> 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/yield-and-trials/synthetic-yield-map.md).

# Mappa di resa sintetica: mappe di resa per le stagioni senza dati di resa

Ricostruisci la mappa di resa di una stagione passata usando immagini satellitari e un dato noto — resa totale o media dell’appezzamento — e usala per creare zone e fare confronti.

Una mappa di resa sintetica copre una stagione in cui il monitor di resa era spento, guasto o non era mai stato installato. GeoPard utilizza le immagini satellitari di quella stagione e un dato che conosci, la resa totale o media del campo, per distribuirla sull'intero appezzamento. Usala per completare le zone pluriennali o confrontare le stagioni; conserva i dati del monitor dove sono disponibili.

{% hint style="success" %}
Completa lo storico delle rese: [Inizia gratis](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=synthetic-yield-map)
{% endhint %}

## Valutare i divari di resa: l'importanza della mappatura sintetica delle rese

Il modulo GeoPard per le mappe di resa sintetiche affronta una sfida comune in agricoltura: la mancanza di dati storici dettagliati sulle rese per molti agricoltori. Spesso gli agricoltori conoscono la resa media o totale di ciascun campo, ma non dispongono delle mappe di resa dettagliate degli anni passati. Il modulo GeoPard offre una soluzione, consentendo di creare retrospettivamente mappe di resa con un'elevata accuratezza (oltre il 90%).

Questa funzionalità è particolarmente utile per gli agricoltori che desiderano comprendere e analizzare l'andamento delle rese dei propri campi nel corso degli anni. Il modulo utilizza i dati disponibili sulla resa media o totale e applica i metodi di analisi GeoPard per generare mappe dettagliate delle rese relative a qualsiasi anno passato.

Creando queste mappe di resa sintetiche, gli agricoltori possono comprendere la distribuzione e la variabilità delle rese all'interno dei propri campi. Queste informazioni sono fondamentali per prendere decisioni consapevoli sulla gestione delle colture, l'allocazione delle risorse e la pianificazione delle strategie agricole future.

In sintesi, il modulo GeoPard per le mappe di resa sintetiche offre agli agricoltori uno strumento pratico per ricavare informazioni storiche sulle rese, favorendo un approccio all'agricoltura più basato sui dati anche quando non sono disponibili registrazioni dettagliate degli anni passati.

Comprendere la distribuzione geospaziale delle rese è fondamentale per affinare le decisioni agronomiche di anno in anno, e le mappe di resa (o i dataset di resa) svolgono un ruolo chiave in questo processo.

Tuttavia, le mietitrebbie non sono sempre dotate delle attrezzature necessarie per registrare i dati di mappatura delle rese, soprattutto i modelli più datati. Di conseguenza, le mappe di resa spesso coprono solo le porzioni dei campi raccolte con macchine dotate di funzionalità di mappatura delle rese.

Per rispondere a queste sfide, GeoPard sta ultimando il rilascio della sua mappa di resa sintetica, una soluzione pensata per fornire una visione completa delle rese, indipendentemente dai limiti delle attrezzature.

## **Approccio tecnico**

Le mappe di resa sintetiche vengono generate sfruttando la vasta esperienza di GeoPard nella gestione dei dataset di resa, con particolare attenzione all'identificazione dei fattori che limitano la resa, alla valutazione del [potenziale del campo](https://geopard.tech/blog/field-potential-maps-yield-data/) e all'analisi dello [sviluppo della vegetazione durante la stagione](https://docs.geopard.tech/geopard-tutorials/it/tour-del-prodotto-app-web/satellite-monitoring.md). Questa metodologia consente di generare mappe di distribuzione delle rese anche in assenza di dati diretti delle macchine raccoglitrici.

I dati di telerilevamento costituiscono la base per la distribuzione geospaziale, mentre la calibrazione sui valori di resa effettivi avviene utilizzando la resa media o totale dichiarata per il campo. Questo approccio garantisce una rappresentazione accurata di ogni area del campo, offrendo un quadro completo e affidabile della distribuzione delle rese nell'intero appezzamento.

## Esempi pratici

{% hint style="info" %}
Per mantenere un'elevata accuratezza nei calcoli, è essenziale eseguire un passaggio aggiuntivo: la calibrazione della resa. Aiuta a eliminare le anomalie e a correggere la distribuzione statistica dei dati. Scopri di più sull' [importanza della calibrazione della resa](https://docs.geopard.tech/geopard-tutorials/it/agronomia/yield-and-trials/yield-calibration-and-cleaning.md) e su come eseguirla con GeoPard.
{% endhint %}

### Mappa di resa dell'insilato di mais: reale e sintetica

La verifica della mappa di resa sintetica è stata effettuata utilizzando una mappa di resa originale dell'insilato di mais. Il processo ha evidenziato la necessità di calibrare la resa come passaggio intermedio, per eliminare i valori anomali e correggere i valori di resa.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKBxJivTWUD4d1TEkiejY%2Fimage.png?alt=media&amp;token=783769a5-3c50-4031-b2ce-7a255bccdf14" alt=""><figcaption><p>Mappa di resa: grezza (originale) e calibrata</p></figcaption></figure>

Il modello geospaziale della mappa di resa sintetica deriva dalla conoscenza avanzata di GeoPard della [variabilità del campo](https://geopard.tech/blog/use-of-heterogeneity-factor-in-precision-agriculture/) e dalla sua esperienza nella [gestione e suddivisione in zone dei dataset di resa](https://geopard.tech/blog/7b27v4yf41-yield-data-and-analytics-in-geopard/). La mappa è stata quindi calibrata utilizzando il valore medio della resa dell'insilato di mais, così da allineare il modello geospaziale ai valori di resa effettivi. <mark style="background-color:yellow;">La schermata seguente mostra la distribuzione statistica e geospaziale della resa in massa (t/ha).</mark>

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FnEKqU70RiQEE0oxNKgls%2Fimage.png?alt=media&amp;token=e779ea7e-dc6b-45d0-8be6-4f320a5d600a" alt=""><figcaption><p>Mappa di resa: calibrata e sintetica</p></figcaption></figure>

### Mais: reale e sintetico

<mark style="background-color:yellow;">La schermata seguente mostra la distribuzione statistica e geospaziale della resa del mais in massa (t/ha) per i dataset di resa calibrata e sintetica.</mark>

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FJYJW4Tvd2KIeSDoxyXLJ%2Fimage.png?alt=media&amp;token=9287734f-beb4-4153-a6e4-1bcf2c6967b8" alt=""><figcaption><p>Mappa di resa: calibrata e sintetica</p></figcaption></figure>

### Soia: reale e sintetica

La schermata seguente mostra la distribuzione statistica e geospaziale della resa della soia in massa, per i dataset di resa calibrata e sintetica. È importante notare che i dati di resa originali erano espressi in mg/m2, mentre quelli sintetici sono stati convertiti e sono presentati in t/ha.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fx0LJjzOgEOIHl8QkrKev%2Fimage.png?alt=media&amp;token=3802315c-2785-48ef-aabd-63262adc3f5a" alt=""><figcaption><p>Mappa di resa: calibrata e sintetica</p></figcaption></figure>

### Frumento: ricostruzione della mappa di resa

In molti casi è disponibile solo una mappa di resa parziale. Le cause sono numerose; tra le più comuni: le macchine più datate non dispongono delle attrezzature necessarie per registrare i dati di raccolta (1), errori umani (2) e dati raccolti che risultano inutilizzabili (3). GeoPard affronta queste sfide ricostruendo le mappe di resa incomplete. Il processo prevede una valutazione approfondita del [potenziale del campo](https://geopard.tech/blog/field-potential-maps-yield-data/)  e delle [tendenze della vegetazione durante la stagione](https://docs.geopard.tech/geopard-tutorials/it/tour-del-prodotto-app-web/satellite-monitoring.md), utilizzando i metodi perfezionati di GeoPard per l'analisi dei dati di resa, così da completare la mappa.

È comunque necessario calibrare la resa per eliminare le anomalie nella distribuzione dei dati.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FRce8VNyPVrknT8nv5S70%2Fimage.png?alt=media&amp;token=fee2ecf8-35de-4777-b189-ac47eb234f31" alt=""><figcaption><p>Mappa di resa: reale (originale) e calibrata</p></figcaption></figure>

La schermata seguente confronta le porzioni note della mappa di resa con quelle ricostruite.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FHrDt9mmQZ6Vm4H7HLR91%2Fimage.png?alt=media&amp;token=63879fe6-8502-4dd7-b48c-75cb40b6859c" alt=""><figcaption><p>Mappa di resa: calibrata e sintetica</p></figcaption></figure>

### Piselli: ricostruzione delle lacune nella mappa di resa

In molti casi è disponibile solo una mappa di resa parziale. Le cause più comuni sono:

1. macchine più datate prive di attrezzature per la registrazione delle rese,
2. errori umani durante la raccolta e
3. dati raccolti che risultano inutilizzabili.

GeoPard risolve queste problematiche ricostruendo le mappe di resa incomplete con algoritmi proprietari avanzati.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FWw9e7u8eEBaBtgjNqSPF%2Fimage.png?alt=media&amp;token=36e15b1f-50d9-4ca1-a381-f82c07521e95" alt=""><figcaption><p>Mappa di resa: ricostruita e originale</p></figcaption></figure>

{% hint style="success" %}
Completa lo storico delle rese: [Inizia gratis](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=synthetic-yield-map)
{% endhint %}


---

# 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/yield-and-trials/synthetic-yield-map.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.
