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

# Analyser på tværs af flere lag

Med GeoPard kan du integrere flere datalag for at oprette dyrkningszoner. Du styrer vægte, indeks, antal zoner, klyngetype og minimumsareal for polygoner.

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

*Interaktiv demo – oprettelse af zoner med flere lag*

Præcisionslandbrug genererer store mængder data, herunder udbyttedata, satellitbilleder og lag med oplysninger om jordens frugtbarhed. Mange teams kæmper stadig med at omsætte disse lag til nyttig indsigt og konkrete handlinger. I præcisionslandbrug er managementzoner områder på en mark med et tilsvarende udbyttepotentiale baseret på jordtype, hældning, jordkemi, mikroklima eller andre faktorer, der påvirker afgrøden. Lokal viden om marken er også en vigtig del af processen. Managementzoner hjælper med at optimere indsatsen og udbyttepotentialet.

Den største udfordring er at oprette managementzoner, der afspejler de faktiske variationer på marken. Kombination af lag som satellitbilleder, jordens frugtbarhed, afledte topografiske data og data fra udbyttemåleren er det næste naturlige skridt mod mere målrettede managementzoner.

Analyser med flere lag (også kaldet integreret analyse) bliver en del af GeoPards geospatiale analysemotor.

Klassiske kombinationer til integreret analyse omfatter et eller flere udbyttedatasæt, et NDVI-kort, højdedata og jordens fysisk-kemiske egenskaber målt med sensorer. GeoPard understøtter disse parametre og giver dig også mulighed for at medtage andre datalag for marken, der allerede findes i systemet eller uploades direkte af brugeren, såsom jordprøver og udbyttedatasæt. Du kan derfor arbejde med et komplet sæt parametre til integrerede analyser:

Udbyttedata\
Fjernmålingsdata:

* Kort over produktivitetspotentiale (for et enkelt år og flere år)
* Kort over stabilitet/variation
* Vegetationsindeks: NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Topografi:

* Højde
* Hældning
* Krumningsgrad
* Fugtighedsindeks
* Eksponering
* Skyggerelieffkort
* Terrænets ujævnhed
* Ruhed

Jorddata:

* pH
* CEC (kationbytningskapacitet)
* SOM (organisk materiale i jorden)
* K (kalium)
* Tyndt muldlag og lavere vandholdende evne (tørkeudsat jord)
* EC (elektrisk ledningsevne)
* og andre kemiske egenskaber, der findes i det uploadede datasæt

Det er vigtigt at bemærke, at du kan indstille brugerdefinerede faktorer for hvert datalag for at tildele det den ønskede vægt. Du kan oprette kort over managementzoner ud fra din viden om marken og samtidig vælge datakilder og deres vægte i GeoPard.

## Sådan fungerer lagvægte

Vægten bestemmer, hvor meget hvert lag påvirker hver pixel på det resulterende zonekort.

### Først normaliseres dataene

Inputlagene har forskellige enheder og værdiintervaller: NDVI går fra 0 til 1, udbytte fra 4 til 12 t/ha, pH fra 5,5 til 7,5 og EC fra 5 til 60 mS/m. Hvis man kombinerede råværdierne, ville laget med det største talinterval dominere resultatet, uanset hvor vigtigt det er agronomisk.

GeoPard anvender først min-maks-normalisering på hvert lag og skalerer det til et fælles interval ud fra lagets egne minimums- og maksimumsværdier på marken. Derefter er det kun vægten, der bestemmer lagets indflydelse.

### Derefter anvendes vægtene

Hvert normaliseret lag ganges med sin vægt, og lagene kombineres til ét samlet overfladekort.

### Negative vægte vender laget om

En negativ vægt vender skalaen om: Lagets høje værdier behandles som lave, og de lave som høje. Brug dette, når høje målinger indikerer dårligere forhold, for eksempel:

* Lerindhold på en mark med dårlig dræning
* Højde på steder, hvor lavninger er udsatte for frost eller vandmætning
* EC, hvor høje målinger indikerer saltholdighed snarere end vandholdende evne

### Huller udfyldes ved interpolation

Hvis der mangler pixels i et lag (for eksempel på grund af skydække på et satellitbillede, en oversprunget bane i udbyttedata eller få spredte jordprøvepunkter), interpolerer GeoPard værdierne ud fra de omkringliggende værdier i stedet for at udelade pixlen. Det kombinerede kort forbliver sammenhængende på hele marken.

### Resultatet normaliseres igen

Når lagene er vægtet og kombineret, normaliseres resultatkortet igen, så det spænder over hele værdiintervallet. Derefter inddeles det i det antal zoner, du har valgt.

{% hint style="info" %}
**Valg af vægte:** Start med at give det lag, du har størst tillid til, den højeste vægt. Udbytte over flere år og satellitbaseret produktivitet på lang sigt er som regel de mest pålidelige signaler. Satellitbilleder fra en enkelt dato er mest afhængige af de aktuelle forhold, da ét billede kun viser et enkelt tidspunkt i vækstsæsonen.
{% endhint %}

Billederne nedenfor viser en prøvemark med datalag som et 18-årigt produktivitetskort, en digital højdemodel, hældning, skyggerelieffkort og udbyttedata fra 2019 samt forskellige resultater af integrerede analyser. Du kan følge, hvordan managementzonerne udvikler sig, efterhånden som flere lag tilføjes.

<figure><img src="https://1581835146-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fthi0JMlu2pSoF0wLOJp4%2FGeoPard%20Multi-Layer%20Maps%20creating.png?alt=media&amp;token=05cd9cea-0069-451d-af90-caa61801aaa1" alt="Multi-layer zones setup with several data layers and weights"><figcaption><p>Lag og vægte til et zonekort med flere lag.</p></figcaption></figure>

<figure><img src="https://1581835146-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FrfxM1lvXMqXgHLGug8Ow%2FGeoPard%20Multi-Layer%20Maps%20creating%20-%20result%20map.png?alt=media&amp;token=78d3bfd6-255b-477b-95d5-6bb0de84da61" alt="Multi-layer zones map built from imagery, soil EC, topography and yield"><figcaption><p>Resultatet: zoner baseret på satellitbilleder, jordens EC, topografi og udbytte samlet.</p></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/dnk/produktguide-webapp/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.
