> 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/termektura-webalkalmazas/zones-maps-and-analytics/multi-layer-analytics.md).

# Többrétegű elemzés

A GeoPardban több adatréteget is összekapcsolhatsz gazdálkodási zónák létrehozásához. Te állíthatod a súlyokat, indexeket, zónaszámot, кластерelési típust és a minimális poligonterületet.

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

*Interaktív bemutató – többrétegű zónák létrehozása*

A precíziós mezőgazdaság nagy mennyiségű adatot állít elő, többek között terméshozam-adatokat, műholdfelvételeket és talajtermékenységi rétegeket. Sok gazdálkodócsapatnak még mindig nehézséget okoz, hogy ezekből a rétegekből hasznos felismeréseket és intézkedéseket vezessen le. A precíziós mezőgazdaságban a gazdálkodási zónák a táblának azok a részei, amelyek hasonló terméspotenciállal rendelkeznek, például a talajtípus, a lejtőn elfoglalt helyzet, a talaj kémiai tulajdonságai, a mikroklíma vagy más, a növénytermesztést befolyásoló tényezők alapján. A helyi táblaismeret szintén fontos része a folyamatnak. A gazdálkodási zónák segítenek optimalizálni a növénytermesztés ráfordításait és a terméspotenciált.

A fő kihívás olyan gazdálkodási zónák kialakítása, amelyek a tábla valós változatosságát tükrözik. A különböző rétegek – például a műholdfelvételek, a talajtermékenység, a domborzati származtatott adatok és a hozammérő adatai – kombinálása a következő logikus lépés a változó körülményekhez jobban igazodó gazdálkodási zónák kialakítása felé.

A többrétegű analitika (más néven integrált elemzés) a GeoPard térinformatikai elemzőmotorjának részévé válik.

Az integrált elemzés klasszikus kombinációi közé tartozik egy vagy több hozamadatkészlet, egy NDVI-térkép, a tengerszint feletti magasság és a talajérzékelők fizikai-kémiai adatai. A GeoPard ezeket a paramétereket is támogatja, és lehetővé teszi, hogy más, a rendszerben már elérhető vagy a felhasználó által közvetlenül feltöltött táblaadat-rétegeket – például talajmintavételi és hozamadatokat – is bevonjon. Így az integrált elemzéshez szükséges paraméterek teljes körével dolgozhat:

Hozamadatok\
Távérzékelési adatok:

* Termelési potenciáltérkép (egyéves és többéves)
* Stabilitási/variabilitási térkép
* Vegetációs indexek: NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Domborzat:

* Tengerszint feletti magasság
* Lejtés
* Görbület
* Nedvességi index
* Kitettség
* Árnyékolt domborzatmodellek
* Felszíni tagoltság
* Felszíni érdesség

Talajadatok:

* pH
* CEC (kationcsere-kapacitás)
* SOM (talaj szervesanyag-tartalma)
* K (kálium)
* Vékony termőréteg, kisebb hasznosítható vízmegtartó képesség (aszályra hajlamos talaj)
* EC (elektromos vezetőképesség)
* valamint a feltöltött adatkészlet egyéb elérhető kémiai jellemzői

Fontos megjegyezni, hogy minden adatréteghez egyedi tényezőket állíthat be a kívánt súlyozáshoz. A GeoPardban saját táblaismerete alapján készíthet gazdálkodásizóna-térképeket, miközben kiválasztja az adatforrásokat és azok súlyait.

## A rétegsúlyok működése

A súly határozza meg, hogy az adott réteg milyen mértékben befolyásolja a kapott zónatérkép minden egyes képpontját.

### Először normalizálás

A bemeneti rétegek mértékegységei és értéktartományai eltérnek: az NDVI 0 és 1 között, a hozam 4 és 12 t/ha között, a pH 5,5 és 7,5 között, az EC pedig 5 és 60 mS/m között változik. A nyers értékek kombinálásakor a legnagyobb számtartományú réteg dominálná az eredményt, függetlenül annak agronómiai jelentőségétől.

A GeoPard először minden rétegre min–max normalizálást alkalmaz, vagyis az adott réteg táblán belüli minimuma és maximuma alapján közös tartományra skálázza az értékeket. Ezután már csak a súly határozza meg az adott réteg befolyását.

### Ezután érvényesülnek a súlyok

A rendszer minden normalizált réteget megszoroz a súlyával, majd a rétegeket egyetlen felületté egyesíti.

### A negatív súly megfordítja a réteg értékeit

A negatív súly megfordítja a skálát: a réteg magas értékei alacsonynak, az alacsony értékei pedig magasnak számítanak. Akkor használja ezt, ha a magas értékek kedvezőtlenebb körülményeket jeleznek, például:

* Agyagtartalom rossz vízelvezetésű táblán
* Tengerszint feletti magasság, ha a mélyebb fekvésű részeken fagykár vagy vízborítás jelentkezik
* EC, ha a magas értékek vízmegtartó képesség helyett sótartalomra utalnak

### A hiányzó részeket interpolálja

Ha egy rétegben hiányzó képpontok vannak (felhőtakarás egy műholdfelvételen, kihagyott menet a hozamadatokban vagy ritkás talajmintavételi pontok), a GeoPard a környező értékekből interpolálja a hiányt ahelyett, hogy kihagyná az adott képpontot. Az egyesített térkép így az egész táblán folytonos marad.

### Az eredményt ismét normalizálja

A súlyozás és az egyesítés után az eredménytérképet a rendszer ismét normalizálja, hogy a teljes értéktartományt lefedje, majd felosztja az Ön által kiválasztott számú zónára.

{% hint style="info" %}
**A súlyok kiválasztása:** kezdje azzal, hogy a legmegbízhatóbb rétegnek adja a legnagyobb súlyt. A többéves hozam és a műholdas adatokból számított hosszú távú termelőképesség általában a legmegbízhatóbb jelzések. Az egyetlen időpontról származó műholdfelvétel a leginkább helyzetfüggő, mivel egyetlen felvétel a tenyészidőszak egyetlen pillanatát mutatja.
{% endhint %}

Az alábbi képeken egy mintatábla látható olyan adatrétegekkel, mint a 18 éves termelőképességi térkép, a digitális domborzatmodell, a lejtés, az árnyékolt domborzatmodell és a 2019-es hozamadatok, valamint a különböző integrált elemzési eredmények. Megfigyelheti, hogyan alakulnak a gazdálkodási zónák az újabb rétegek hozzáadásával.

<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/hu/termektura-webalkalmazas/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.
