> 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/fin/tuote-esittely-verkkosovellus/zones-maps-and-analytics/multi-layer-analytics.md).

# Monitasoinen analytiikka

GeoPardissa voit yhdistää useita tietotasoja hallintavyöhykkeiden luomiseksi. Voit hallita painotuksia, indeksejä, vyöhykkeiden määrää, klusterointityyppiä ja polygonin vähimmäispinta-alaa.

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

*Interaktiivinen demo – monikerroksisten vyöhykkeiden luominen*

Täsmäviljelyssä syntyy suuria määriä dataa, kuten satotietoja, satelliittikuvia ja maaperän viljavuustietoja. Monien tiimien on edelleen vaikea muuttaa näitä tietokerroksia hyödyllisiksi havainnoiksi ja käytännön toimiksi. Täsmäviljelyssä hallintavyöhykkeet ovat pellon osia, joiden satopotentiaali on samankaltainen maaperän, rinteen sijainnin, maaperän kemiallisten ominaisuuksien, pienilmaston tai muiden kasvuun vaikuttavien tekijöiden perusteella. Myös paikallinen peltotuntemus on tärkeä osa prosessia. Hallintavyöhykkeet auttavat optimoimaan viljelypanosten käytön ja satopotentiaalin.

Suurin haaste on muodostaa hallintavyöhykkeitä, jotka kuvaavat pellon todellista vaihtelua. Satelliittikuvien, maaperän viljavuustietojen, topografisten johdannaistuotteiden ja satomittaridatan kaltaisten tietokerrosten yhdistäminen on luonteva seuraava askel kohti entistä tilannekohtaisempaa hallintavyöhykkeiden käyttöä.

Monikerroksisesta analytiikasta (jota kutsutaan myös integroiduksi analyysiksi) on tulossa osa GeoPardin geospatiaalisen analytiikan moottoria.

Integroidussa analyysissä yhdistetään tavallisesti yksi tai useampi satotietoaineisto, NDVI-kartta, korkeustiedot ja maaperäanturien fysikaalis-kemialliset ominaisuudet. GeoPard tukee näitä parametreja ja mahdollistaa myös muiden järjestelmässä jo olevien tai käyttäjän suoraan lataamien peltotietokerrosten, kuten maanäytteiden ja satotietoaineistojen, sisällyttämisen. Näin voit käyttää integroidussa analyysissä kattavaa parametrikokonaisuutta:

Satotiedot\
Kaukokartoitustiedot:

* Tuottavuuspotentiaalin kartta (yksi- ja monivuotinen)
* Satovakauden ja vaihtelun kartta
* Kasvillisuusindeksit NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Topografia:

* Korkeus
* Kaltevuus
* Kaarevuus
* Kosteusindeksi
* Ilmansuunta
* Varjostusmalli
* Pinnan epätasaisuus
* Pinnan karheus

Maaperätiedot:

* pH
* CEC (kationinvaihtokapasiteetti)
* SOM (maaperän orgaaninen aines)
* K (kalium)
* Ohut pintamaakerros, heikompi vedenpidätyskyky (kuivuudelle altis maa)
* EC (sähkönjohtavuus)
* sekä muut ladatussa aineistossa olevat kemialliset ominaisuudet

Huomaa, että voit määrittää kullekin tietokerrokselle omat tekijänsä ja niille haluamasi painoarvot. Voit muodostaa hallintavyöhykekarttoja peltotuntemuksesi perusteella ja valita samalla GeoPardissa käytettävät tietolähteet ja niiden painoarvot.

## Tietokerrosten painoarvojen toiminta

Painoarvo määrittää, kuinka paljon kukin tietokerros vaikuttaa vyöhykekartan jokaiseen pikseliin.

### Ensin normalisoidaan

Syöttötietokerroksissa on yhteensopimattomat yksiköt ja vaihteluvälit: NDVI-arvot ovat välillä 0–1, sato 4–12 t/ha, pH 5,5–7,5 ja EC 5–60 mS/m. Raaka-arvojen yhdistäminen antaisi suurimman numeerisen vaihteluvälin tietokerrokselle suhteettoman suuren vaikutuksen riippumatta sen merkityksestä viljelylle.

GeoPard käyttää ensin kuhunkin tietokerrokseen minimi-maksiminormalisointia ja skaalaa sen yhteiselle vaihteluvälille pellon kyseisen kerroksen minimi- ja maksimiarvojen perusteella. Tämän jälkeen vaikutusta säätelee yksin painoarvo.

### Sen jälkeen käytetään painoarvoja

Kukin normalisoitu tietokerros kerrotaan painoarvollaan, minkä jälkeen tietokerrokset yhdistetään yhdeksi pinnaksi.

### Negatiivinen painoarvo kääntää tietokerroksen suunnan

Negatiivinen painoarvo kääntää asteikon: tietokerroksen suuret arvot tulkitaan pieniksi ja pienet suuriksi. Käytä tätä, kun suuri lukema kertoo huonommista olosuhteista, esimerkiksi:

* Savipitoisuus huonosti ojitetulla pellolla
* Korkeus, kun painanteissa esiintyy hallaa tai veden kertymistä
* EC, kun suuret lukemat viittaavat suolaisuuteen eivätkä vedenpidätyskykyyn

### Puuttuvat arvot interpoloidaan

Jos tietokerroksesta puuttuu pikseleitä (pilvipeitteen vuoksi satelliittikuvassa, väliin jääneen ajokerran vuoksi satotiedoissa tai harvojen maanäytepisteiden vuoksi), GeoPard interpoloi puuttuvat arvot ympäröivistä arvoista pikselin poistamisen sijaan. Yhdistelmäkartta pysyy yhtenäisenä koko pellolla.

### Tulos normalisoidaan uudelleen

Painotuksen ja yhdistämisen jälkeen tuloskartta normalisoidaan vielä kerran koko vaihteluvälille ja jaetaan sitten valitsemaasi määrään vyöhykkeitä.

{% hint style="info" %}
**Painoarvojen valinta:** aloita antamalla luotetuimmalle tietokerroksellesi suurin painoarvo. Monivuotinen satotieto ja pitkän aikavälin satelliittikuviin perustuva tuottavuus ovat yleensä luotettavimpia tietoja. Yksittäisen päivän satelliittikuva on tilannekohtaisin, sillä se kuvaa yhtä hetkeä kasvukaudella.
{% endhint %}

Alla olevissa kuvissa on esimerkkipelto ja sen tietokerroksia, kuten 18 vuoden tuottavuuskartta, digitaalinen korkeusmalli, kaltevuus, varjostusmalli ja vuoden 2019 satotiedot, sekä eri integroidun analyysin tuloksia. Voit seurata, miten hallintavyöhykkeet muuttuvat sitä mukaa, kun tietokerroksia lisätään.

<figure><img src="https://49925783-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>Monikerroksisen vyöhykekartan tietokerrokset ja painoarvot.</p></figcaption></figure>

<figure><img src="https://49925783-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>Tulos: vyöhykkeet muodostetaan yhdistämällä satelliittikuvat, maaperän EC, topografia ja satotiedot.</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/fin/tuote-esittely-verkkosovellus/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.
