Katalog over brugerdefinerede funktioner
Disse funktioner indkapsler kompleks Python-kode, så du nemt kan lave avancerede datamanipulationer og beregninger.
GeoPard tilbyder et omfattende katalog af brugerdefinerede funktioner, der er udviklet til at forbedre læsbarheden og funktionaliteten af ligningsbaserede analyser. Disse funktioner indkapsler kompleks python kode, så du nemt kan implementere avancerede datamanipulationer og beregninger.
Indtast ligning
Listen over tilgængelige forudbyggede funktioner til at skabe mere intuitive og vedligeholdelsesvenlige ligninger i GeoPard er inkluderet i geopard pakken:
fill_gaps_with_k_neighbors
Denne funktion gendanner datamangler eller nuller i et datasæt ved hjælp af K-Neighbors-algoritmen. Ved at angive input_data variablen (som Dataset med det valgte attribut) og antallet af naboer k, kan du uden besvær udfylde manglende værdier og sikre datakontinuitet og integritet.
Denne funktion fungerer godt, når datamangler er spredt ud over marken og ikke er knyttet til nogen bestemt del af markgrænsen.
determine_data_similarity
Brug denne funktion til at beregne ligheden pr. pixel mellem to Datasets. Variablerne data_layer_1 og data_layer_2 bør repræsentere den samme måling i de samme enheder for at sikre en meningsfuld sammenligning. Ved at angive variabler data_layer_1 og data_layer_2 knyttet til Datasets kan du generere et lighedskort med værdier fra 0 til 1, hvilket letter sammenlignende studier og mønstergenkendelse.
determine_data_similarity_from_normalized
Brug denne funktion til at beregne ligheden pr. pixel mellem to normaliserede datasæt. Normalisering anbefales, når de oprindelige data_layer_1 og data_layer_2 har forskellige skalaer eller enheder. Ved at angive disse datasæt som input genererer funktionen et lighedskort med værdier fra 0 til 1, hvilket gør det velegnet til sammenlignende studier, mønstergenkendelse og analyse af rumlig konsistens.
determine_low_high_similarity
Denne funktion vurderer lav-høj-ligheden mellem to Datasets. Ved at angive variabler data_layer_1 og data_layer_2 knyttet til Datasets får du et kategoriseret lighedskort, der viser kombinationer som lav-lav, lav-høj, høj-lav og høj-høj, hvilket er nyttigt til nuanceret dataklassificering.
get_value_for_zone
Brug denne funktion til at udtrække alle værdier fra et Dataset-attribut inden for en enkelt zone. Angiv data_layer (attributlaget), zones_layer (zonekortet) og zone_id (zonenummeret) for at isolere værdier til analyse, såsom udbytte, tildelingsmængde eller udsædsmængde, inden i den zone.
drop_value
Denne funktion lader dig fjerne bestemte værdier fra et dataset-attribut. Ved at angive data_layer og value_to_drop, kan du rense datasættet ved at fjerne disse værdier fra resultatet, teknisk set ved at erstatte dem med NaN.
normalize_data
Normalisér et dataset-attribut med denne funktion. Ved at angive data_layer, kan du skalere data til et standardiseret interval fra 0 til 1, hvilket gør sammenligning og integration på tværs af forskellige datasæt lettere.
calculate_total_applied_fertilizer
Beregn den samlede tildelte gødning i enheder pr. areal (for eksempel kg/ha, l/ha, gal/ac osv.). Ved at angive application_list Datasets med AppliedRate-attributter og en tilsvarende active_ingredient_coefficient_list med gødningsprodukter får du den faktiske samlede tildelte gødning i enheder (for eksempel kg, l, gal osv).
calculate_total_applied_nitrogen
Beregn den samlede tildelte kvælstofmængde i kg/ha ved hjælp af denne funktion. Ved at angive application_list Datasets med AppliedRate-attributter og en tilsvarende active_ingredient_coefficient_list med kvælstofprodukter for at omregne faktisk kvælstof til kg/ha kan du præcist beregne den samlede tildelte kvælstofmængde, som er vigtig for landbrugsplanlægning og bæredygtighedsvurderinger. Outputtet bruges som N_total_applied igeopard.calculate_nitrogen_use_efficiency.
calculate_nitrogen_uptake
Bestem kvælstofoptagelsen i kg/ha med denne funktion. Ved at angive yield_wet_tha, moisture_pct, protein_pct fra Yield Dataset og protein_crop_correction_coefficient der repræsenterer koblingen mellem protein og kvælstofoptagelse, kan du vurdere kvælstofudnyttelseseffektiviteten i planteproduktionen. Outputtet bruges som N_uptake igeopard.calculate_nitrogen_use_efficiency .
calculate_nitrogen_use_efficiency
Vurder kvælstofudnyttelseseffektiviteten i procent ved hjælp af denne funktion. Ved at indtaste N_total_applied og N_uptake variabler (fra tidligere funktioner) kan du måle effekten af kvælstoftildeling og dermed hjælpe med at optimere gødningsforbruget.
calculate_costs
Beregn de samlede omkostninger baseret på tildelingsrater og priser med denne funktion. Ved at angive en application_rate_list af Datasets med AppliedRate-attributter og en tilsvarende price_per_unit_list, kan du samle udgifter relateret til forskellige landbrugsaktiviteter og understøtte budgetstyring og økonomisk planlægning. Outputtet bruges som costs igeopard.calculate_profit.
calculate_revenue
Beregn omsætning ud fra Yield Dataset med denne funktion. Ved at angive yield_as_mass knyttet til Yield Dataset-attributten og yield_price_per_unit, kan du estimere indtægten fra afgrødeproduktionen og dermed lette økonomiske vurderinger. Outputtet bruges som costs igeopard.calculate_profit .
calculate_profit
Bestem fortjeneste ved at trække omkostninger fra omsætning med denne funktion. Ved at angive revenue og costs variabler (fra tidligere funktioner) kan du nemt beregne den økonomiske gevinst ved deres landbrugsdrift og understøtte rentabilitetsanalyse og strategisk beslutningstagning.
fill_value_for_range
Denne funktion filtrerer værdier inden for et angivet interval i input array. Ved at angive input arrayet sammen med valgfri min_value og valgfri max_value grænser kan du isolere værdier, der falder inden for det ønskede interval. Parameteren value_to_fill gør det muligt at erstatte værdier uden for intervallet med en angiven værdi, hvilket forbedrer processerne for datafiltrering og normalisering.
calculate_per_pixel_mae
Brug denne funktion til at beregne middel absolut fejl (MAE) pr. pixel mellem to datasæt. Den giver et rumligt kort over absolutte forskelle. "Absolut forskel" er blot størrelsen af afstanden mellem tilsvarende pixelværdier, uden at tage hensyn til om den ene er højere eller lavere.
Funktionen hjælper med at identificere områder med større afvigelser.
calculate_per_pixel_relative_deviation
Denne funktion beregner den relative afvigelse for hver pixel mellem to datasæt og udtrykker forskellen som en procentdel af værdien i dataset_1. Grundlæggende viser den, hvor meget en pixels værdi afviger fra den tilsvarende værdi i dataset_1 i relative termer.
Denne tilgang er særligt værdifuld, når man analyserer variationer i jordegenskaber, afgrødeudbytte eller fjernmålingsdata, fordi den hurtigt hjælper dig med at spotte områder med betydelige relative forskelle.
calculate_difference
Denne funktion trækker et datasæt fra et andet for at skabe et forskelskort. Den fremhæver områder, hvor værdierne i det ene datasæt er højere eller lavere sammenlignet med det andet, hvilket gør det lettere at opdage tendenser og ændringer over tid.
Dette værktøj er især nyttigt til at visualisere variationer i jordegenskaber, afgrødeudbytte eller fjernmålingsdata og hjælper dig hurtigt med at identificere områder, der kan kræve yderligere analyse eller indsats.
calculate_relative_difference
Denne funktion beregner den relative forskel for hver pixel ved at normalisere forskellen mellem datasættene ved hjælp af værdierne fra dataset_2. Det betyder, at den viser, hvor stor ændringen er i forhold til størrelsen af dataset_2.
En sådan proportional sammenligning er især nyttig, når man arbejder med datasæt i forskellige skalaer, da den hjælper med at afsløre relative skift i jordegenskaber, afgrødeudbytter eller sensorsignaler. Denne tilgang hjælper med at udpege områder med markante variationer.
calculate_normalized_difference
Denne funktion beregner den normaliserede forskel for hver pixel ved at skalere begge datasæt op imod deres globale maksimumsværdi. Denne proces gør datasættene direkte sammenlignelige, selv hvis de oprindeligt har forskellige intervaller.
Det resulterende kort giver et klart overblik over variationer i jordegenskaber, afgrødeudbytte og fjernmålingsdata, så du hurtigt kan identificere og vurdere de vigtigste forskelle.
build_zones_by_intervals
Denne funktion opretter et management zone-kort ved at klassificere et kontinuerligt rasterlag i diskrete zoner baseret på brugerdefinerede værdiintervaller.
Hvert interval definerer en zone, og hver pixel tildeles den zone, hvis værdiinterval den falder indenfor. Pixels, der ikke matcher noget interval, markeres som -1.
Denne zoneringsmetode bruges ofte til at omdanne udbytteskort, jordegenskaber eller fjernmålingsindeks til handlingsrettede managementzoner til variabel tildeling.
Typiske anvendelsesområder
Oprettelse af managementzoner ud fra udbytte-, NDVI- eller jordlag
Forberedelse af zonekort til næringsstof- eller udsædsmængdeberegninger
Opdeling af marker i homogene zoner til beslutningstagning
calculate_nutrient_rate_as_active_ingredients_per_zone
Denne funktion beregner den nødvendige næringsstoftildelingsmængde (aktivt stof) for hver managementzone.
Beregningsgrundlaget er:
et mål for næringsstofniveauet,
tilgængeligt næringsstof fra jorden,
næringsstoffer, der allerede er tildelt gennem tidligere operationer (gylle, gødning, digestat osv.).
Tildelte næringsstofoperationer kan angives som konstanter, værdier pr. zone, rasterlag eller enhver kombination af disse. Alle input løses automatisk og aggregeres pr. zone.
Som standard beregnes den nødvendige mængde som forskellen mellem det ønskede næringsstofniveau og summen af jordens forsyning og tildelte næringsstoffer. Resultatet returneres som et rasterkort, hvor hver zone indeholder en ensartet næringsstofmængde.
convert_active_ingredient_and_product
Denne funktion omregner et rasterlag mellem aktive-stof-rater og produkt-rater ved hjælp af en korrektionskoefficient.
Den corrected_coefficient kan være en enkelt float (anvendes på alle pixels) eller en koefficient matrix (omregning pr. pixel). Den bruges typisk til at omsætte beregnede næringsstofbehov (aktivt stof) til faktiske produkt-tildelingsrater eller omvendt, baseret på gødningssammensætning eller næringsstofkoncentration.
Omregningen anvendes pixel for pixel og bevarer den oprindelige dels rumlige struktur.
Typiske anvendelsesområder
Omregning af næringsstofrater til gødningsprodukt-rater
Justering af tildelingskort baseret på næringsstofkoncentration
Forberedelse af endelige prescriptionskort til maskiner
estimate_texture_class_based_on_usda
Denne funktion estimerer USDA-jordtekstur for hver pixel ved hjælp af procentdele af sand, silt og ler.
Angiv tre rasterlag i procent (0-100), der repræsenterer kornstørrelsesfraktionerne. Outputtet er USDA-klassenavne såsom sand, loamy_sand, sandy_loam, loam, silt_loam, sandy_clay_loam, clay_loam, silty_clay_loam, silty_clay eller undefined når input er ugyldige.
estimate_texture_class_based_on_fao_wrb
Denne funktion estimerer FAO/WRB (ISO 11277) jordteksturklassen for hver pixel baseret på procentdele af sand, silt og ler.
Angiv tre rasterlag i procent (0-100), der repræsenterer kornstørrelsesfraktionerne. Outputtet er FAO/WRB-klassekoder såsom S, LS, SL, L, SiL, Si, SCL, CL, SiCL, SC, SiC, C, HC eller undefined når input er ugyldige.
calculate_soil_bulk_density
Denne funktion beregner jordens rumtæthed (g/cm³) baseret på teksturklasse og valgfri jordens organiske materiale (SOM).
Den texture_class_layer skal indeholde klassenavne eller koder produceret af USDA-teksturfunktionen eller FAO/WRB-teksturfunktionen nævnt ovenfor.
Hvis som_pct_layer angives som en procentværdi, justerer funktionen rumtætheden ved hjælp af SOM. Ellers returnerer den værdier for jordens rumtæthed i g/cm³, knyttet til teksturklasser i henhold til USDA- eller FAO/WRB-opslaget.
Sidst opdateret
Var dette nyttigt?