> 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/nl/producttour-webapp/zones-maps-and-analytics/using-data-classification.md).

# Met dataclassificatie werken

Leer hoe GeoPard-classificatiemethoden zonenkaarten vormgeven, waaronder AUTO, Natuurlijke breuken, Gelijke intervallen, Gelijke aantallen en ruimtelijk gelokaliseerde opties.

Gegevensclassificatie is een cruciale stap bij de analyse en visualisatie van geografische gegevens. GeoPard biedt verschillende classificatiemethoden waarmee gebruikers hun gegevens effectief kunnen begrijpen en interpreteren. Veelgebruikte opties in GeoPard zijn AUTO-classificatie, Natural Breaks, Equal Interval, Equal Count (Area) en Spatially Localized. Elke methode is geschikt voor een andere toepassing, zoals hieronder beschreven:

## AUTO classification

Auto-classificatie kiest een geschikte classificatiemethode **op basis van de gegevensverdeling en de oppervlakte van de zones**. Zo maakt u sneller een bruikbare zonekaart en hoeft u minder te experimenteren wanneer u classificatiemethoden handmatig vergelijkt.

Deze optie is handig als u een goed uitgangspunt wilt en tijd wilt besparen bij het maken van een kaart. U kunt het resultaat nog steeds beoordelen en andere zone-instellingen aanpassen voordat u de kaart opslaat.

<figure><img src="https://3615228694-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 classification</p></figcaption></figure>

## 1. Classificatie met Natural Breaks

De classificatie met Natural Breaks identificeert ‘natuurlijke’ drempelwaarden of breekpunten in de gegevensverdeling om duidelijke groepen te vormen. De methode maximaliseert de verschillen tussen klassen en minimaliseert de verschillen binnen elke klasse. Natural Breaks is geschikt voor gegevens met duidelijke patronen of clusters en maakt effectieve verkenning en analyse mogelijk.

<figure><img src="https://3615228694-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>Classificatie met Natural Breaks</p></figcaption></figure>

## 2. Classificatie met Equal Interval

De classificatie met Equal Interval verdeelt het gegevensbereik in intervallen of klassen van gelijke grootte. Dit geeft een evenwichtige weergave van de gegevensverdeling en maakt het eenvoudig om waarden binnen elk interval te interpreteren en te vergelijken. Equal Interval is geschikt voor gelijkmatig verdeelde gegevens zonder duidelijke patronen.

<figure><img src="https://3615228694-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>Classificatie met Equal Interval</p></figcaption></figure>

## 3. Classificatie met Equal Count (Area)

De classificatie met Equal Count zorgt ervoor dat elke klasse evenveel gegevenswaarden bevat. Dit geeft een evenwichtige weergave, vooral bij scheef of ongelijk verdeeld gegevens. Equal Count maakt eerlijke vergelijkingen tussen gebieden of regio’s mogelijk en zorgt voor een consistente analyse en visualisatie.

Het doel is om zones met ongeveer dezelfde oppervlakte te maken, maar afrondingen en verbeteringen van de zonekwaliteit kunnen kleine verschillen veroorzaken. Daarom levert het gebruik van vegetatie-indexen met een hogere granulariteit, zoals EVI2, MCARI1 of WDRVI, nauwkeurigere resultaten op. Bovendien worden [de uiteindelijke geometrieën van de zones verfijnd om de nauwkeurigheid te verbeteren](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

<figure><img src="https://3615228694-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>Classificatie met Equal Count (Area)</p></figcaption></figure>

## 4. Ruimtelijk gelokaliseerde classificatie

Bij ruimtelijk gelokaliseerde classificatie worden gegevens geografisch geclusterd om lokaal afgebakende zones te maken. Deze methode wordt vooral gebruikt om zones voor bodemmonsters te plannen, zodat percelen efficiënt kunnen worden opgedeeld in overzichtelijke gebieden.

Voor meer flexibiliteit biedt ruimtelijk gelokaliseerde classificatie drie opties: **Towards Spatial**, **Towards Values**, en **Balanced**.

### 4.1. De optie Balanced bij ruimtelijk gelokaliseerde classificatie

De **Balanced** optie vormt een middenweg tussen **Towards Spatial** en **Towards Values**. De optie maakt een zonekaart met clusters waarin geografische nabijheid en overeenkomst in gegevenswaarden in balans zijn. Deze aanpak werkt goed wanneer zowel ruimtelijke compactheid als consistentie van gegevens belangrijk zijn.

<figure><img src="https://3615228694-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>Ruimtelijk gelokaliseerde classificatie (optie Balanced)</p></figcaption></figure>

### 4.2. Towards Values bij ruimtelijk gelokaliseerde classificatie

De **Towards Values** optie bij ruimtelijk gelokaliseerde classificatie maakt zones die zijn geclusterd op basis van gegevenswaarden in plaats van geografische nabijheid. De optie groepeert gebieden met vergelijkbare kenmerken, zoals vegetatie of bodemkwaliteit, om een zonekaart te maken waarin de consistentie van gegevens binnen elke zone vooropstaat.

<figure><img src="https://3615228694-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>Ruimtelijk gelokaliseerde classificatie (optie Towards Values)</p></figcaption></figure>

### 4.3. Towards Spatial bij ruimtelijk gelokaliseerde classificatie

De **Towards Spatial** optie bij ruimtelijk gelokaliseerde classificatie is gericht op het maken van zones die geografisch dichter bij elkaar liggen. De optie maakt een zonekaart met clusters die de nadruk leggen op nabijheid en elke zone ruimtelijk compact houden. Deze optie is ideaal wanneer de fysieke locatie het belangrijkst is, bijvoorbeeld bij logistiek of ruimtelijke bemonstering.

<figure><img src="https://3615228694-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>Ruimtelijk gelokaliseerde classificatie (optie Towards Spatial)</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/nl/producttour-webapp/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.
