> 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/produkto-turas-ziniatinklio-programa/zones-maps-and-analytics/using-data-classification.md).

# Naudojant duomenų klasifikavimą

Sužinokite, kaip GeoPard klasifikavimo metodai formuoja zonų žemėlapius, įskaitant AUTO, natūralius lūžius, lygų intervalą, lygų kiekį ir erdviškai lokalizuotas parinktis.

Duomenų klasifikavimas yra itin svarbus geografinės informacijos analizės ir vizualizavimo etapas. „GeoPard“ siūlo kelis klasifikavimo metodus, padedančius naudotojams veiksmingai suprasti ir interpretuoti duomenis. „GeoPard“ dažniausiai naudojami automatinis klasifikavimas, natūralūs lūžiai, vienodi intervalai, vienodas objektų skaičius (plotas) ir erdviškai lokalizuotas klasifikavimas. Kiekvienas metodas tinka skirtingiems atvejams, kaip aprašyta toliau:

## AUTO klasifikavimas

Automatinis klasifikavimas parenka tinkamą klasifikavimo metodą **atsižvelgdamas į duomenų pasiskirstymą ir zonų plotus**. Taip greičiau gausite tinkamą zonų žemėlapį ir sugaišite mažiau laiko bandydami skirtingus klasifikavimo metodus rankiniu būdu.

Ši parinktis naudinga, kai norite turėti tvirtą atspirties tašką ir sutaupyti laiko kurdami žemėlapį. Prieš išsaugodami rezultatą vis tiek galite jį peržiūrėti ir pakoreguoti kitus zonų nustatymus.

<figure><img src="https://570611445-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>AUTO klasifikavimas</p></figcaption></figure>

## 1. Klasifikavimas pagal natūralius lūžius

Klasifikuojant pagal natūralius lūžius nustatomos „natūralios“ ribos arba lūžio taškai duomenų pasiskirstyme, kad būtų sudarytos atskiros grupės. Taip maksimaliai padidinami skirtumai tarp klasių ir sumažinami skirtumai kiekvienos klasės viduje. Šis metodas naudingas duomenims, kuriuose matyti aiškūs dėsningumai ar sankaupos, todėl juos galima veiksmingai tyrinėti ir analizuoti.

<figure><img src="https://570611445-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>Klasifikavimas pagal natūralius lūžius</p></figcaption></figure>

## 2. Klasifikavimas vienodais intervalais

Klasifikuojant vienodais intervalais duomenų diapazonas padalijamas į vienodo dydžio intervalus arba grupes. Taip duomenų pasiskirstymas atvaizduojamas tolygiai, todėl lengva interpretuoti ir palyginti kiekvieno intervalo reikšmes. Šis metodas tinka tolygiai pasiskirsčiusiems duomenims, kuriuose nėra aiškių dėsningumų.

<figure><img src="https://570611445-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>Klasifikavimas vienodais intervalais</p></figcaption></figure>

## 3. Klasifikavimas pagal vienodą objektų skaičių (plotą)

Klasifikuojant pagal vienodą objektų skaičių užtikrinama, kad kiekvienoje klasėje būtų vienodas duomenų reikšmių skaičius. Taip išlaikomas tolygus atvaizdavimas, ypač kai duomenys pasiskirstę netolygiai arba yra asimetriški. Šis metodas leidžia objektyviai palyginti plotus ar regionus, todėl analizė ir vizualizavimas išlieka nuoseklūs.

Siekiama sukurti zonas, kurių plotai būtų gana panašūs, tačiau dėl apvalinimo ir zonų kokybės gerinimo gali atsirasti nedidelių skirtumų. Todėl tikslesni rezultatai gaunami naudojant didesnės skiriamosios gebos augalijos indeksus, pavyzdžiui, EVI2, MCARI1 arba WDRVI. Be to, [galutinės zonų geometrijos tikslinamos siekiant padidinti tikslumą](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

<figure><img src="https://570611445-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>Klasifikavimas pagal vienodą objektų skaičių (plotą)</p></figcaption></figure>

## 4. Erdviškai lokalizuotas klasifikavimas

Taikant erdviškai lokalizuotą klasifikavimą duomenys grupuojami pagal geografinę padėtį ir sukuriamos lokalizuotos zonos. Šis metodas pirmiausia skirtas dirvožemio mėginių ėmimo zonoms planuoti, kad laukai būtų veiksmingai suskirstyti į lengvai valdomas teritorijas.

Didesniam lankstumui užtikrinti erdviškai lokalizuotas klasifikavimas siūlo tris parinktis: **Orientuota į erdvinį išsidėstymą**, **Orientuota į reikšmes**, ir **Subalansuota**.

### 4.1. Erdviškai lokalizuoto klasifikavimo parinktis „Subalansuota“

Parinktis **„Subalansuota“** yra tarpinis variantas tarp parinkčių **„Orientuota į erdvinį išsidėstymą“** ir **„Orientuota į reikšmes“**. Taip sukuriamas zonų žemėlapis, kuriame grupės subalansuoja geografinį artumą ir duomenų reikšmių panašumą. Šis metodas tinka, kai svarbūs ir erdvinis kompaktiškumas, ir duomenų nuoseklumas.

<figure><img src="https://570611445-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>Erdviškai lokalizuotas klasifikavimas (parinktis „Subalansuota“)</p></figcaption></figure>

### 4.2. Erdviškai lokalizuoto klasifikavimo parinktis „Orientuota į reikšmes“

Parinktis **„Orientuota į reikšmes“** Erdviškai lokalizuoto klasifikavimo parinktis „Orientuota į reikšmes“ sukuria zonas, grupuojamas pagal duomenų reikšmes, o ne geografinį artumą. Ji sujungia panašių savybių, pavyzdžiui, augalijos ar dirvožemio kokybės, plotus į zonų žemėlapį, kuriame svarbiausia duomenų nuoseklumas kiekvienoje zonoje.

<figure><img src="https://570611445-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>Erdviškai lokalizuotas klasifikavimas (parinktis „Orientuota į reikšmes“)</p></figcaption></figure>

### 4.3. Erdviškai lokalizuoto klasifikavimo parinktis „Orientuota į erdvinį išsidėstymą“

Parinktis **„Orientuota į erdvinį išsidėstymą“** Erdviškai lokalizuoto klasifikavimo parinktis „Orientuota į erdvinį išsidėstymą“ skirta kurti geografiškai koncentruotesnes zonas. Taip sukuriamas zonų žemėlapis, kuriame grupuojant pirmenybė teikiama artumui, o kiekviena zona išlaikoma erdviškai kompaktiška. Ši parinktis idealiai tinka, kai svarbiausia fizinė vieta, pavyzdžiui, planuojant logistiką ar imant erdvinius mėginius.

<figure><img src="https://570611445-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>Erdviškai lokalizuotas klasifikavimas (parinktis „Orientuota į erdvinį išsidėstymą“)</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/ltu/produkto-turas-ziniatinklio-programa/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.
