassifizierung mit gleichem Intervall Die Klassifizierung mit gleichem Intervall teilt den Datenbereich in gleich große Intervalle oder Klassen ein. Sie bietet eine ausgewogene Darstellung der Datenverteilung und erleichtert die Interpretation und den Vergleich von Werten innerhalb jedes Intervalls. Gleiches Intervall eignet sich für gleichmäßig verteilte Daten ohne ausgeprägte Muster.

## 3. Klassifizierung nach gleicher Anzahl (Fläche) Die Klassifizierung nach gleicher Anzahl stellt sicher, dass in jeder Klasse eine gleiche Anzahl an Datenwerten enthalten ist. Sie gewährleistet eine ausgewogene Darstellung, insbesondere bei schief verteilten oder ungleichmäßig verteilten Daten. Gleiche Anzahl ermöglicht faire Vergleiche zwischen Flächen oder Regionen und unterstützt eine konsistente Analyse und Visualisierung. Das Ziel ist es, Zonen mit relativ ähnlichen Flächengrößen zu erstellen, aber Rundungsoperationen und Verbesserungen der Zonenqualität können zu leichten Abweichungen führen. Daher führen Vegetationsindizes mit höherer Granularität, wie EVI2, MCARI1 oder WDRVI, zu präziseren Ergebnissen. Und [die endgültigen Geometrien der Zonen werden zur Verbesserung der Genauigkeit fein abgestimmt](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

## 4. Räumlich lokalisierte Klassifizierung Die räumlich lokalisierte Klassifizierung clustert Daten geospatial und erzeugt lokalisierte Zonen. Der primäre Anwendungsfall ist die Planung von Zonen für die Bodenprobenahme und ermöglicht eine effiziente Segmentierung von Schlägen in handhabbare Bereiche. Um mehr Flexibilität zu bieten, umfasst die räumlich lokalisierte Klassifizierung drei Optionen: **In Richtung räumlich**, **In Richtung Werte**, und **Ausgewogen**. ### 4.1. Ausgewogene Option der räumlich lokalisierten Der **Ausgewogen** Option bietet einen Mittelweg zwischen **In Richtung räumlich** und **In Richtung Werte**. Sie erstellt eine Zonenkarte mit Clustern, die räumliche Nähe und Ähnlichkeit der Datenwerte ausgleichen. Dieser Ansatz eignet sich gut, wenn sowohl räumliche Kompaktheit als auch Datenkonsistenz wichtig sind.

Räumlich lokalisierte Klassifizierung (ausgewogene Option)

### 4.2. In Richtung Werte der räumlich lokalisierten Der **In Richtung Werte** Option der räumlich lokalisierten Klassifizierung erzeugt Zonen, die nach Datenwerten statt nach geografischer Nähe geclustert sind. Sie gruppiert Bereiche mit ähnlichen Merkmalen, wie Vegetation oder Bodenqualität, um eine Zonenkarte zu erstellen, bei der die Datenkonsistenz innerhalb jeder Zone am wichtigsten ist.

Räumlich lokalisierte Klassifizierung (Option „In Richtung Werte“)

### 4.3. In Richtung räumlich der räumlich lokalisierten Der **In Richtung räumlich** Option der räumlich lokalisierten Klassifizierung konzentriert sich auf die Erstellung von Zonen, die geografisch stärker zusammenhängend sind. Sie erstellt eine Zonenkarte mit Clustern, die Nähe priorisieren und jede Zone räumlich kompakt halten. Sie ist ideal, wenn der physische Standort am wichtigsten ist, z. B. bei Logistik oder räumlicher Beprobung.

Räumlich lokalisierte Klassifizierung (Option „In Richtung räumlich“)

--- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.geopard.tech/geopard-tutorials/de/produkttour-web-app/zonenkarten-und-analytik/datenklassifizierung-verwenden.md?ask= ``` The question should be specific, self-contained, and written in natural language. 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.