> 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/zonekort-og-analyser/analyser-pa-tvaers-af-flere-lag.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 flerlagszoner*

Præcisionslandbrug genererer store mængder data, herunder udbyttedata, satellitbilleder og jordfrugtbarhedslag. Mange teams har stadig svært ved at omsætte disse lag til brugbar indsigt og handling. I præcisionslandbrug er managementzoner dele af en mark med lignende udbyttepotentiale baseret på jordtype, hældningsposition, jordkemi, mikroklima eller andre faktorer, der påvirker afgrøden. Lokal markkendskab er også en vigtig del af processen. Managementzoner hjælper med at optimere input til afgrøder og udbyttepotentiale.

Den største udfordring er at opbygge managementzoner, der afspejler den reelle variation i marken. At kombinere lag som satellitbilleder, jordfrugtbarhed, topografiske afledte data og data fra udbyttemonitor er det næste logiske skridt mod mere responsive managementzoner.

Flerniveausanalyse (også kaldet integreret analyse) er ved at blive en del af GeoPards geospatiale analysemotor.

Klassiske kombinationer til integreret analyse omfatter et eller flere udbyttesæt, et NDVI-kort, højde og fysisk-kemiske egenskaber fra jordsensorer. GeoPard understøtter disse parametre og giver dig også mulighed for at inkludere andre markdatalag, der allerede er tilgængelige i systemet eller uploadet direkte af brugeren, såsom jordprøver og udbyttedatasæt. Som følge heraf kan du arbejde med et fuldt sæt parametre til integreret analyse:

Udbyttedata\
Fjernmålingsdata:

* Kort over potentiel produktivitet (enkeltår og flerårig)
* Kort over stabilitet/variation
* Vegetationsindeksene NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Topografi:

* Højde
* Hældning
* Krumning
* Fugtighedsindeks
* Eksponering
* Skyggelægning
* Ruhed
* Ujævnhed

Jorddata:

* pH
* CEC (kationbytningskapacitet)
* SOM (jordens organiske materiale)
* K (kalium)
* Tyndt muldlag, lavere tilgængelig vandholdeevne (tørkeudsat jord)
* EC (elektrisk ledningsevne)
* og andre kemiske egenskaber, der findes i det uploadede datasæt

Det er vigtigt at bemærke, at du kan konfigurere tilpassede faktorer for hvert datalag for at tildele den ønskede vægt. Du kan opbygge kort over managementzoner baseret på dit kendskab til marken, mens du vælger datakilder og deres vægte i GeoPard.

Billederne nedenfor viser en eksempelmark med datalag såsom et 18-årigt produktivitetskort, en digital højdemodel, hældning, skyggereliefformning og udbyttedata fra 2019 sammen med forskellige resultater af integreret analyse. Du kan følge, hvordan managementzonerne udvikler sig, efterhånden som der tilføjes flere lag.

<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/dnk/produktguide-webapp/zonekort-og-analyser/analyser-pa-tvaers-af-flere-lag.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.