> 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/ltu/agronomija/soil-lime-and-tillage/compare-soil-scanner-data-between-years.md).

# Dirvožemio skenerio duomenų palyginimas tarp metų

Šiame straipsnyje aprašomi įvairūs matematiniai metodai, leidžiantys kiekybiškai įvertinti skirtumus tarp dirvožemio skenerio duomenų rinkinių ir pagerinti sprendimų priėmimą tyrėjams bei agronomams.

Dirvožemio skeneriai yra nepakeičiami tiksliojo ūkininkavimo įrankiai, leidžiantys rinkti didelės skiriamosios gebos duomenis apie dirvožemio savybes, tokias kaip drėgmė, organinės medžiagos ir maisto medžiagų kiekis. Dviejų dirvožemio skenerio duomenų rinkinių palyginimas yra itin svarbus norint suprasti pokyčius laikui bėgant, patikrinti skirtingus skenavimo metodus arba sukalibruoti naujus įrenginius. Šiame straipsnyje aptariami įvairūs matematiniai būdai, kuriais galima išmatuoti dviejų dirvožemio skenerio duomenų rinkinių nuokrypį, ir pateikiamos praktiškai pritaikomos įžvalgos tyrėjams bei agronomams.

### Dirvožemio skenerio duomenų nuokrypio samprata

Dviejų dirvožemio skenerio duomenų rinkinių nuokrypis – tai išmatuotų reikšmių skirtumai tose pačiose vietose. Juos gali lemti matavimo sąlygų, jutiklio kalibravimo ar dirvožemio savybių pokyčiai. Dažniausi nuokrypių tipai:

* Absoliutieji skirtumai: tiesioginis vieno duomenų rinkinio reikšmių atėmimas iš kito.
* Santykiniai skirtumai: palyginimas atsižvelgiant į matavimų dydį.
* Paklaidų matai: statistiniai rodikliai, pavyzdžiui, vidutinė absoliučioji paklaida (MAE) ir normalizuotasis skirtumas.

Pasirinkti du dirvožemio skenerio duomenų rinkiniai, kuriuose pateikti 2024 ir 2025 m. kalio duomenys.

<figure><img src="https://570611445-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>Pradiniai dirvožemio skenerio duomenų rinkiniai</p></figcaption></figure>

### Tinkamo nuokrypio skaičiavimo metodo pasirinkimas

| Metodas                                                    | Tinkamiausias naudoti                                    |
| ---------------------------------------------------------- | -------------------------------------------------------- |
| Tiesioginis skirtumas                                      | Teigiamų ir neigiamų pokyčių vizualizavimas              |
| Santykinis skirtumas                                       | Skirtingo mastelio duomenų rinkinių palyginimas          |
| Normalizuotasis skirtumas                                  | Standartizuota skirtingų duomenų rinkinių analizė        |
| Santykinis nuokrypis                                       | Proporciniai skirtumai, naudingi tendencijoms analizuoti |
| Vidutinė absoliučioji paklaida (MAE) kiekviename pikselyje | Didelių absoliučiųjų skirtumų zonų nustatymas            |

### Tiesioginio skirtumo skaičiavimas

Taikant tiesioginio skirtumo metodą, vienas duomenų rinkinys tiesiog atimamas iš kito, kad būtų galima tiesiogiai pavaizduoti dirvožemio savybių pokyčius.

Funkcijos naudojimas `geopard.calculate_difference(dataset_1, dataset_2)` ir parametrų paaiškinimas aprašyti [čia](https://docs.geopard.tech/geopard-tutorials/ltu/produkto-turas-ziniatinklio-programa/equation-based-analytics/catalog-of-custom-functions.md#calculate_difference).

Privalumai:

* Aiškiai parodo teigiamus ir neigiamus pokyčius.
* Lengva interpretuoti ir vizualizuoti.

Trūkumai:

* Skirtumų reikšmes gali būti sunku palyginti, jei duomenų rinkiniai yra skirtingo mastelio.
* Didelė duomenų sklaida gali lemti interpretaciją.

<figure><img src="https://570611445-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>Tiesioginio skirtumo skaičiavimas</p></figcaption></figure>

### Santykinio skirtumo skaičiavimas

Santykinio skirtumo metodu apskaičiuojamas procentinis pokytis tarp duomenų rinkinių, jį vertinant pagal antrąjį duomenų rinkinį. Taip nuokrypis įvertinamas kitu aspektu.

Funkcijos naudojimas `geopard.calculate_relative_difference(dataset_1, dataset_2)` ir parametrų paaiškinimas aprašyti [čia](https://docs.geopard.tech/geopard-tutorials/ltu/produkto-turas-ziniatinklio-programa/equation-based-analytics/catalog-of-custom-functions.md#calculate_relative_difference).

Privalumai:

* Padeda suprasti, kiek vienas duomenų rinkinys pakito kito atžvilgiu.
* Normalizuoja skirtingo dydžio reikšmių skirtumus.

Trūkumai:

* Gali tapti nestabilus, kai antrojo duomenų rinkinio reikšmės yra artimos nuliui.
* Mažiau intuityvus, kai svarbūs absoliutieji skirtumai.

<figure><img src="https://570611445-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>Santykinio skirtumo skaičiavimas</p></figcaption></figure>

### Normalizuotojo skirtumo skaičiavimas

Taikant normalizuotojo skirtumo metodą, duomenų rinkiniai prieš apskaičiuojant skirtumus normalizuojami pagal didžiausią bendrą reikšmę. Taip užtikrinama, kad skirtingo mastelio duomenų rinkinių pokyčius būtų galima palyginti.

Funkcijos naudojimas `geopard.calculate_normalized_difference(dataset_1, dataset_2)` ir parametrų paaiškinimas aprašyti [čia](https://docs.geopard.tech/geopard-tutorials/ltu/produkto-turas-ziniatinklio-programa/equation-based-analytics/catalog-of-custom-functions.md#calculate_normalized_difference).

Privalumai:

* Tinka duomenų rinkiniams, kurių dinaminis diapazonas skiriasi.
* Sumažina ekstremalių reikšmių poveikį.

Trūkumai:

* Netinkamai neskalavus, nedideli skirtumai gali atrodyti perdėti.

<figure><img src="https://570611445-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>Normalizuotojo skirtumo skaičiavimas</p></figcaption></figure>

### Santykinis nuokrypis pagal pikselį

Taikant santykinio nuokrypio metodą, nuokrypis apskaičiuojamas procentais, lyginant su pirmuoju duomenų rinkiniu. Taip lengviau suprasti proporcinius, o ne absoliučius skirtumus.

Funkcijos `geopard.calculate_per_pixel_relative_deviation(dataset_1, dataset_2)` naudojimas ir parametrų paaiškinimas aprašyti [čia](https://docs.geopard.tech/geopard-tutorials/ltu/produkto-turas-ziniatinklio-programa/equation-based-analytics/catalog-of-custom-functions.md#calculate_per_pixel_relative_deviation).

Privalumai:

* Naudinga lyginant skirtingo mastelio duomenų rinkinius.
* Nuokrypis pateikiamas lengvai suprantamu procentiniu formatu.

Trūkumai:

* Gali klaidinti, jei pradinės reikšmės labai mažos.

<figure><img src="https://570611445-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>Santykinis nuokrypis pagal pikselį</p></figcaption></figure>

### Vidutinė absoliučioji paklaida (MAE) kiekviename pikselyje

Vidutinės absoliučiosios paklaidos (MAE) metodu matuojami absoliutieji skirtumai tarp atitinkamų dviejų duomenų rinkinių reikšmių. Jis aiškiai parodo, kur neatitikimai didžiausi.

Funkcijos `geopard.calculate_per_pixel_mae(dataset_1, dataset_2)` naudojimas ir parametrų paaiškinimas aprašyti [čia](https://docs.geopard.tech/geopard-tutorials/ltu/produkto-turas-ziniatinklio-programa/equation-based-analytics/catalog-of-custom-functions.md#calculate_per_pixel_mae).

Privalumai:

* Paprasta ir intuityvu.
* Aiškiai išryškina didelius skirtumus.
* Puikiai tinka panašaus mastelio duomenų rinkiniams.

Trūkumai:

* Neparodo skirtumo krypties (t. y. teigiamo arba neigiamo pokyčio).
* Jautrus išskirtinėms reikšmėms.

<figure><img src="https://570611445-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>Vidutinė absoliučioji paklaida (MAE) kiekviename pikselyje</p></figcaption></figure>

### Išvada

Lyginant dirvožemio skenerių duomenų rinkinius, reikia taikyti įvairius matematinius metodus, kad būtų galima išskirti prasmingus skirtumus. Tinkamas metodas priklauso nuo konkretaus taikymo atvejo: galima rinktis absoliučiuosius rodiklius, pavyzdžiui, MAE, santykinius nuokrypius arba normalizuotus palyginimus. Taikydami šiuos metodus, agronomai ir tyrėjai gali pagerinti dirvožemio analizę, nustatyti laukų skirtumus ir tobulinti tiksliojo ūkininkavimo procesus.


---

# 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/ltu/agronomija/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.
