> 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/using-data-classification.md).

# Tietojen luokittelu

Opi, miten GeoPardin luokittelumenetelmät muovaavat vyöhykekarttoja, mukaan lukien AUTO, luonnolliset luokat, yhtä suuret välinat, yhtä suuret määrät ja paikallisesti spatialisoidut vaihtoehdot.

Tietojen luokittelu on tärkeä vaihe paikkatietojen analysoinnissa ja visualisoinnissa. GeoPard tarjoaa useita luokittelumenetelmiä, joiden avulla käyttäjät voivat ymmärtää ja tulkita tietojaan tehokkaasti. GeoPardissa yleisiä vaihtoehtoja ovat automaattinen luokittelu (AUTO), luonnolliset rajat, tasaväliluokittelu, yhtä suuret määrät (alue) ja alueellisesti lokalisoitu luokittelu. Kukin menetelmä sopii eri käyttötarkoitukseen, kuten alla kuvataan:

## AUTO-luokittelu

Automaattinen luokittelu valitsee sopivan luokittelutavan **tietojen jakauman ja vyöhykkeiden pinta-alojen perusteella**. Näin saat käyttökelpoisen vyöhykekartan nopeammin, eikä luokittelumenetelmiä tarvitse vertailla manuaalisesti yhtä paljon kokeilemalla ja erehtymällä.

Tämä vaihtoehto sopii tilanteisiin, joissa haluat hyvän lähtökohdan ja säästää aikaa karttaa luodessasi. Voit silti tarkastella tulosta ja muuttaa muita vyöhykeasetuksia ennen tallentamista.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F9w5QnaWrwVXAXPQTAw5L%2Fimage.png?alt=media&amp;token=b4c57f60-c506-4454-ab3e-e0525235975f" alt=""><figcaption><p>AUTO-luokittelu</p></figcaption></figure>

## 1. Luokittelu luonnollisten rajojen mukaan

Luokittelu luonnollisten rajojen mukaan etsii tietojen jakaumasta ”luonnollisia” kynnysarvoja eli rajakohtia ja muodostaa niiden perusteella erillisiä ryhmiä. Menetelmä maksimoi luokkien väliset erot ja minimoi kunkin luokan sisäiset erot. Luokittelu luonnollisten rajojen mukaan sopii tietoihin, joissa on selkeitä rakenteita tai ryhmittymiä, ja mahdollistaa tehokkaan tarkastelun ja analysoinnin.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQzmD8cm9fyq0vTDYwxvq%2Fimage.png?alt=media&amp;token=4cf3e432-cbe6-459b-8fd6-75e7cb540024" alt=""><figcaption><p>Luokittelu luonnollisten rajojen mukaan</p></figcaption></figure>

## 2. Tasaväliluokittelu

Tasaväliluokittelussa tietojen vaihteluväli jaetaan yhtä suuriin väleihin eli luokkiin. Se esittää tietojen jakauman tasapainoisesti, joten arvoja on helppo tulkita ja vertailla kunkin luokan sisällä. Tasaväliluokittelu sopii tasaisesti jakautuneille tiedoille, joissa ei ole selkeitä rakenteita.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FkOZpBpxYxxyhGVbicPLO%2Fimage.png?alt=media&amp;token=0f1211c8-2ac2-4786-a0e8-ed8ae7ffd843" alt=""><figcaption><p>Tasaväliluokitus</p></figcaption></figure>

## 3. Tasamääräinen (pinta-ala) -luokitus

Tasamääräinen luokitus varmistaa, että jokaisessa luokassa on yhtä monta data-arvoa. Se säilyttää tasapainoisen edustuksen erityisesti silloin, kun data on vinoa tai jakautunut epätasaisesti. Tasamääräinen luokitus mahdollistaa alueiden tai seutujen oikeudenmukaisen vertailun ja tuottaa yhdenmukaisia analyyseja ja visualisointeja.

Tavoitteena on luoda vyöhykkeitä, joiden pinta-alat ovat suhteellisen samankokoisia, mutta pyöristykset ja vyöhykkeiden laadun parantaminen voivat aiheuttaa pieniä eroja. Siksi tarkempaa tulosta saadaan käyttämällä tarkempia kasvillisuusindeksejä, kuten EVI2-, MCARI1- tai WDRVI-indeksiä. Lisäksi [vyöhykkeiden lopullisia geometrioita hienosäädetään tarkkuuden parantamiseksi](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKimgcw9kK0ED2uGagkEM%2Fimage.png?alt=media&amp;token=31e7fd08-ecec-4253-ac0a-582edf368bdc" alt=""><figcaption><p>Tasamääräinen (pinta-ala) -luokitus</p></figcaption></figure>

## 4. Paikallinen luokitus

Paikallisessa luokituksessa data ryhmitellään maantieteellisen sijainnin perusteella paikallisiksi vyöhykkeiksi. Sitä käytetään ensisijaisesti maaperänäytteenoton vyöhykkeiden suunnitteluun, jolloin pellot voidaan jakaa tehokkaasti hallittavissa oleviin alueisiin.

Paikallinen luokitus tarjoaa enemmän joustavuutta kolmella vaihtoehdolla: **Kohti spatiaalista**, **Kohti arvoja**ja **Tasapainoinen**.

### 4.1. Alueellisesti kohdennetun vaihtoehdon Tasapainoinen-asetus

Vaihtoehto **Tasapainoinen** on kahden vaihtoehdon välimuoto: **Kohti sijaintia** ja **Kohti arvoja**. Se luo vyöhykekartan, jossa vyöhykkeet tasapainottavat maantieteellisen läheisyyden ja tietojen arvojen samankaltaisuuden. Tämä lähestymistapa toimii hyvin, kun sekä alueiden tiiviydellä että tietojen yhdenmukaisuudella on merkitystä.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FHkWvnjWzBOiljEnXQOhU%2Fimage.png?alt=media&amp;token=c5bd0315-ed78-4638-b219-3dac4abde057" alt=""><figcaption><p>Paikallisesti alueellinen luokittelu (tasapainotettu vaihtoehto)</p></figcaption></figure>

### 4.2. Paikallisesti alueellinen luokittelu arvojen painotuksella

Paikallisesti alueellinen luokittelu **Arvojen painotus** -vaihtoehto tuottaa vyöhykkeitä, jotka ryhmitellään tietojen arvojen eikä maantieteellisen läheisyyden perusteella. Se ryhmittelee samankaltaisia ominaisuuksia, kuten kasvillisuutta tai maaperän laatua, sisältävät alueet vyöhykekartaksi, jossa tietojen yhdenmukaisuus kunkin vyöhykkeen sisällä on tärkeintä.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FF7h0AB4cF7xbWCmA7PmK%2Fimage.png?alt=media&amp;token=5e9d6b86-5f7c-4acf-9990-e4c2a7a746c1" alt=""><figcaption><p>Paikallisesti alueellinen luokittelu (arvojen painotus)</p></figcaption></figure>

### 4.3. Paikallisesti alueellinen luokittelu alueellisen läheisyyden painotuksella

Paikallisesti alueellinen luokittelu **Alueellisen läheisyyden painotus** Spatiaalisesti paikannetun luokittelun vaihtoehto keskittyy luomaan maantieteellisesti tiiviimpiä vyöhykkeitä. Se luo vyöhykekartan, jonka ryhmittelyissä painotetaan läheisyyttä ja pidetään kukin vyöhyke alueellisesti kompaktina. Se sopii erityisesti tilanteisiin, joissa fyysisellä sijainnilla on eniten merkitystä, kuten logistiikkaan tai spatiaaliseen näytteenottoon.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDh2CT0aMwFrdBdPSDhjg%2Fimage.png?alt=media&amp;token=808f32ce-22c6-4baf-8370-5b65177ea3bd" alt=""><figcaption><p>Spatiaalisesti paikannettu luokittelu (kohti spatiaalista vaihtoehtoa)</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/using-data-classification.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.
