> 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/hu/agronomia/yield-and-trials/comparing-yield-datasets.md).

# Hozamadathalmazok összehasonlítása

Hasonlítsd össze a hozamadathalmazokat, hogy mélyebb betekintést nyerj a növényteljesítménybe szezonokon át, beleértve a megfelelő hozam­tisztítást és -kalibrálást, valamint a szintetikus hozamadatok használatát.

## Háttér

A modern mezőgazdasági döntéshozatal nagymértékben támaszkodik a hozamadatkészletekre, amelyek a betakarított termés mennyiségét rögzítik, és a gazdálkodók bevételének jelentős részét képviselik. Ezeknek az adatoknak pontosnak és jó minőségűnek kell lenniük, hogy megalapozzák a ráfordítások kezelésével kapcsolatos döntéseket, valamint segítsék a jövőbeli vetési és tápanyag-utánpótlási stratégiák optimalizálását.

A hozamadatokat jellemzően betakarítógépekkel gyűjtik, de a nyers mérések gyakran hiányosak, hibásak, vagy kalibrálást igényelnek az érzékelők eltérései és a változó táblakörülmények miatt. E kihívások leküzdésére a szakemberek általában adattisztítási és kalibrálási módszereket, valamint szintetikus adatkészletek előállítását alkalmazzák, hogy megbízható, összehasonlítható hozamadatokat kapjanak.

Mindkettőt[ Hozamadatok tisztítása és kalibrálása](https://docs.geopard.tech/geopard-tutorials/hu/agronomia/yield-and-trials/yield-calibration-and-cleaning.md) és a [hozamadatok szintetikus helyreállítása](https://docs.geopard.tech/geopard-tutorials/hu/agronomia/yield-and-trials/synthetic-yield-map.md) a GeoPardban is elérhető.

<mark style="background-color:yellow;">A különböző termesztési évekből származó hozamadatkészletek összehasonlítása értékes információkkal szolgál: segít ellenőrizni a gazdálkodási gyakorlatokat, megerősíteni az érzékelők pontosságát, és javítani a következő szezonokra vonatkozó stratégiákat.</mark> Az összehasonlítások a tápanyag-utánpótlási és vetési dózistérképek finomítását is segítik, így minden döntés megbízható információkon alapul.

## Összehasonlítási módszer (hasonlósági egyenlettel)

A hozamadatkészletek számszerű összehasonlításához egy előre elmentett, következő nevű egyenletet használunk: <mark style="background-color:yellow;">Térbeli korrelációelemzés (adatrétegek hasonlósága)</mark> amely térbeli alapon méri a hozamadatkészletek hozamhoz kapcsolódó jellemzői közötti hasonlóságot.

Az egyenlet hasonlósági értéket rendel az adatokhoz, amely megmutatja, mennyire egyezik két adatkészlet térbeli mintázata és az értékek eloszlása.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FrDgSf0J2uDfD9Wy0GPjw%2Fimage.png?alt=media&amp;token=7af48fc7-2044-483c-b50b-a1ea3c0461f7" alt=""><figcaption><p>Keresse meg a meglévő „Adatrétegek hasonlósága” egyenletet</p></figcaption></figure>

<mark style="background-color:yellow;">A hasonlósági értékek 0 és 1 között mozognak: a 0 azt jelenti, hogy nincs egyezés, az 1 pedig 100%-os egyezést jelez az értékek és azok térbeli eloszlása között</mark>. Más szóval, minél közelebb van a hasonlósági érték az 1-hez, annál hasonlóbbak a hozamjellemzők.

## **Valós hozamadatkészlet (2015** szójabab **és 2018** szójaba&#x62;**)**

Ebben a példában két különböző, 2015-ös és 2018-as termesztési szezonban gyűjtött nyers hozamadat-készletből indulunk ki; mindkettő ugyanarról a növényről, a szójababról származik. A kezdeti adatkészletekben szokatlanul magas és alacsony értékű területek találhatók, különösen a kombájnmenetek elején és végén, és az adatok enyhe újrakalibrálást igényelnek.

A GeoPard tisztító és kalibráló eszközeinek alkalmazása után az adatkészlet egyenletesebb, következetesebb és könnyebben értelmezhető.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDTbHLvB354jBMO3fub2W%2Fimage.png?alt=media&amp;token=6ca5f428-021b-453d-b6c7-330038294e0c" alt=""><figcaption><p>Szójabab, 2015: eredeti és tisztított, kalibrált hozamadatok</p></figcaption></figure>

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaiDl2niPiQyUwQ6kDTdW%2Fimage.png?alt=media&amp;token=7bb1ccdb-b41c-4590-b47f-a803cdbe8e01" alt=""><figcaption><p>Szójabab, 2018: eredeti és tisztított, kalibrált hozamadatok</p></figcaption></figure>

Alább a hasonlósági egyenlet futtatásának térképe látható képernyőképként.

Statisztikai szempontból a magas átlag (0,869) és medián (0,876) azt mutatja, hogy <mark style="background-color:yellow;">a 2018-as szójabab-hozammintázatok erősen hasonlítanak a 2015-ös mintázatokra</mark>. Bár egyes területeken az érték 0,599-re csökken, az alacsony variancia (0,005) és a mérsékelt szórás (0,073) megerősíti az <mark style="background-color:yellow;">általános következetességet</mark>.

Agronómiai szempontból <mark style="background-color:yellow;">ez a stabilitás arra utal, hogy a tábla alapvető adottságai és a gazdálkodási gyakorlatokra adott válaszai nagyrészt változatlanok maradtak</mark>.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FAyZjM18FRfT03KXUX2yW%2Fimage.png?alt=media&amp;token=d48c86e2-0aa0-4eb4-b626-29e645399a77" alt=""><figcaption><p>Hozamhasonlóság összehasonlítása: szójabab, 2015 és 2018</p></figcaption></figure>

## **Valós hozamadatkészlet (2022** kukorica **és 2024** kukoric&#x61;**)**

Ebben a példában két kukoricatermesztési szezon, 2022 és 2024 nyers hozamadat-készletéből indulunk ki. A kezdeti adatkészletekben kiugróan magas vagy alacsony mérések, keresztmenetek és ívelt nyomvonalak is előfordulnak, ami az érzékelők újrakalibrálásának szükségességére utal.

A GeoPard tisztító és kalibráló eszközeinek alkalmazásával megbízhatóbbá válnak az adatkészletek, így automatizált elemzésre és megalapozott döntéshozatalra nyílik lehetőség.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FrCMUu65DPZjqVmuvoUvM%2Fimage.png?alt=media&amp;token=00c11d5e-70b7-49ea-9943-0e4ac5b2b990" alt=""><figcaption><p>Kukorica, 2022: eredeti és tisztított, kalibrált hozamadatok</p></figcaption></figure>

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Ff53cGgbe2gWO4LbW2OUN%2Fimage.png?alt=media&amp;token=f48408bd-662e-44f8-9fca-c334b23324b8" alt=""><figcaption><p>Kukorica, 2024: eredeti és tisztított, kalibrált hozamadatok</p></figcaption></figure>

Alább a hasonlósági egyenlet futtatásának térképe látható képernyőképként.

Statisztikai szempontból a 0,791-es átlag és a 0,799-es medián azt mutatja, hogy <mark style="background-color:yellow;">a 2024-es kukoricahozamok nagyrészt hasonlítanak a 2022-esekre</mark>, bár a 0,413-ig csökkenő értékek változatosságra utalnak. A 0,115-ös szórás megerősíti, hogy <mark style="background-color:yellow;">a tábla egyes részei között vannak eltérések</mark>.

Agronómiai szempontból <mark style="background-color:yellow;">a következetes mintázatok stabil körülményekre és az időben is eredményes gazdálkodásra utalnak</mark>. Ugyanakkor a helyenként <mark style="background-color:yellow;">kisebb hasonlóságot mutató zónák célzott beavatkozást igényelhetnek a jövőbeli hozamok javítása érdekében</mark>.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FhOWLFRX43inp21kga5y9%2Fimage.png?alt=media&amp;token=308de900-e22a-4330-b517-a88ca89c5012" alt=""><figcaption><p>Hozamhasonlóság összehasonlítása: kukorica, 2022 és 2024</p></figcaption></figure>

## **Szintetikus és valós hozamadatkészlet (2023** repce)

Ebben a példában a 2023-as repcetermesztési szezonból származó nyers hozamadatkészletet vetjük össze ugyanerről a növényről és ugyanebből az évből szintetikusan előállított hozamadatkészlettel. <mark style="background-color:yellow;">A cél a tényleges és a szintetikus hozam térbeli pontosságának felmérése, lehetőséget teremtve a nem naplózott adatok pótlására, a hozamadatok hiányosságainak kezelésére és a rendellenességek szintetikus értékekkel való korrigálására</mark>. A tényleges hozamadatkészletben olyan problémák fordulnak elő, mint a szokatlanul magas vagy alacsony értékek, a keresztirányú menetek, az ívelt nyomvonalak és a nulla hozamú menetek – ezek mind az érzékelők újrakalibrálásának szükségességére utalnak.

Miután a GeoPard [tisztítási és kalibrálási](https://docs.geopard.tech/geopard-tutorials/hu/agronomia/yield-and-trials/yield-calibration-and-cleaning.md) eljárását alkalmaztuk a tényleges hozamadatokra, és előállítottuk a [szintetikus hozamot](https://docs.geopard.tech/geopard-tutorials/hu/agronomia/yield-and-trials/synthetic-yield-map.md) a repcére, érdemi összehasonlítást végezhetünk a hasonlóságukról.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FwkCRiie2suhom6bxWKCJ%2Fimage.png?alt=media&amp;token=f4752a43-55e2-431c-a667-8363c8f742c6" alt=""><figcaption><p>Repcetermés 2023: eredeti, illetve tisztított és kalibrált hozamadatok</p></figcaption></figure>

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fz427malsrdHAQOCNjQyh%2Fimage.png?alt=media&amp;token=26a63983-2a7f-48b2-bfc9-3e40a883582a" alt=""><figcaption><p>Repcetermés szintetikus hozama, 2023</p></figcaption></figure>

Alább a hasonlósági egyenlet futtatásának térképe látható képernyőképként.

Statisztikai szempontból a magas átlagpontszám (0,889) és mediánpontszám (0,904) azt jelzi, hogy <mark style="background-color:yellow;">összességében a szintetikus hozamadatkészlet jól követi a 2023-as tényleges repcetermés térbeli mintázatait</mark>. Bár egy területen az érték akár 0,291-re is csökken, az alacsony variancia (0,006) és a mérsékelt szórás (0,08) arra utal, hogy <mark style="background-color:yellow;">a tábla nagy részén a tényleges és a szintetikus adatok jól illeszkednek egymáshoz, és csak nagyon kevés a kiugró érték</mark>.

Agronómiai szempontból ez a jelentős hasonlóság arra utal, hogy <mark style="background-color:yellow;">a szintetikus hozamadatok megbízhatóan tükrözhetik a tényleges táblakörülményeket</mark>, ami növeli a modellezett forgatókönyvek döntéstámogató alkalmazásába vetett bizalmat. <mark style="background-color:yellow;">A szintetikus hozammodell jól tükrözi a tényleges hozamadatokban megjelenő agronómiai gyakorlatokat</mark>, így megalapozottabb és következetesebb tervezést tesz lehetővé a jövőbeli gazdálkodási stratégiákhoz.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FZT4vMwtGPgMFsmWAsIb4%2Fimage.png?alt=media&amp;token=bf195514-380e-43fb-bbee-5922dd92b769" alt=""><figcaption><p>A repcehozam hasonlóságának összehasonlítása: tényleges 2023-as és szintetikus 2023-as adatok</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/hu/agronomia/yield-and-trials/comparing-yield-datasets.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.
