> 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/soil-lime-and-tillage/compare-soil-scanner-data-between-years.md).

# Talajszkenner adatok összehasonlítása évek között

Ez a cikk különböző matematikai módszereket mutat be a talajszkenner-adathalmazok közötti különbségek számszerűsítésére és a kutatók, valamint agronómusok döntéshozatalának javítására.

A talajszkennerek a precíziós gazdálkodás nélkülözhetetlen eszközei: nagy felbontású adatokat szolgáltatnak a talaj tulajdonságairól, például a nedvességtartalomról, a szervesanyag-tartalomról és a tápanyagszintekről. Két talajszkenner-adatkészlet összehasonlítása kulcsfontosságú az időbeli változások megértéséhez, a különböző szkennelési módszerek ellenőrzéséhez vagy az új eszközök kalibrálásához. Ez a cikk különböző matematikai módszereket mutat be két talajszkenner-adatkészlet eltéréseinek mérésére, és a kutatók, valamint az agronómusok számára a gyakorlatban hasznosítható következtetéseket kínál.

### A talajszkenner-adatok eltéréseinek értelmezése

Két talajszkenner-adatkészlet közötti eltérés az azonos helyeken mért értékek különbségét jelenti. Ezt okozhatják a mérési körülmények, az érzékelő kalibrálása vagy a talaj időbeli változásai. Az eltérések leggyakoribb típusai:

* Abszolút különbség: az adatkészletek értékeinek közvetlen kivonása egymásból.
* Relatív különbség: az értékek összehasonlítása a mérések nagyságrendjének figyelembevételével.
* Hibamérőszámok: statisztikai mutatók, például az átlagos abszolút hiba (MAE) és a normalizált különbség.

Kiválasztottunk két, a káliumra vonatkozó talajszkenner-adatkészletet: egyet 2024-ből és egyet 2025-ből.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaKIacaHkrTimf2ZTk5rA%2Fimage.png?alt=media&amp;token=648d807d-137b-4c27-842c-8b7e8cde6f5c" alt=""><figcaption><p>Kiinduló talajszkenner-adatkészletek</p></figcaption></figure>

### A megfelelő eltérésmódszer kiválasztása

| Módszer                                   | Mire a legalkalmasabb?                                  |
| ----------------------------------------- | ------------------------------------------------------- |
| Közvetlen különbség                       | A pozitív és negatív változások egyszerű megjelenítése  |
| Relatív különbség                         | Eltérő skálájú adatkészletek összehasonlítása           |
| Normalizált különbség                     | Különböző adatkészletek egységesített elemzése          |
| Relatív eltérés                           | Arányos különbségek vizsgálata, trendelemzéshez hasznos |
| Átlagos abszolút hiba (MAE) képpontonként | Nagy abszolút különbségű területek azonosítása          |

### A közvetlen különbség kiszámítása

A közvetlen különbség módszere egyszerűen kivonja az egyik adatkészletet a másikból, így közvetlenül jeleníti meg a talajtulajdonságok változásait.

A `geopard.calculate_difference(dataset_1, dataset_2)` használatának és paramétereinek leírása [itt](https://docs.geopard.tech/geopard-tutorials/hu/termektura-webalkalmazas/equation-based-analytics/catalog-of-custom-functions.md#calculate_difference).

Előnyök:

* Jól láthatóvá teszi a pozitív és negatív változásokat.
* Könnyen értelmezhető és megjeleníthető.

Hátrányok:

* Az értékek különbsége nehezen hasonlítható össze, ha az adatkészletek skálája eltérő.
* A nagy változékonyság meghatározóvá válhat az eredmények értelmezésekor.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FwgA9AsI1dfinjjQwJ8C9%2Fimage.png?alt=media&amp;token=20e684fd-02fb-4cbb-9c9d-b34aa62ed38f" alt=""><figcaption><p>A közvetlen különbség kiszámítása</p></figcaption></figure>

### A relatív különbség kiszámítása

A relatív különbség módszere a második adatkészlethez viszonyítva számítja ki az adatkészletek közötti százalékos változást, így az eltérések más szempontból is vizsgálhatók.

A `geopard.calculate_relative_difference(dataset_1, dataset_2)` használatának és paramétereinek leírása [itt](https://docs.geopard.tech/geopard-tutorials/hu/termektura-webalkalmazas/equation-based-analytics/catalog-of-custom-functions.md#calculate_relative_difference).

Előnyök:

* Segít megérteni, hogy az egyik adatkészlet értékei milyen arányban változtak a másikhoz képest.
* A különböző nagyságrendű értékek közötti különbségeket egységes skálára hozza.

Hátrányok:

* Instabillá válhat, ha a második adatkészlet értékei közel vannak a nullához.
* Kevésbé egyértelmű, ha az abszolút különbségek fontosak.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fdvu0tLmgObpZ3WsvGrKQ%2Fimage.png?alt=media&amp;token=fbe018a8-a8dc-421f-9fe9-19b78869b18f" alt=""><figcaption><p>A relatív különbség kiszámítása</p></figcaption></figure>

### A normalizált különbség kiszámítása

A normalizált különbség módszere a különbség kiszámítása előtt az adatkészleteket a legnagyobb globális értékükkel normalizálja. Így a változások eltérő skálák esetén is összehasonlíthatók.

A `geopard.calculate_normalized_difference(dataset_1, dataset_2)` használatának és paramétereinek leírása [itt](https://docs.geopard.tech/geopard-tutorials/hu/termektura-webalkalmazas/equation-based-analytics/catalog-of-custom-functions.md#calculate_normalized_difference).

Előnyök:

* Eltérő dinamikatartományú adatkészletek esetén hatékony.
* Csökkenti a szélsőséges értékek hatását.

Hátrányok:

* Megfelelő skálázás nélkül a kis eltérések túlzottnak tűnhetnek.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FSfC0I2ieL3Tsb7zP0wlg%2Fimage.png?alt=media&amp;token=2d0c3bc9-5c7d-4fb7-971f-2ea23d6b8402" alt=""><figcaption><p>A normalizált különbség kiszámítása</p></figcaption></figure>

### Relatív eltérés képpontonként

A relatív eltérés módszere az eltérést az első adathalmazhoz viszonyított százalékos értékként számítja ki. Segítségével az abszolút eltérések helyett az aránybeli különbségek érthetők meg.

A következő használata: `geopard.calculate_per_pixel_relative_deviation(dataset_1, dataset_2)` a paraméterek magyarázatával együtt itt található dokumentálva: [itt](https://docs.geopard.tech/geopard-tutorials/hu/termektura-webalkalmazas/equation-based-analytics/catalog-of-custom-functions.md#calculate_per_pixel_relative_deviation).

Előnyök:

* Hasznos különböző skálájú adathalmazok összehasonlításakor.
* Az eltérést jól értelmezhető százalékos formában fejezi ki.

Hátrányok:

* Félrevezető lehet, ha az eredeti értékek nagyon kicsik.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FdAxMNaTGC9JR857B6IdN%2Fimage.png?alt=media&amp;token=1d81e310-a29a-4963-81ad-24b7d24c6e87" alt=""><figcaption><p>Relatív eltérés képpontonként</p></figcaption></figure>

### Átlagos abszolút hiba (MAE) képpontonként

Az átlagos abszolút hiba (MAE) módszere két adathalmaz megfelelő értékei közötti abszolút különbségeket méri. Jól láthatóvá teszi, hol fordulnak elő a legnagyobb eltérések.

A következő használata: `geopard.calculate_per_pixel_mae(dataset_1, dataset_2)` a paraméterek magyarázatával együtt itt található dokumentálva: [itt](https://docs.geopard.tech/geopard-tutorials/hu/termektura-webalkalmazas/equation-based-analytics/catalog-of-custom-functions.md#calculate_per_pixel_mae).

Előnyök:

* Egyszerű és intuitív.
* Jól kiemeli a nagy különbségeket.
* Hasonló skálájú adathalmazok esetén jól működik.

Hátrányok:

* Nem mutatja meg a különbség irányát (vagyis azt, hogy pozitív vagy negatív változásról van-e szó).
* Érzékeny a kiugró értékekre.

<figure><img src="https://4197117614-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F2vU1J5nHGE6WVdGdyoOh%2Fimage.png?alt=media&amp;token=79fcb18b-0a60-4dbe-8f9a-900d28ccb0e8" alt=""><figcaption><p>Átlagos abszolút hiba (MAE) képpontonként</p></figcaption></figure>

### Összefoglalás

A talajszkennerrel rögzített adathalmazok összehasonlításához többféle matematikai megközelítésre van szükség, hogy érdemi különbségeket tárjunk fel. Akár olyan abszolút mérőszámokat használunk, mint a MAE, akár relatív eltéréseket vagy normalizált összehasonlításokat, a megfelelő módszer kiválasztása a felhasználási céltól függ. E technikák alkalmazásával az agronómusok és kutatók javíthatják a talajelemzést, felismerhetik a táblán belüli eltéréseket, és hatékonyabbá tehetik a precíziós mezőgazdasági munkafolyamatokat.


---

# 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/soil-lime-and-tillage/compare-soil-scanner-data-between-years.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.
