> 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/fr/visite-guidee-du-produit-application-web/zones-maps-and-analytics/multi-layer-analytics.md).

# Analyses multicouches

Avec GeoPard, vous pouvez intégrer plusieurs couches de données pour créer des zones de gestion. Vous contrôlez les pondérations, les indices, le nombre de zones, le type de regroupement et la surface minimale des polygones.

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

*Démo interactive : création de zones multicouches*

L’agriculture de précision génère de grandes quantités de données, notamment des données de rendement, des images satellites et des couches de fertilité des sols. De nombreuses équipes peinent encore à transformer ces couches en informations exploitables et en mesures concrètes. En agriculture de précision, les zones de gestion sont des parties d’une parcelle présentant un potentiel de rendement similaire, déterminé par le type de sol, la position sur la pente, la chimie du sol, le microclimat ou d’autres facteurs influençant les cultures. La connaissance locale de la parcelle joue également un rôle important dans ce processus. Les zones de gestion contribuent à optimiser les intrants et le potentiel de rendement des cultures.

Le principal défi consiste à créer des zones de gestion qui reflètent la variabilité réelle de la parcelle. Combiner des couches telles que les images satellites, la fertilité des sols, les dérivés topographiques et les données des capteurs de rendement constitue la prochaine étape logique vers des zones de gestion mieux adaptées.

L’analyse multicouche (également appelée analyse intégrée) fait désormais partie du moteur d’analyse géospatiale de GeoPard.

Les combinaisons classiques pour l’analyse intégrée comprennent un ou plusieurs jeux de données de rendement, une carte NDVI, l’altitude et les caractéristiques physicochimiques du sol mesurées par capteurs. GeoPard prend en charge ces paramètres et vous permet également d’inclure d’autres couches de données de la parcelle déjà disponibles dans le système ou directement importées par l’utilisateur, comme les données d’échantillonnage des sols et de rendement. Vous pouvez ainsi travailler avec un ensemble complet de paramètres pour l’analyse intégrée :

Données de rendement\
Données de télédétection :

* Carte du potentiel de productivité (sur une seule année ou plusieurs années)
* Carte de stabilité/variabilité
* Indices de végétation NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Topographie :

* Altitude
* Pente
* Courbure
* Indice d’humidité
* Exposition
* Ombrages du relief
* Rugosité du relief
* Rugosité

Données sur les sols :

* pH
* CEC (capacité d’échange cationique)
* MOS (matière organique du sol)
* K (potassium)
* Faible épaisseur de terre végétale, capacité de rétention d’eau disponible réduite (sol sujet à la sécheresse)
* CE (conductivité électrique)
* ainsi que d’autres propriétés chimiques disponibles dans le jeu de données importé

À noter : vous pouvez définir des facteurs personnalisés pour chaque couche de données afin de lui attribuer le poids souhaité. Dans GeoPard, vous pouvez créer des cartes de zones de gestion en vous appuyant sur votre connaissance de la parcelle, tout en sélectionnant les sources de données et leurs poids.

## Fonctionnement des poids des couches

Le poids détermine l’influence de chaque couche sur chaque pixel de la carte de zones obtenue.

### La normalisation vient en premier

Les couches d’entrée utilisent des unités et des plages incompatibles : le NDVI varie de 0 à 1, le rendement de 4 à 12 t/ha, le pH de 5,5 à 7,5 et la CE de 5 à 60 mS/m. Si l’on combinait les valeurs brutes, la couche ayant la plus grande plage numérique dominerait le résultat, quelle que soit son importance agronomique.

GeoPard applique d’abord une normalisation min-max à chaque couche, en la ramenant à une plage commune calculée à partir de ses propres valeurs minimale et maximale dans la parcelle. Le poids détermine ensuite à lui seul l’influence de la couche.

### Les poids sont ensuite appliqués

Chaque couche normalisée est multipliée par son poids, puis les couches sont combinées en une seule surface.

### Les poids négatifs inversent la couche

Un poids négatif inverse l’échelle : les valeurs élevées de la couche sont considérées comme faibles, et les valeurs faibles comme élevées. Utilisez cette option lorsque des mesures élevées indiquent des conditions défavorables, par exemple :

* Teneur en argile dans une parcelle mal drainée
* Altitude lorsque les points bas sont exposés au gel ou à l’engorgement en eau
* CE lorsque des mesures élevées indiquent une salinité plutôt qu’une capacité de rétention d’eau

### Les lacunes sont interpolées

Lorsqu’une couche comporte des pixels manquants (couverture nuageuse sur une scène satellite, passage manquant dans les données de rendement, points d’échantillonnage du sol clairsemés), GeoPard interpole les lacunes à partir des valeurs environnantes au lieu d’exclure les pixels concernés. La carte combinée reste ainsi continue sur toute la parcelle.

### Le résultat est de nouveau normalisé

Après la pondération et la combinaison, la carte résultante est à nouveau normalisée pour couvrir toute la plage, puis divisée en fonction du nombre de zones que vous avez sélectionné.

{% hint style="info" %}
**Choix des poids :** commencez par attribuer le poids le plus élevé à la couche à laquelle vous faites le plus confiance. Le rendement pluriannuel et la productivité à long terme mesurée par satellite sont généralement les indicateurs les plus fiables. Les images satellites d’une seule date sont les plus dépendantes du contexte, car une scène ne reflète qu’un seul moment de la saison.
{% endhint %}

Les images ci-dessous présentent une parcelle exemple et différentes couches de données, notamment une carte de productivité sur 18 ans, un modèle numérique d’élévation, la pente, l’ombrage du relief et les données de rendement de 2019, ainsi que plusieurs résultats d’analyse intégrée. Vous pouvez suivre l’évolution des zones de gestion à mesure que des couches supplémentaires sont ajoutées.

<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/fr/visite-guidee-du-produit-application-web/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.
