Egyedi függvények katalógusa

Ezek a függvények összefoglalják a komplex Python kódot, lehetővé téve kifinomult adatmanipulációk és számítások egyszerű megvalósítását.

A GeoPard átfogó Egyedi Függvények Katalógusát kínálja, amely az Egyenlet-alapú Analitikák olvashatóságát és funkcionalitását javítja. Ezek a függvények összefoglalják az összetett python kódot, lehetővé téve, hogy kifinomult adatmanipulációkat és számításokat valósítson meg könnyedén.

Írja be az egyenletet

Írjon be egy egyenletet

Az előre elkészített, a GeoPard platformon belüli intuitívabb és karbantarthatóbb egyenletek létrehozásához elérhető függvények listája be van építve a geopard csomagba:

fill_gaps_with_k_neighbors

# input_data egy Adatkészlet attribútum rétege (pl. Hoammennyiség, NDVI)
filled_layer = geopard.fill_gaps_with_k_neighbors(yield_layer, k=5)

Ez a függvény adathézagokat vagy nullákat állít helyre egy adatkészletben a K-szomszédok algoritmusával. Ha megadja a input_data változót (Adatkészletként a kiválasztott attribútummal) és a szomszédok számát, kakkor zökkenőmentesen kitöltheti a hiányzó értékeket, biztosítva az adatok folytonosságát és integritását.

Ez a függvény jól működik, ha az adathézagok a táblán belül szórtan helyezkednek el, és nem egy bizonyos határrészhez kötődnek.

determine_data_similarity

similarity = geopard.determine_data_similarity(yield_2023, yield_2024)

Ezt a függvényt használja két Adatkészlet pixelenkénti hasonlóságának kiszámítására. A data_layer_1 és data_layer_2 változóknak ugyanazt a mérést ugyanabban a mértékegységben kell képviselniük a jelentős összehasonlíthatóság biztosításához. Adatkészletekhez data_layer_1 és data_layer_2 tartozó változók megadásával hasonlósági térképet generálhat 0 és 1 közötti értékekkel, megkönnyítve az összehasonlító elemzéseket és mintázatfelismerést.

determine_data_similarity_from_normalized

layer_1_norm = geopard.normalize_data(layer_1)
layer_2_norm = geopard.normalize_data(layer_2)

similarity = geopard.determine_data_similarity_from_normalized(layer_1_norm, layer_2_norm)

Ezt a függvényt használja két normalizált adatkészlet pixelenkénti hasonlóságának kiszámítására. Normalizálás javasolt, ha az eredeti data_layer_1 és data_layer_2 rétegek különböző skálájúak vagy mértékegységűek. Ezeknek az adatkészleteknek a bemenetként való megadásával a függvény 0 és 1 közötti értékű hasonlósági térképet állít elő, ami alkalmas összehasonlító vizsgálatokra, mintázatfelismerésre és térbeli konzisztencia elemzésre.

determine_low_high_similarity

zones = geopard.determine_low_high_similarity(soil_ph, yield_layer)

Ez a függvény két Adatkészlet alacsony-magas hasonlóságát értékeli. Adatkészletekhez tartozó data_layer_1 és data_layer_2 változók megadásával kategorizált hasonlósági térképet kap, amely olyan kombinációkat jelöl, mint alacsony-alacsony, alacsony-magas, magas-alacsony és magas-magas, ami hasznos a finomabb adat-osztályozáshoz.

get_value_for_zone

zone_3_values = geopard.get_value_for_zone(yield_layer, zone_map, zone_id=3)

Ezt a függvényt használja, ha egy Adatkészlet attribútumának összes értékét ki akarja nyerni egyetlen zónából. Adja meg a data_layer (az attribútum réteget), zones_layer (a zónatérképet), és a zone_id (a zóna számát) az adott zónán belüli értékek izolálásához elemzés céljából — például hozam, kijuttatási arány vagy vetőmagszám esetén.

drop_value

clean_layer = geopard.drop_value(elevation_layer, value_to_drop=0)

Ez a függvény lehetővé teszi, hogy adott értékeket eltávolítson egy Adatkészlet attribútumából. Ha megadja az data_layer Adatkészlet attribútumához tartozó változót és a value_to_drop paramétert számként, megtisztíthatja az Adatkészlet attribútum adatait azáltal, hogy eltávolítja azokat az eredményből (technikailag a nem kívánt értékeket NaN).

ként helyettesítve).

normalize_data

ndvi_normalized = geopard.normalize_data(ndvi_layer) data_layer Normalizálja Adatkészlet attribútumát hatékonyan ezzel a függvénnyel. Ha megadja az

Adatkészlet attribútumához tartozó változót, a függvény 0 és 1 közötti sztenderdizált tartományra skálázza az adatokat, megkönnyítve az összehasonlítást és integrációt különböző adatkészletek között.

calculate_total_applied_fertilizer
applications = [urea_rate, map_rate]

coefficients = [1.0, 1.0]  # használjon 1.0-et az egységek megtartásához, vagy állítsa a termék koncentrációjához

total_applied = geopard.calculate_total_applied_fertilizer(applications, coefficients) Számolja ki a teljes kijuttatott műtrágya mennyiséget egység/terület (például kg/ha, l/ha, gal/ac stb.) formátumban. Ha megadja az application_list AppliedRate attribútummal rendelkező Adatkészleteket és a megfelelő active_ingredient_coefficient_list

műtrágyatermékekhez tartozó értékeket, megkapja a ténylegesen kijuttatott teljes műtrágya mennyiséget egységekben (például kg, l, gal stb.).

calculate_total_applied_nitrogen
applications = [urea_rate, uan_rate]

nitrogen_coefficients = [0.46, 0.32]  # N töredék (hatóanyag) az egyes termékekben

N_total_applied = geopard.calculate_total_applied_nitrogen(applications, nitrogen_coefficients) Számolja ki a teljes kijuttatott műtrágya mennyiséget egység/terület (például kg/ha, l/ha, gal/ac stb.) formátumban. Ha megadja az application_list AppliedRate attribútummal rendelkező Adatkészleteket és a megfelelő Ezzel a függvénnyel számítsa ki a kijuttatott összes nitrogén mennyiségét kg/ha-ban. Nitrogéntermékek megadásával a tényleges nitrogént kg/ha-ra átválthatja, így pontosan kiszámítható a kijuttatott összes nitrogén, ami alapvető a gazdálkodási tervezéshez és a fenntarthatósági értékelésekhez. A kimenetként az N_total_applied értéket használja ageopard.calculate_nitrogen_use_efficiency.

calculate_nitrogen_uptake

N_uptake = geopard.calculate_nitrogen_uptake(
    yield_wet_tha=yield_layer,
    moisture_pct=moisture_layer,
    protein_pct=protein_layer,
    protein_crop_correction_coefficient=6.25
)

Határozza meg a Nitrogénfelvételt kg/ha-ban ezzel a függvénnyel. Ha megadja a yield_wet_tha, moisture_pct, protein_pct értékeket a Hoammennyiség Adatkészletből és a protein_crop_correction_coefficient amely a fehérje és a nitrogén felvétel közötti kapcsolatot képviseli, értékelheti a Nitrogénhasznosulást a termesztésben. A kimenetként az N_uptake értéket használja ageopard.calculate_nitrogen_use_efficiency .

értéket kapja.

calculate_nitrogen_use_efficiency

NUE_pct = geopard.calculate_nitrogen_use_efficiency(N_total_applied, N_uptake) N_total_applied és N_uptake Értékelje a Nitrogénhasznosulást százalékban ezzel a függvénnyel. Ha megadja a korábbi függvényekből származó

változókat, mérheti a nitrogénkijuttatás hatékonyságát, ami segít a műtrágya-használat optimalizálásában.

calculate_costs
rates = [seed_rate, fertilizer_rate]
prices = [1.2, 0.8]  # ár egységenként az egyes arányrétegekhez

costs = geopard.calculate_costs(rates, prices) Számítsa ki az összköltségeket a kijuttatási arányok és árak alapján ezzel a függvénnyel. Ha megad egy application_rate_list AppliedRate attribútummal rendelkező Adatkészletet és a hozzá tartozóprice_per_unit_list értéket, összegezheti a különböző gazdálkodási tevékenységekhez kapcsolódó kiadásokat, támogatva a költségvetés-kezelést és pénzügyi tervezést. A kimenetként a értéket használja aköltségeket.

használja a

geopard.calculate_profit

calculate_revenue revenue = geopard.calculate_revenue(yield_as_mass=yield_layer, yield_price_per_unit=0.25) Számítsa ki a bevételt a Hoammennyiség Adatkészlet alapján ezzel a függvénnyel. Ha megadja a yield_as_massa Hoammennyiség Adatkészlet attribútumához tartozó változót és a értéket, összegezheti a különböző gazdálkodási tevékenységekhez kapcsolódó kiadásokat, támogatva a költségvetés-kezelést és pénzügyi tervezést. A kimenetként a értéket használja aköltségeket .

yield_price_per_unit

értéket, becsülheti a növénytermesztésből származó bevételt, megkönnyítve a gazdasági értékeléseket. A kimenetként a

calculate_profit profit = geopard.calculate_profit(revenue, costs) és értéket, összegezheti a különböző gazdálkodási tevékenységekhez kapcsolódó kiadásokat, támogatva a költségvetés-kezelést és pénzügyi tervezést. A kimenetként a Határozza meg a profitot a költségek bevételből való levonásával ezzel a függvénnyel. Ha megadja a

revenue

változókat (a korábbi függvényekből), könnyen kiszámíthatja a gazdasági nyereséget a tevékenységeikből, támogatva a jövedelmezőség elemzését és a stratégiai döntéshozatalt.
fill_value_for_range

# tartsa meg csak a 10 és 20 közötti értékeket, a többit cserélje le 0-ra filtered = geopard.fill_value_for_range(layer, min_value=10, max_value=20, value_to_fill=0) Ez a függvény egy megadott tartományon belüli értékeket szűr egy filtered = geopard.fill_value_for_range(layer, min_value=10, max_value=20, value_to_fill=0) bemeneti tömbben. Ha megadja a tömböt és opcionálisan a min_value és opcionálisan a max_value küszöbértékeket, izolálhatja a kívánt tartományba eső értékeket. A

value_to_fill

paraméter lehetővé teszi, hogy a tartományon kívüli értékeket egy megadott értékre cserélje, javítva az adatszűrést és normalizálást.

calculate_per_pixel_mae

mae_layer = geopard.calculate_per_pixel_mae(predicted_yield, observed_yield)

Ezt a függvényt használja a Középértékű Abszolút Hiba (MAE) pixelenkénti kiszámításához két adatkészlet között. Térképes kimenetet ad az abszolút különbségekről. Az "abszolút különbség" egyszerűen a rés nagysága a megfelelő pixelek értékei között, figyelmen kívül hagyva, hogy melyik a nagyobb.

A függvény segít azonosítani azokat a területeket, ahol nagyobb eltérések vannak.

calculate_per_pixel_relative_deviation relative_dev = geopard.calculate_per_pixel_relative_deviation(observed_yield, modeled_yield)Ez a függvény kiszámítja pixelenként a relatív eltérést két adatkészlet között, a különbséget a relative_dev = geopard.calculate_per_pixel_relative_deviation(observed_yield, modeled_yield) dataset_1

értékének százalékában kifejezve. Tulajdonképpen megmutatja, hogy egy pixel értéke arányosan mennyire tér el a megfelelő értéktől a

másik adatkészletben.

Ez a megközelítés különösen értékes talajtulajdonságok, hozam vagy távérzékelési adatok vizsgálatakor, lehetővé téve gyorsan észrevenni azokat a területeket, ahol jelentős arányos eltérések vannak.

calculate_difference

difference = geopard.calculate_difference(yield_2024, yield_2023)

Ez a függvény egy adatkészletet levon a másikból, hogy különbségtérképet készítsen. Kiemeli azokat a területeket, ahol az egyik adatkészlet értékei magasabbak vagy alacsonyabbak a másikhoz képest, megkönnyítve a trendek és időbeli változások észlelését.

Ez az eszköz különösen hasznos a talajtulajdonságok, hozam vagy távérzékelési adatok változásainak vizualizálására, segít gyorsan azonosítani a további elemzést vagy beavatkozást igénylő kulcsterületeket.

calculate_relative_difference relative_diff = geopard.calculate_relative_difference(yield_2024, yield_2023)Ez a függvény pixelenként kiszámítja a relatív különbséget az adatkészletek közötti különbség normalizálásával a relative_diff = geopard.calculate_relative_difference(yield_2024, yield_2023).

dataset_2

értékeivel. Ez azt jelenti, hogy megmutatja, milyen mértékű a változás a

összértékhez képest.

Az ilyen arányos összehasonlítás különösen hasznos, ha eltérő skálájú adatkészletekkel dolgozik, segít feltárni a talajjellemzőkben, hozamokban vagy szenzor-értékekben bekövetkezett relatív elmozdulásokat. Ez a megközelítés lehetővé teszi a jelentős változásokat mutató területek pontosabb kijelölését.

calculate_normalized_difference

normalized_diff = geopard.calculate_normalized_difference(layer_1, layer_2)

Ez a függvény pixelenként kiszámítja a normalizált különbséget azzal, hogy mindkét adatkészletet a globális maximum értékükhöz méretezi. Ez a folyamat lehetővé teszi az adatkészletek közvetlen összehasonlítását, még akkor is, ha eredetileg különböző tartományokkal rendelkeztek.
A kapott térkép tiszta képet ad a talajtulajdonságok, hozam és távérzékelési adatok változásairól, lehetővé téve a kulcsfontosságú különbségek gyors azonosítását és értékelését.
    (4, 8),
    (8, 12),
    (12, 16)
]

build_zones_by_intervals
# intervallumok a zónázáshoz
    intervals = [ 
    # használat
)

zones = geopard.build_zones_by_intervals(

layer,

intervals

Ez a függvény kezelési zóna térképet hoz létre úgy, hogy egy folytonos raszterrétet feloszt diszkrét zónákra a felhasználó által definiált értékintervallumok alapján.

• Minden intervallum egy zónát határoz meg, és minden pixel a hozzá tartozó értéktartomány szerinti zónához kerül. Azok a pixelek, amelyek nem illeszkednek egyik intervallumba sem, -1-ként lesznek jelölve.

• Ez a zónázási módszer gyakran használatos hozamtérképek, talajjellemzők vagy távérzékelési indexek átalakítására akcióra alkalmas kezelési zónákká változó dózisú kijuttatásokhoz.

• Tipikus felhasználási esetek

Kezelési zónák létrehozása hozam-, NDVI- vagy talajrétegekből

Zónatérképek előkészítése tápanyag- vagy vetési arány számításokhoz
Táblák felosztása homogén zónákra döntéstámogatáshoz
calculate_nutrient_rate_as_active_ingredients_per_zone
# target_nutrient lehetőségek
calculate_nutrient_rate_as_active_ingredients_per_zone
target_nutrient_option1 = 50 # állandó szám

# VAGY
target_nutrient_option2 = {1: 20, 2: 40} # zónánkénti szótár
    target_nutrient_option3 = np.array([[1, 1], [2, 3]], dtype=float) # folytonos raszterréteg
    # applied_nutrient_operations lehetőségek
    applied_operations = [
]

build_zones_by_intervals
5,                                      # művelet1 állandó számmal
    {1: 2, 2: 4},                           # művelet2 zónánkénti szótárként 
    np.array([[1, 1], [2, 3]], dtype=float) # művelet3 folytonos raszterrétegként 
    rates_as_active_ingredients = geopard.calculate_nutrient_rate_as_active_ingredients_per_zone( 
    zone_map,
)

target_nutrient,

plant_available_soil_nutrient,

• applied_nutrient_operations = applied_operations # vagy []

• Ez a függvény kiszámítja a kezelési zónánként szükséges tápanyag-kijuttatási rátát (hatóanyag formájában).

• A számítás a következő alapokon nyugszik:

egy cél tápanyagszint,

a talajból növény számára elérhető tápanyagellátás,

korábban kijuttatott tápanyagok (trágya, műtrágya, hígtrágya stb.).

A kijuttatott tápanyag műveletek megadhatók konstansként, zónánkénti értékként, raszterrétegként vagy ezek bármilyen kombinációjaként. Minden bemenet automatikusan feloldódik és zónánként összegződik.
Alapértelmezés szerint a szükséges ráta a cél tápanyagszint és a talajellátás valamint a kijuttatott tápanyagok összege közti különbségként kerül kiszámításra. Az eredmény rasztertérképként tér vissza, ahol minden zóna egységes tápanyagrátát tartalmaz.
calculate_nutrient_rate_as_active_ingredients_per_zone
convert_active_ingredient_and_product

build_zones_by_intervals
# átváltási együttható hatóanyag és termék között
    intervals = [ 
    corrected_coefficient = 1.5  # állandó együttható
)

corrected_coefficient = np.array([[np.nan, 5], [np.nan, 1]], dtype=float) # pixelenkénti együtthatók rates_as_products = geopard.convert_active_ingredient_and_product( corrected_coefficient','t201':'Ez a függvény egy raszterréteget átkonvertál a hatóanyag-ráták és a termék-ráták között egy korrekciós együttható használatával.

A corrected_coefficient = 1.5 # állandó együttható lehet egyetlen valós szám (az összes pixelen alkalmazva) vagy egy együttható mátrix (pixelenkénti átszámítás). Tipikusan arra használjuk, hogy a kiszámolt tápanyagigényt (hatóanyag) tényleges műtrágyaszórási rátává alakítsuk, vagy fordítva, a műtrágya összetétele vagy a tápanyag-koncentráció alapján.

Az átváltás pixelenként történik, megőrizve az eredeti réteg térbeli struktúráját.

Ez a függvény kezelési zóna térképet hoz létre úgy, hogy egy folytonos raszterrétet feloszt diszkrét zónákra a felhasználó által definiált értékintervallumok alapján.

• Tápanyagmennyiségek átszámítása műtrágya termékrátákra

• Alkalmazási térképek kiigazítása a tápanyag-koncentráció alapján

• Végső előírás-térképek elkészítése a gépekhez

estimate_texture_class_based_on_usda

usda_texture = geopard.estimate_texture_class_based_on_usda(
    homok_szazalek_reteg,
    iszap_szazalek_reteg,
    agyag_szazalek_reteg
)

Ez a függvény a homok-, iszap- és agyag százalékok alapján minden pixelnél megbecsüli az USDA talajtextúrát.

Adjon meg három raszterréteget százalékban (0–100), amelyek a részecskeméret-frakciókat képviselik. A kimenet USDA osztálynevek, például homok, loamy_sand (középkötött homok), sandy_loam (homokos vályog), loam (vagy vályog), silt_loam (iszapos vályog), sandy_clay_loam (homokos agyagos vályog), clay_loam (agyagos vályog), silty_clay_loam (iszapos agyagos vályog), silty_clay (iszapos agyag) vagy undefined ha a bemenetek érvénytelenek.

estimate_texture_class_based_on_fao_wrb

fao_wrb_texture = geopard.estimate_texture_class_based_on_fao_wrb(
    homok_szazalek_reteg,
    iszap_szazalek_reteg,
    agyag_szazalek_reteg
)

Ez a függvény a homok-, iszap- és agyag százalékok alapján pixelenként megbecsüli az FAO/WRB (ISO 11277) talajtextúra-osztályt.

Adjon meg három raszterréteget százalékban (0–100), amelyek a részecskeméret-frakciókat képviselik. A kimenet FAO/WRB osztálykódok, mint például S, LS, SL, L, SiL, Si, SCL, CL, SiCL, SC, SiC, C, HC vagy undefined ha a bemenetek érvénytelenek.

calculate_soil_bulk_density

bulk_density = geopard.calculate_soil_bulk_density(texture_class_layer, som_pct_layer)

Ez a függvény kiszámítja a talaj térfogattömegét (g/cm³) a textúraosztály és opcionális talaj szervesanyag-tartalom (SOM) alapján.

A texture_class_layer tartalmaznia kell az előzőekben említett USDA textúrafüggvény által vagy a FAO/WRB textúrafüggvény által előállított osztályneveket vagy kódokat.

Ha som_pct_layer ha meg van adva (százalék), a függvény a SOM alapján korrigálja a térfogattömeget. Ellenkező esetben a USDA vagy FAO/WRB táblázat szerinti textúraosztályokhoz tartozó talaj térfogattömeg (g/cm³) értékeket adja vissza.