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

# Confronta i dati dello scanner del suolo tra anni diversi

Questo articolo illustra vari metodi matematici per quantificare le differenze tra i dataset dello scanner del suolo e migliorare il processo decisionale per ricercatori e agronomi.

Gli scanner del suolo sono strumenti essenziali per l’agricoltura di precisione: consentono di raccogliere dati ad alta risoluzione sulle proprietà del suolo, come umidità, sostanza organica e livelli di nutrienti. Confrontare due set di dati acquisiti con scanner del suolo è fondamentale per comprendere i cambiamenti nel tempo, convalidare diversi metodi di scansione o calibrare nuovi dispositivi. Questo articolo illustra vari approcci matematici per misurare gli scostamenti tra due set di dati acquisiti con scanner del suolo e offre indicazioni pratiche a ricercatori e agronomi.

### Comprendere gli scostamenti nei dati degli scanner del suolo

Lo scostamento tra due set di dati acquisiti con scanner del suolo indica le differenze tra i valori misurati negli stessi punti. Può dipendere da variazioni delle condizioni di misurazione, dalla calibrazione dei sensori o dalle dinamiche del suolo. I tipi di scostamento più comuni includono:

* Differenze assolute: sottrazione diretta dei valori tra i set di dati.
* Differenze relative: confronto basato sull’ordine di grandezza delle misurazioni.
* Metriche di errore: misure statistiche come l’errore medio assoluto (MAE) e la differenza normalizzata.

Sono stati scelti due set di dati acquisiti con scanner del suolo, relativi al potassio per il 2024 e il 2025.

<figure><img src="https://1371939954-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>Set di dati iniziali degli scanner del suolo</p></figcaption></figure>

### Scegliere il metodo di misurazione dello scostamento più adatto

| Metodo                                | Ideale per                                                    |
| ------------------------------------- | ------------------------------------------------------------- |
| Differenza diretta                    | Visualizzazione semplice delle variazioni positive e negative |
| Differenza relativa                   | Confronto tra set di dati con scale diverse                   |
| Differenza normalizzata               | Analisi standardizzata tra set di dati diversi                |
| Scostamento relativo                  | Differenze proporzionali, utili per analizzare le tendenze    |
| Errore medio assoluto (MAE) per pixel | Individuazione delle aree con grandi differenze assolute      |

### Calcolo della differenza diretta

Il metodo della differenza diretta sottrae semplicemente un set di dati dall’altro per visualizzare direttamente i cambiamenti nelle caratteristiche del suolo.

L’uso di `geopard.calculate_difference(dataset_1, dataset_2)` con la spiegazione dei parametri è documentato [qui](https://docs.geopard.tech/geopard-tutorials/it/tour-del-prodotto-app-web/equation-based-analytics/catalog-of-custom-functions.md#calculate_difference).

Vantaggi:

* Mostra chiaramente le variazioni positive e negative.
* È facile da interpretare e visualizzare.

Svantaggi:

* Può essere difficile confrontare i valori delle differenze se i set di dati hanno scale diverse.
* Una forte variabilità può condizionare l’interpretazione.

<figure><img src="https://1371939954-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>Calcolo della differenza diretta</p></figcaption></figure>

### Calcolo della differenza relativa

Il metodo della differenza relativa calcola la variazione percentuale tra i set di dati prendendo come riferimento il secondo, offrendo un’altra prospettiva sullo scostamento.

L’uso di `geopard.calculate_relative_difference(dataset_1, dataset_2)` con la spiegazione dei parametri è documentato [qui](https://docs.geopard.tech/geopard-tutorials/it/tour-del-prodotto-app-web/equation-based-analytics/catalog-of-custom-functions.md#calculate_relative_difference).

Vantaggi:

* È utile per capire quanto un set di dati sia cambiato in proporzione all’altro.
* Normalizza le differenze tra valori di ordine di grandezza diverso.

Svantaggi:

* Può diventare instabile quando i valori del secondo set di dati sono prossimi a zero.
* È meno intuitivo quando sono importanti le differenze assolute.

<figure><img src="https://1371939954-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>Calcolo della differenza relativa</p></figcaption></figure>

### Calcolo della differenza normalizzata

Il metodo della differenza normalizzata normalizza i set di dati rispetto al loro valore massimo globale prima di calcolare le differenze, così da rendere confrontabili le variazioni anche tra scale diverse.

L’uso di `geopard.calculate_normalized_difference(dataset_1, dataset_2)` con la spiegazione dei parametri è documentato [qui](https://docs.geopard.tech/geopard-tutorials/it/tour-del-prodotto-app-web/equation-based-analytics/catalog-of-custom-functions.md#calculate_normalized_difference).

Vantaggi:

* È efficace con set di dati che presentano intervalli dinamici diversi.
* Riduce l’impatto dei valori estremi.

Svantaggi:

* Se non vengono scalate correttamente, le piccole variazioni possono sembrare esagerate.

<figure><img src="https://1371939954-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>Calcolo della differenza normalizzata</p></figcaption></figure>

### Deviazione relativa per pixel

Il metodo della deviazione relativa calcola la deviazione come percentuale rispetto al primo dataset. Aiuta a comprendere le differenze proporzionali anziché quelle assolute.

L’uso di `geopard.calculate_per_pixel_relative_deviation(dataset_1, dataset_2)` con la spiegazione dei parametri è documentato [qui](https://docs.geopard.tech/geopard-tutorials/it/tour-del-prodotto-app-web/equation-based-analytics/catalog-of-custom-functions.md#calculate_per_pixel_relative_deviation).

Vantaggi:

* Utile per confrontare dataset con scale diverse.
* Esprime la deviazione in una percentuale di facile interpretazione.

Svantaggi:

* Può essere fuorviante se i valori originali sono molto piccoli.

<figure><img src="https://1371939954-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>Deviazione relativa per pixel</p></figcaption></figure>

### Errore medio assoluto (MAE) per pixel

Il metodo dell’errore assoluto medio (MAE) misura le differenze assolute tra valori corrispondenti di due dataset. Fornisce un quadro chiaro dei punti in cui si verificano le discrepanze maggiori.

L’uso di `geopard.calculate_per_pixel_mae(dataset_1, dataset_2)` con la spiegazione dei parametri è documentato [qui](https://docs.geopard.tech/geopard-tutorials/it/tour-del-prodotto-app-web/equation-based-analytics/catalog-of-custom-functions.md#calculate_per_pixel_mae).

Vantaggi:

* Semplice e intuitivo.
* Evidenzia chiaramente le differenze maggiori.
* Funziona bene con dataset su scale simili.

Svantaggi:

* Non mostra la direzione della differenza (ovvero, se la variazione è positiva o negativa).
* Sensibile ai valori anomali.

<figure><img src="https://1371939954-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>Errore medio assoluto (MAE) per pixel</p></figcaption></figure>

### Conclusione

Il confronto dei dataset acquisiti con gli scanner del suolo richiede diversi approcci matematici per estrarre differenze significative. Che si utilizzino metriche assolute come il MAE, deviazioni relative o confronti normalizzati, la scelta del metodo più adatto dipende dal caso d’uso. Applicando queste tecniche, agronomi e ricercatori possono migliorare l’analisi del suolo, rilevare le variazioni nei campi e ottimizzare i flussi di lavoro dell’agricoltura di precisione.


---

# 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/it/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.
