# Synteettinen satokartta ## Satoerojen arviointi: Synteettisten satojen kartoituksen merkitys GeoPardin synteettisen satojen kartoitusmoduuli vastaa yleiseen maatalouden haasteeseen: monilla viljelijöillä ei ole yksityiskohtaista historiallista sato‑dataa. Vaikka viljelijöillä usein on peltojen keskiarvo- tai kokonaissatoarvot, yksityiskohtaisia sato‑karttoja menneiltä vuosilta ei usein ole saatavilla. GeoPardin moduuli tarjoaa ratkaisun mahdollistamalla retrospektiivisen sato‑kartoituksen yli 90 %:n tarkkuudella. Tämä toiminto on erityisen arvokas viljelijöille, jotka haluavat ymmärtää ja analysoida peltojensa sato‑suoriutumista vuosien aikana. Moduuli käyttää käytettävissä olevia keskiarvo- tai kokonaissatotietoja ja soveltaa GeoPardin analyysimenetelmiä tuottaakseen yksityiskohtaisia sato‑karttoja mille tahansa menneelle vuodelle. Luomalla nämä synteettiset sato‑kartat viljelijät saavat tietoa sadon jakautumisesta ja vaihtelusta peltojen sisällä. Tämä tieto on ratkaisevan tärkeää viljelytoimenpiteiden, resurssien kohdentamisen ja tulevien viljelystrategioiden suunnittelun päätöksenteossa. Yhteenvetona GeoPardin synteettisen satojen kartoitusmoduuli tarjoaa käytännöllisen työkalun viljelijöille historiallisen satotiedon hyödyntämiseen, mahdollistaen dataohjatumman viljelyn myös silloin, kun yksityiskohtaiset aiemmat tiedot puuttuvat. Sadon geospatiaalisen jakautumisen ymmärtäminen on olennaista viljelytoimenpiteiden hienosäädössä vuosittain, ja sato‑kartat (tai satoaineistot) näyttelevät tässä keskeistä roolia. Kuitenkin tarpeellista laitteistoa ei aina ole asennettu puimureihin sato‑kartoitustietojen tallentamiseksi, erityisesti vanhemmissa malleissa. Tämän seurauksena sato‑kartat kattavat usein vain osia pelloista, jotka on korjattu puimureilla joihin on asennettu satojen kartoituskyky. Vastaten näihin haasteisiin GeoPard on viimeistelemässä Synteettistä sato‑karttaansa, ratkaisua, joka on suunniteltu tarjoamaan kattavat satonäkymät riippumatta laiterajoituksista. ## **Tekninen lähestymistapa** Synteettiset sato‑kartat tuotetaan hyödyntämällä GeoPardin laajaa kokemusta satoaineistojen hallinnasta, keskittyen satovajetta aiheuttavien tekijöiden tunnistamiseen, historiallisten [pellon potentiaalin](https://geopard.tech/blog/field-potential-maps-yield-data/)ja analysoimiseen [kauden aikaisen kasvuston kehityksen](https://docs.geopard.tech/geopard-tutorials/fin/tuotekierros-web-sovellus/satelliittiseuranta). Tämä menetelmä mahdollistaa sadon jakautumiskarttojen luomisen myös ilman suoraa sadontallennusta puimureista. Etäisyyshavaintodata muodostaa pohjan geospatiaaliselle jakautumalle, kun taas sovitus todellisiin satoarvoihin saavutetaan kohdistamalla tiedot pellon ilmoitettuun keskiarvo‑ tai kokonaissatoon. Tämä lähestymistapa varmistaa, että jokainen peltialue esitetään tarkasti, tarjoten täydellisen ja luotettavan kuvan sadon jakautumisesta koko pellolla. ## Reaaliaikaiset esimerkit {% hint style="info" %} Laskelmien korkean tarkkuuden ylläpitämiseksi satojen kalibrointi on välttämätön lisävaihe. Se auttaa poistamaan poikkeamia ja säätämään tilastollisen datan jakautumaa oikein. Tutustu lisää [satojen kalibroinnin merkitykseen](https://docs.geopard.tech/geopard-tutorials/fin/agronomia/satotietojen-kalibrointi-ja-puhdistus) ja siihen, miten voit tehdä sen GeoPardin avulla. {% endhint %} ### Maissisilauksen sato‑kartta: Todellinen vs synteettinen Synteettisen sato‑kartan validointi tehtiin käyttämällä alkuperäistä maissisilauksen sato‑karttaa. Tämä prosessi korosti satojen kalibroinnin tarvetta välivaiheena datan poikkeamien poistamiseksi ja satoarvojen korjaamiseksi.

Sato‑kartta: Raaka (alkuperäinen) vs kalibroitu

Synteettisen sato‑kartan geospatiaaliset mallit perustuvat GeoPardin edistyneeseen ymmärrykseen [pellon vaihtelusta](https://geopard.tech/blog/use-of-heterogeneity-factor-in-precision-agriculture/) ja heidän asiantuntemukseensa [satoaineistojen käsittelyssä ja vyöhykkeistämisessä](https://geopard.tech/blog/7b27v4yf41-yield-data-and-analytics-in-geopard/). Sitä sovitettiin sitten maissisilauksen keskiarvoarvolla varmistaen, että geospatiaalinen malli vastaa läheisesti todellisia sato‑lukemia. Sadon tilastolliset ja geospatiaaliset jakaumat massana (t/ha) ovat nähtävissä seuraavassa kuvakaappauksessa.

### Maissi: Todellinen vs synteettinen Maissin sadon massan (t/ha) tilastolliset ja geospatiaaliset jakaumat kalibroidulle sadolle ja synteettiselle satoaineistolle ovat nähtävissä seuraavassa kuvakaappauksessa.

### Soija: Todellinen vs synteettinen Seuraava kuvakaappaus esittää soijan sadon massan tilastolliset ja geospatiaaliset jakaumat sekä kalibroidussa että synteettisessä satoaineistossa. On tärkeää huomata, että vaikka alkuperäinen sato‑data oli annettu mg/m2‑yksikössä, synteettinen sato‑data on muunnettu ja esitetty t/ha‑yksikössä.

### Vehnä: Sato‑kartan palauttaminen Monissa tapauksissa saatavilla on vain osittainen sato‑kartta. Syitä on monia, yleisimpiä ovat: vanhemmissa koneissa puuttuu tarvittava laitteisto sadon tallentamiseen (1), inhimillinen tekijä (2) ja kerätty data osoittautuu käyttökelvottomaksi (3). GeoPard vastaa näihin haasteisiin palauttamalla puutteelliset sato‑kartat. Prosessi sisältää kattavan arvion [pellon potentiaalista](https://geopard.tech/blog/field-potential-maps-yield-data/) ja [kauden aikaisista kasvustotrendeistä](https://docs.geopard.tech/geopard-tutorials/fin/tuotekierros-web-sovellus/satelliittiseuranta), hyödyntäen GeoPardin hiottuja menetelmiä sato‑datan analysoinnissa kartan täydellisyyden parantamiseksi. Satojen kalibrointivaihe on silti tarpeen poikkeamien poistamiseksi sato‑datan jakaumasta.

Sato‑kartta: Todellinen (alkuperäinen) vs kalibroitu

Tunnettujen osien vertailu sato‑kartasta ja palautetusta sato‑kartasta on seuraavassa kuvakaappauksessa.

### Herneet: Aukkojen palauttaminen sato‑kartassa Monissa tapauksissa saatavilla on vain osittainen sato‑kartta. Yleisimmät syyt ovat: 1. vanhemmat koneet ilman satoa tallentavaa laitteistoa, 2. inhimilliset virheet korjuun aikana, ja 3. kerätty data, joka osoittautuu käyttökelvottomaksi. GeoPard ratkaisee nämä haasteet palauttamalla puutteelliset sato‑kartat edistyneillä omilla algoritmeillaan.