Egyéni függvények katalógusa

Ezek a függvények összetett Python-kódot csomagolnak, lehetővé téve a kifinomult adatmanipulációk és számítások egyszerű megvalósítását.

A GeoPard az egyedi függvények átfogó katalógusát kínálja, amelyeket úgy terveztek, hogy javítsák az egyenletalapú elemzések olvashatóságát és funkcionalitását. Ezek a függvények összetett python kódot foglalnak magukba, így könnyedén végezhet kifinomult adatmanipulációkat és számításokat.

Egyenlet megadása

Adjon meg egy egyenletet

A GeoPardban intuitívabb és könnyebben karbantartható egyenletek létrehozásához elérhető előre elkészített függvények listája a geopard csomagban található:

fill_gaps_with_k_neighbors

# az input_data egy Dataset attribútumréteg (pl. Yield, NDVI)
filled_layer = geopard.fill_gaps_with_k_neighbors(yield_layer, k=5)

Ez a függvény a K-Neighbors algoritmus segítségével állítja helyre az adathiányokat vagy nullákat egy adathalmazban. Az input_data változó (mint Dataset a kiválasztott attribútummal) és a szomszédok száma, kmegadásával zökkenőmentesen kitöltheti a hiányzó értékeket, biztosítva az adatok folytonosságát és épségét.

Ez a függvény akkor működik jól, ha az adathiányok a táblán belül elszórtan helyezkednek el, és nem a táblahatár egy adott részéhez kötődnek.

determine_data_similarity

similarity = geopard.determine_data_similarity(yield_2023, yield_2024)

Ezzel a függvénnyel két Dataset pixelenkénti hasonlóságát számíthatja ki. A data_layer_1 és data_layer_2 változóknak ugyanazt a mérést kell képviselniük azonos mértékegységben az értelmes összehasonlítás érdekében. Ha Datasetekhez data_layer_1 és data_layer_2 kapcsolódó változókat ad meg, 0 és 1 közötti értékeket tartalmazó hasonlósági térképet hozhat létre, ami segíti az összehasonlító vizsgálatokat és a 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)

Ezzel a függvénnyel két normalizált adathalmaz pixelenkénti hasonlóságát számíthatja ki. A normalizálás akkor ajánlott, ha az eredeti data_layer_1 és data_layer_2 különböző skálájúak vagy eltérő mértékegységűek. Ha ezeket az adathalmazokat bemenetként megadja, a függvény 0 és 1 közötti értékekkel hasonlósági térképet készít, így alkalmas összehasonlító vizsgálatokra, mintázatfelismerésre és térbeli konzisztenciaelemzésre.

determine_low_high_similarity

zones = geopard.determine_low_high_similarity(soil_ph, yield_layer)

Ez a függvény két Dataset alacsony-magas hasonlóságát értékeli. Ha data_layer_1 és data_layer_2 Datasetekhez kapcsolódó változókat ad meg, kategorizált hasonlósági térképet kap, amely olyan kombinációkat jelez, mint alacsony-alacsony, alacsony-magas, magas-alacsony és magas-magas; ez hasznos a részletesebb adatosztályozáshoz.

get_value_for_zone

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

Ezzel a függvénnyel egy Dataset attribútum összes értékét kinyerheti egyetlen zónán belül. Adja meg a data_layer (az attribútumréteget), zones_layer (a zónatérképet), valamint a zone_id (a zóna számát), hogy elkülönítse az adott zónán belüli elemzéshez szükséges értékeket, például terméshozamot, kijuttatási mennyiséget vagy vetőmagnormát.

drop_value

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

Ez a függvény lehetővé teszi, hogy eltávolítson meghatározott értékeket egy adathalmaz attribútumából. A data_layer és value_to_dropmegadásával megtisztíthatja az adathalmazt úgy, hogy ezeket az értékeket eltávolítja az eredményből, technikailag NaN.

értékre cserélve őket

ndvi_normalized = geopard.normalize_data(ndvi_layer)

Ezzel a függvénnyel normalizálhat egy adathalmaz-attribútumot. Ha megadja data_layerezt, az adatokat szabványosított 0 és 1 közötti tartományra skálázhatja, ami megkönnyíti a különböző adathalmazok összehasonlítását és integrálását.

calculate_total_applied_fertilizer

applications = [urea_rate, map_rate]
coefficients = [1.0, 1.0]  # használjon 1.0-t a mértékegységek megtartásához, vagy módosítsa a termék koncentrációja szerint

total_applied = geopard.calculate_total_applied_fertilizer(applications, coefficients)

Ezzel a függvénnyel kiszámíthatja az összes kijuttatott műtrágya mennyiségét területegységre vetített mértékegységben (például kg/ha, l/ha, gal/ac stb.). A application_list AppliedRate attribútummal rendelkező Datasetjeinek és a hozzájuk tartozó active_ingredient_coefficient_list műtrágyatermékekhez való megadásával megkaphatja a tényleges összes kijuttatott műtrágya mennyiségét egységben (például kg, l, gal stb.).

calculate_total_applied_nitrogen

applications = [urea_rate, uan_rate]
nitrogen_coefficients = [0.46, 0.32]  # N arány (hatóanyag) az egyes termékekben

N_total_applied = geopard.calculate_total_applied_nitrogen(applications, nitrogen_coefficients)

Ezzel a függvénnyel kiszámíthatja az összes kijuttatott nitrogént kg/ha-ban. A application_list AppliedRate attribútummal rendelkező Datasetjeinek és a hozzájuk tartozó active_ingredient_coefficient_list nitrogéntartalmú termékekhez való megadásával, hogy a tényleges nitrogént kg/ha-ra alakítsa, pontosan kiszámíthatja az összes kijuttatott nitrogént, ami fontos a mezőgazdasági tervezéshez és a fenntarthatósági értékelésekhez. A kimenetként kapott érték használata N_total_applied itt történik:geopard.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
)

Ezzel a függvénnyel meghatározhatja a nitrogénfelvételt kg/ha-ban. Ha megadja a yield_wet_tha, moisture_pct, protein_pct értékeket a Yield Datasetből, valamint a protein_crop_correction_coefficient értéket, amely a fehérje és a nitrogénfelvétel kapcsolatát jelöli, felmérheti a nitrogénhasznosítás hatékonyságát a növénytermesztésben. A kimenetként kapott érték használata N_uptake itt történik:geopard.calculate_nitrogen_use_efficiency .

calculate_nitrogen_use_efficiency

NUE_pct = geopard.calculate_nitrogen_use_efficiency(N_total_applied, N_uptake)

Ezzel a függvénnyel százalékos formában értékelheti a nitrogénhasznosítás hatékonyságát. Ha megadja a N_total_applied és N_uptake változókat (az előző függvényekből), mérheti a nitrogénkijuttatás hatékonyságát, ami segít a műtrágyahasználat optimalizálásában.

calculate_costs

rates = [seed_rate, fertilizer_rate]
prices = [1.2, 0.8]  # egységár minden normaréteghez
costs = geopard.calculate_costs(rates, prices)

Ezzel a függvénnyel kiszámíthatja az összes költséget a kijuttatási normák és az árak alapján. Ha megad egy application_rate_list listát AppliedRate attribútummal rendelkező Datasetekből és egy hozzá tartozó price_per_unit_listlistát, összesítheti a különféle mezőgazdasági tevékenységekhez kapcsolódó kiadásokat, támogatva a költségvetés-kezelést és a pénzügyi tervezést. A kimenetként kapott érték használata costs itt történik:geopard.calculate_profit.

calculate_revenue

revenue = geopard.calculate_revenue(yield_as_mass=yield_layer, yield_price_per_unit=0.25)

Ezzel a függvénnyel kiszámíthatja a bevételt a Yield Dataset alapján. Ha megadja a yield_as_mass változót, amely a Yield Dataset attribútumához kapcsolódik, valamint a yield_price_per_unitértéket, megbecsülheti a növénytermesztésből származó bevételt, megkönnyítve a gazdasági értékeléseket. A kimenetként kapott érték használata costs itt történik:geopard.calculate_profit .

calculate_profit

profit = geopard.calculate_profit(revenue, costs)

Ezzel a függvénnyel meghatározhatja a profitot úgy, hogy a bevételből kivonja a költségeket. Ha megadja a revenue és costs változókat (az előző függvényekből), könnyen kiszámíthatja a mezőgazdasági műveletekből származó pénzügyi nyereséget, támogatva a jövedelmezőségi elemzést és a stratégiai döntéshozatalt.

fill_value_for_range

# csak a 10 és 20 közötti értékeket tartsa meg, a többit cserélje 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 az input tömbben. A input tömb, valamint az opcionális min_value és opcionális max_value küszöbértékek megadásával elkülönítheti a kívánt tartományba eső értékeket. A value_to_fill paraméter lehetővé teszi a tartományon kívüli értékek megadott értékkel történő helyettesítését, javítva az adatszűrési és normalizálási folyamatokat.

calculate_per_pixel_mae

mae_layer = geopard.calculate_per_pixel_mae(predicted_yield, observed_yield)

Ezzel a függvénnyel kiszámíthatja a pixelenkénti átlagos abszolút hibát (MAE) két adathalmaz között. A függvény az abszolút eltérések térbeli térképét adja. Az „abszolút eltérés” egyszerűen a megfelelő pixelek értékei közötti különbség nagyságát jelenti, függetlenül attól, hogy melyik magasabb vagy alacsonyabb.

A függvény segít azonosítani a nagyobb eltérésekkel rendelkező területeket.

calculate_per_pixel_relative_deviation

relative_dev = geopard.calculate_per_pixel_relative_deviation(observed_yield, modeled_yield)

Ez a függvény két adathalmaz között minden pixelre kiszámítja a relatív eltérést, és a különbséget a dataset_1értékének százalékában fejezi ki. Lényegében azt mutatja meg, hogy egy pixel értéke mennyire tér el a megfelelő értéktől a dataset_1 viszonyában arányos formában.

Ez a megközelítés különösen értékes a talajtulajdonságok, terméshozam vagy távérzékelési adatok változásainak elemzésekor, mert segít gyorsan észrevenni a jelentős arányos különbségeket mutató területeket.

calculate_difference

difference = geopard.calculate_difference(yield_2024, yield_2023)

Ez a függvény kivon egy adathalmazt egy másikból, hogy különbségtérképet hozzon létre. Kiemeli azokat a területeket, ahol az egyik adathalmaz értékei magasabbak vagy alacsonyabbak a másikhoz képest, így könnyebb észrevenni a trendeket és az időbeli változásokat.

Ez az eszköz különösen hasznos a talajtulajdonságok, terméshozam vagy távérzékelési adatok eltéréseinek megjelenítésére, segítve a további elemzést vagy beavatkozást igénylő területek gyors azonosítását.

calculate_relative_difference

relative_diff = geopard.calculate_relative_difference(yield_2024, yield_2023)

Ez a függvény minden pixelre kiszámítja a relatív különbséget úgy, hogy az adathalmazok közötti eltérést a dataset_2értékei alapján normalizálja. Ez azt jelenti, hogy megmutatja, mennyire jelentős a változás a dataset_2.

nagyságához viszonyítva. Az ilyen arányos összehasonlítás különösen hasznos eltérő skálájú adathalmazok esetén, mert segít feltárni a talajtulajdonságok, terméshozamok vagy szenzorkimenetek relatív elmozdulásait. Ez a megközelítés segít a számottevő eltérést mutató területek beazonosításában.

calculate_normalized_difference

normalized_diff = geopard.calculate_normalized_difference(layer_1, layer_2)

Ez a függvény minden pixelre kiszámítja a normalizált különbséget úgy, hogy mindkét adathalmazt a saját globális maximumértékükhöz skálázza. Ez a folyamat közvetlenül összehasonlíthatóvá teszi az adathalmazokat még akkor is, ha eredetileg eltérő tartományúak.

Az eredményül kapott térkép világos képet ad a talajtulajdonságok, a terméshozam és a távérzékelési adatok eltéréseiről, lehetővé téve a lényeges különbségek gyors azonosítását és értékelését.

build_zones_by_intervals

# intervallumok a zónázáshoz
intervals = [
    (4, 8),
    (8, 12),
    (12, 16)
]

# használat
zones = geopard.build_zones_by_intervals(
    layer, 
    intervals
)

Ez a függvény kezelési zónatérképet hoz létre úgy, hogy egy folytonos raszterréteget a felhasználó által meghatározott értékintervallumok alapján diszkrét zónákba sorol.

Minden intervallum egy zónát határoz meg, és minden pixel ahhoz a zónához lesz rendelve, amelynek értéktartományába esik. Azokat a pixeleket, amelyek egyik intervallumba sem illenek, -1 értékkel jelöli.

Ezt a zónázási megközelítést általában arra használják, hogy a terméstérképeket, talajtulajdonságokat vagy távérzékelési indexeket gyakorlati kezelési zónákká alakítsák a differenciált kijuttatáshoz.

Tipikus felhasználási esetek

• Kezelési zónák létrehozása hozam-, NDVI- vagy talajrétegekből

• Zónatérképek előkészítése tápanyag- vagy vetésinorma-számításokhoz

• Táblák homogén zónákra bontása a döntéshozatal támogatására

calculate_nutrient_rate_as_active_ingredients_per_zone

# target_nutrient lehetőségek
target_nutrient_option1 = 50 # állandó szám
# VAGY
target_nutrient_option2 = {1: 20, 2: 40} # zónánkénti dict
# VAGY
target_nutrient_option3 = np.array([[1, 1], [2, 3]], dtype=float) # folytonos raszterréteg

# applied_nutrient_operations lehetőségek
applied_operations = [
    5,                                      # operation1 állandó számként
    {1: 2, 2: 4},                           # operation2 zónánkénti dictként
    np.array([[1, 1], [2, 3]], dtype=float) # operation3 folytonos raszterrétegként
]

# használat
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 minden kezelési zónára kiszámítja a szükséges tápanyag-kijuttatási normát (hatóanyagban).

A számítás alapja:

• egy célzott tápanyagszint,

• a talajból származó, növény számára felvehető tápanyagellátás,

• a korábbi műveletekkel már kijuttatott tápanyagok (trágya, műtrágya, fermentlé stb.).

A kijuttatott tápanyag-műveletek megadhatók konstansként, zónánkénti értékként, raszterrétegként vagy ezek bármilyen kombinációjaként. Minden bemenet automatikusan feloldásra és zónánként összesítésre kerül.

Alapértelmezés szerint a szükséges norma a célzott tápanyagszint és a talajellátás plusz a kijuttatott tápanyagok összege közötti különbségként kerül kiszámításra. Az eredmény egy rasztertérképként tér vissza, ahol minden zóna egységes tápanyagnormát tartalmaz.

convert_active_ingredient_and_product

# átváltási együttható hatóanyag és termék között, illetve vissza
corrected_coefficient = 1.5  # állandó együttható
# VAGY
corrected_coefficient = np.array([[np.nan, 5], [np.nan, 1]], dtype=float)  # pixelenkénti együtthatók

# használat
rates_as_products = geopard.convert_active_ingredient_and_product(
    layer, 
    corrected_coefficient
)

Ez a függvény egy raszterréteget alakít át hatóanyag-dózisok és termékdózisok között egy korrekciós együttható használatával.

A corrected_coefficient lehet egyetlen float (minden pixelre alkalmazva) vagy együttható mátrix (pixelenkénti átváltás). Jellemzően arra használják, hogy a kiszámított tápanyagigényt (hatóanyag) a műtrágya összetétele vagy a tápanyag-koncentráció alapján tényleges termék-kijuttatási normává alakítsák, vagy fordítva.

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

Tipikus felhasználási esetek

• Tápanyagdózisok műtrágyatermék-dózisokká alakítása

• Kijuttatási térképek igazítása a tápanyag-koncentráció alapján

• Végső kijuttatási előírástérképek előkészítése a gépek számára

estimate_texture_class_based_on_usda

usda_texture = geopard.estimate_texture_class_based_on_usda(
    sand_pct_layer,
    silt_pct_layer,
    clay_pct_layer
)

Ez a függvény minden pixelre megbecsüli az USDA talajtextúrát a homok-, iszap- és agyagszázalék alapján.

Adjon meg három raszterréteget százalékban (0-100), amelyek a szemcseméret-frakciókat jelölik. A kimenet USDA osztálynevek, például sand, loamy_sand, sandy_loam, loam, silt_loam, sandy_clay_loam, clay_loam, silty_clay_loam, silty_clay, vagy undefined ha a bemenetek érvénytelenek.

estimate_texture_class_based_on_fao_wrb

fao_wrb_texture = geopard.estimate_texture_class_based_on_fao_wrb(
    sand_pct_layer,
    silt_pct_layer,
    clay_pct_layer
)

Ez a függvény minden pixelre megbecsüli az FAO/WRB (ISO 11277) talajtextúra-osztályt a homok-, iszap- és agyagszázalék alapján.

Adjon meg három raszterréteget százalékban (0-100), amelyek a szemcseméret-frakciókat jelölik. A kimenet FAO/WRB osztálykódok, 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 az opcionális talaj szervesanyag-tartalma (SOM) alapján.

A texture_class_layer a USDA textúrafüggvény vagy a FAO/WRB textúrafüggvény által fent előállított osztályneveket vagy kódokat kell tartalmazza.

Ha a som_pct_layer százalékos értékként van megadva, a függvény ennek alapján igazítja a térfogattömeget SOM szerint. Ellenkező esetben a textúraosztályokhoz tartozó, USDA vagy FAO/WRB keresőtábla szerinti talaj térfogattömeg-értékeket ad vissza g/cm³-ben.