> 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/tour-del-prodotto-app-web/zones-maps-and-analytics/using-data-classification.md).

# Usando la classificazione dei dati

Scopri come i metodi di classificazione di GeoPard modellano le mappe delle zone, incluse le opzioni AUTO, Intervalli naturali, Intervallo uguale, Conteggio uguale e Spazialmente localizzate.

La classificazione dei dati è un passaggio fondamentale nell’analisi e nella visualizzazione dei dati geografici. GeoPard offre diversi metodi di classificazione per aiutare gli utenti a comprendere e interpretare i propri dati in modo efficace. Le opzioni più comuni in GeoPard sono la classificazione AUTOMATICA, Natural Breaks, Intervalli uguali, Conteggio uguale (area) e classificazione localizzata nello spazio. Ogni metodo è adatto a casi d’uso diversi, come descritto di seguito:

## Classificazione AUTO

La classificazione automatica seleziona un approccio di classificazione appropriato **in base alla distribuzione dei dati e alle aree delle zone**. Consente di ottenere più rapidamente una Mappa delle zone utilizzabile, riducendo i tentativi quando si confrontano manualmente i metodi di classificazione.

Questa opzione è utile quando si desidera un buon punto di partenza e si vuole risparmiare tempo durante la creazione della mappa. È comunque possibile esaminare il risultato e modificare le altre impostazioni delle zone prima di salvare.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F9w5QnaWrwVXAXPQTAw5L%2Fimage.png?alt=media&amp;token=b4c57f60-c506-4454-ab3e-e0525235975f" alt=""><figcaption><p>Classificazione AUTO</p></figcaption></figure>

## 1. Classificazione Natural Breaks

La classificazione Natural Breaks individua soglie o punti di discontinuità "naturali" nella distribuzione dei dati per creare gruppi distinti. Massimizza le differenze tra le classi e minimizza le differenze all’interno di ciascuna classe. Natural Breaks è utile per i dati con schemi o raggruppamenti ben definiti e consente di esplorarli e analizzarli in modo efficace.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQzmD8cm9fyq0vTDYwxvq%2Fimage.png?alt=media&amp;token=4cf3e432-cbe6-459b-8fd6-75e7cb540024" alt=""><figcaption><p>Classificazione Natural Breaks</p></figcaption></figure>

## 2. Classificazione a intervalli uguali

La classificazione a intervalli uguali suddivide l’intervallo dei dati in intervalli o classi di uguale ampiezza. Offre una rappresentazione equilibrata della distribuzione dei dati e facilita l’interpretazione e il confronto dei valori all’interno di ciascun intervallo. È adatta a dati distribuiti in modo uniforme e privi di schemi distinti.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FkOZpBpxYxxyhGVbicPLO%2Fimage.png?alt=media&amp;token=0f1211c8-2ac2-4786-a0e8-ed8ae7ffd843" alt=""><figcaption><p>Classificazione a intervalli uguali</p></figcaption></figure>

## 3. Classificazione a conteggio uguale (area)

La classificazione a conteggio uguale garantisce lo stesso numero di valori dei dati in ciascuna classe. Mantiene una rappresentazione equilibrata, soprattutto per dati asimmetrici o distribuiti in modo irregolare. Consente confronti equi tra aree o regioni, offrendo un’analisi e una visualizzazione coerenti.

L’obiettivo è creare zone con superfici relativamente simili, ma gli arrotondamenti e gli interventi per migliorare la qualità delle zone possono introdurre lievi variazioni. Di conseguenza, l’uso di indici di vegetazione con maggiore granularità, come EVI2, MCARI1 o WDRVI, consente di ottenere risultati più precisi. Inoltre, [le geometrie finali delle zone vengono perfezionate per migliorarne la precisione](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKimgcw9kK0ED2uGagkEM%2Fimage.png?alt=media&amp;token=31e7fd08-ecec-4253-ac0a-582edf368bdc" alt=""><figcaption><p>Classificazione a conteggio uguale (area)</p></figcaption></figure>

## 4. Classificazione localizzata nello spazio

La classificazione localizzata nello spazio raggruppa i dati in base alla loro distribuzione geografica, creando zone localizzate. Il suo caso d’uso principale è la pianificazione delle zone per il campionamento del suolo, che consente di suddividere in modo efficiente i campi in aree gestibili.

Per offrire maggiore flessibilità, la classificazione localizzata nello spazio include tre opzioni: **Orientata allo spazio**, **Orientata ai valori**, e **Bilanciata**.

### 4.1. Opzione bilanciata della classificazione localizzata nello spazio

L’opzione **Bilanciata** rappresenta un compromesso tra **Orientata allo spazio** e **Orientata ai valori**. Crea una Mappa delle zone con raggruppamenti che bilanciano la vicinanza geografica e la somiglianza dei valori dei dati. Questo approccio è indicato quando sono importanti sia la compattezza spaziale sia la coerenza dei dati.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FHkWvnjWzBOiljEnXQOhU%2Fimage.png?alt=media&amp;token=c5bd0315-ed78-4638-b219-3dac4abde057" alt=""><figcaption><p>Classificazione localizzata nello spazio (opzione bilanciata)</p></figcaption></figure>

### 4.2. Opzione orientata ai valori della classificazione localizzata nello spazio

L’opzione **Orientata ai valori** della classificazione localizzata nello spazio crea zone raggruppate in base ai valori dei dati anziché alla vicinanza geografica. Raggruppa le aree con caratteristiche simili, come la vegetazione o la qualità del suolo, per creare una Mappa delle zone in cui la coerenza dei dati all’interno di ciascuna zona è l’aspetto prioritario.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FF7h0AB4cF7xbWCmA7PmK%2Fimage.png?alt=media&amp;token=5e9d6b86-5f7c-4acf-9990-e4c2a7a746c1" alt=""><figcaption><p>Classificazione localizzata nello spazio (opzione orientata ai valori)</p></figcaption></figure>

### 4.3. Opzione orientata allo spazio della classificazione localizzata nello spazio

L’opzione **Orientata allo spazio** della classificazione localizzata nello spazio punta a creare zone più concentrate geograficamente. Crea una Mappa delle zone con raggruppamenti che privilegiano la vicinanza e mantengono ogni zona compatta dal punto di vista spaziale. È ideale quando la posizione fisica è l’aspetto prioritario, ad esempio per la logistica o il campionamento spaziale.

<figure><img src="https://1371939954-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDh2CT0aMwFrdBdPSDhjg%2Fimage.png?alt=media&amp;token=808f32ce-22c6-4baf-8370-5b65177ea3bd" alt=""><figcaption><p>Classificazione localizzata nello spazio (opzione orientata allo spazio)</p></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/it/tour-del-prodotto-app-web/zones-maps-and-analytics/using-data-classification.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.
