Katalog over egendefinerte funksjoner
Disse funksjonene pakker inn kompleks Python-kode, slik at du enkelt kan utføre avanserte datamanipulasjoner og beregninger.
GeoPard tilbyr et omfattende katalog over egendefinerte funksjoner som er laget for å forbedre lesbarheten og funksjonaliteten til ligningsbasert analyse. Disse funksjonene kapsler inn komplekse python koder, slik at du enkelt kan utføre avansert databehandling og beregninger.
Skriv inn ligning
Listen over tilgjengelige ferdigbygde funksjoner for å lage mer intuitive og vedlikeholdbare ligninger i GeoPard er inkludert i geopard pakken:
fill_gaps_with_k_neighbors
Denne funksjonen gjenoppretter datagap eller nuller i et datasett ved hjelp av K-Neighbors-algoritmen. Ved å angi input_data -variabelen (som Dataset med valgt attributt) og antall naboer k, kan du sømløst fylle inn manglende verdier og sikre datakontinuitet og integritet.
Denne funksjonen fungerer godt når datagap er fordelt utover skiftet og ikke ligger samlet ved noen bestemt del av skiftegrensen.
determine_data_similarity
Bruk denne funksjonen til å beregne likheten per piksel mellom to datasett. Variablene data_layer_1 og data_layer_2 bør representere den samme målingen i samme enheter for å sikre en meningsfull sammenligning. Ved å oppgi variabler data_layer_1 og data_layer_2 knyttet til datasett, kan du lage et likhetskart med verdier fra 0 til 1, som gjør sammenlignende studier og mønstergjenkjenning enklere.
determine_data_similarity_from_normalized
Bruk denne funksjonen til å beregne likheten per piksel mellom to normaliserte datasett. Normalisering anbefales når de opprinnelige data_layer_1 og data_layer_2 har ulike skalaer eller enheter. Ved å gi disse datasettene som input, lager funksjonen et likhetskart med verdier fra 0 til 1, noe som gjør det egnet for sammenlignende studier, mønstergjenkjenning og analyse av romlig konsistens.
determine_low_high_similarity
Denne funksjonen vurderer lav-høy-likhet mellom to datasett. Ved å legge inn variabler data_layer_1 og data_layer_2 knyttet til datasett, får du et kategorisert likhetskart som viser kombinasjoner som lav-lav, lav-høy, høy-lav og høy-høy, noe som er nyttig for nyansert dataklassifisering.
get_value_for_zone
Bruk denne funksjonen til å hente ut alle verdier fra et datasettattributt innenfor én sone. Oppgi data_layer (attributtlaget), zones_layer (sonkartet), og zone_id (sonenummeret) for å isolere verdier til analyse, som avling, tildelingsrate eller såmengde, inne i den sonen.
drop_value
Denne funksjonen lar deg fjerne bestemte verdier fra et datasettattributt. Ved å angi data_layer og value_to_drop, kan du rense datasettet ved å eliminere disse verdiene fra resultatet, teknisk sett ved å erstatte dem med NaN.
normalize_data
Normaliser et datasettattributt med denne funksjonen. Ved å sende inn data_layer, kan du skalere dataene til et standardisert intervall fra 0 til 1, noe som gjør sammenligning og integrasjon på tvers av ulike datasett enklere.
calculate_total_applied_fertilizer
Beregn total tilført gjødsel i enheter per areal (for eksempel kg/ha, l/ha, gal/ac osv). Ved å oppgi application_list Datasett med AppliedRate-attributter og en tilsvarende active_ingredient_coefficient_list med gjødselprodukter får du den faktiske totalt tilførte gjødsla i enheter (for eksempel kg, l, gal osv).
calculate_total_applied_nitrogen
Beregn totalt tilført nitrogen i kg/ha ved hjelp av denne funksjonen. Ved å oppgi application_list Datasett med AppliedRate-attributter og en tilsvarende active_ingredient_coefficient_list med nitrogenprodukter for å konvertere faktisk nitrogen til kg/ha, kan du beregne totalt tilført nitrogen nøyaktig, noe som er viktig for planlegging i landbruket og vurderinger av bærekraft. Utdataene brukes som N_total_applied igeopard.calculate_nitrogen_use_efficiency.
calculate_nitrogen_uptake
Bestem nitrogenopptak i kg/ha med denne funksjonen. Ved å oppgi yield_wet_tha, moisture_pct, protein_pct fra avlingsdatasettet og protein_crop_correction_coefficient som representerer koblingen mellom protein og opptak av nitrogen, kan du vurdere nitrogenutnyttelsesgraden i planteproduksjon. Utdataene brukes som N_uptake igeopard.calculate_nitrogen_use_efficiency .
calculate_nitrogen_use_efficiency
Vurder nitrogenutnyttelsesgrad som prosent ved hjelp av denne funksjonen. Ved å legge inn N_total_applied og N_uptake variabler (fra tidligere funksjoner), kan du måle hvor effektiv nitrogen-tildelingen er, noe som hjelper med å optimalisere gjødselbruken.
calculate_costs
Beregn totale kostnader basert på tildelingsrater og priser med denne funksjonen. Ved å oppgi en application_rate_list av datasett med AppliedRate-attributter og en tilsvarende price_per_unit_list, kan du summere utgifter knyttet til ulike landbruksaktiviteter, noe som støtter budsjettstyring og økonomisk planlegging. Utdataene brukes som costs igeopard.calculate_profit.
calculate_revenue
Beregn inntekt fra avlingsdatasettet ved hjelp av denne funksjonen. Ved å legge inn yield_as_mass knyttet til avlingsdatasettets attributt og yield_price_per_unit, kan du anslå inntekten som genereres fra planteproduksjon, noe som gjør økonomiske vurderinger enklere. Utdataene brukes som costs igeopard.calculate_profit .
calculate_profit
Beregn fortjeneste ved å trekke kostnader fra inntekter ved hjelp av denne funksjonen. Ved å oppgi revenue og costs -variablene (fra tidligere funksjoner) kan du enkelt beregne den økonomiske gevinsten fra drifta, noe som støtter lønnsomhetsanalyse og strategiske beslutninger.
fill_value_for_range
Denne funksjonen filtrerer verdier innenfor et spesifisert intervall i input -arrayet. Ved å oppgi input arrayet, sammen med valgfrie min_value og valgfrie max_value -terskler, kan du isolere verdier som faller innenfor ønsket intervall. Parameteren value_to_fill gjør det mulig å erstatte verdier utenfor intervallet med en angitt verdi, noe som forbedrer datafiltrering og normaliseringsprosesser.
calculate_per_pixel_mae
Bruk denne funksjonen til å beregne gjennomsnittlig absolutt feil (MAE) per piksel mellom to datasett. Den gir et romlig kart over absolutte forskjeller. "Absolutt forskjell" er ganske enkelt størrelsen på gapet mellom tilsvarende pikselverdier, uten å ta hensyn til om den ene er høyere eller lavere.
Funksjonen hjelper med å identifisere områder med større avvik.
calculate_per_pixel_relative_deviation
Denne funksjonen beregner relativ avvik for hver piksel mellom to datasett, og uttrykker forskjellen som en prosent av verdien i dataset_1. I praksis viser den hvor mye verdien til én piksel avviker fra den tilsvarende verdien i dataset_1 i relative termer.
Denne tilnærmingen er spesielt nyttig når du analyserer variasjoner i jordegenskaper, avling eller fjernmålingsdata, fordi den hjelper deg å raskt finne områder med betydelige relative forskjeller.
calculate_difference
Denne funksjonen trekker ett datasett fra et annet for å lage et differansekart. Den fremhever områder der verdiene i det ene datasettet er høyere eller lavere enn i det andre, noe som gjør det enklere å oppdage trender og endringer over tid.
Dette verktøyet er spesielt nyttig for å visualisere variasjoner i jordegenskaper, avling eller fjernmålingsdata, og hjelper deg å raskt identifisere områder som kan trenge videre analyse eller tiltak.
calculate_relative_difference
Denne funksjonen beregner relativ forskjell for hver piksel ved å normalisere forskjellen mellom datasettene ved hjelp av verdiene fra dataset_2. Dette betyr at den viser hvor stor endringen er i forhold til størrelsen på dataset_2.
En slik proporsjonal sammenligning er spesielt nyttig når du jobber med datasett med ulike skalaer, og kan hjelpe med å avdekke relative endringer i jordegenskaper, avlinger eller sensorutdata. Denne tilnærmingen hjelper med å peke ut områder med tydelig variasjon.
calculate_normalized_difference
Denne funksjonen beregner normalisert forskjell for hver piksel ved å skalere begge datasettene mot sin globale maksimumsverdi. Denne prosessen gjør datasettene direkte sammenlignbare selv om de opprinnelig har ulike intervaller.
Det resulterende kartet gir en tydelig oversikt over variasjoner i jordegenskaper, avling og fjernmålingsdata, slik at du raskt kan identifisere og vurdere viktige forskjeller.
build_zones_by_intervals
Denne funksjonen lager et forvaltningssonkart ved å klassifisere et kontinuerlig rasterlag i diskrete soner basert på verdigrenser definert av brukeren.
Hvert intervall definerer en sone, og hver piksel blir tildelt sonen hvis verdiområde den faller inn i. Piksler som ikke matcher noe intervall, blir merket som -1.
Denne soneinndelingen brukes ofte for å omgjøre avlingskart, jordegenskaper eller fjernmålingsindekser til handlingsbare forvaltningssoner for variabel tildeling.
Typiske bruksområder
Lage forvaltningssoner fra avlings-, NDVI- eller jordlag
Forberede sonkart for beregninger av nærings- eller såmengde
Segmentere skifter i homogene soner for beslutningstaking
calculate_nutrient_rate_as_active_ingredients_per_zone
Denne funksjonen beregner nødvendig næringsstofftildelingsrate (aktivt stoff) for hver forvaltningssone.
Beregningen er basert på:
et mål for næringsnivå,
plante-tilgjengelig næringstilførsel fra jorda,
næringsstoffer som allerede er tilført gjennom tidligere operasjoner (husdyrgjødsel, mineralgjødsel, biorest osv.).
Påførte næringsoperasjoner kan oppgis som konstanter, sonevise verdier, rasterlag eller en kombinasjon av disse. Alle input blir automatisk tolket og aggregert per sone.
Som standard beregnes nødvendig rate som forskjellen mellom målnivået for næringsstoffet og summen av tilførsel fra jord og påførte næringsstoffer. Resultatet returneres som et rasterkart der hver sone inneholder en ensartet næringsrate.
convert_active_ingredient_and_product
Denne funksjonen konverterer et rasterlag mellom rater for aktivt stoff og produktrater ved hjelp av en korreksjonskoeffisient.
Den corrected_coefficient kan være en enkelt float (gjelder alle piksler) eller en koeffisient matrise (konvertering per piksel). Den brukes vanligvis til å oversette beregnede næringsbehov (aktivt stoff) til faktiske produkt-tildelingsrater, eller omvendt, basert på gjødselsammensetning eller næringskonsentrasjon.
Konverteringen brukes piksel for piksel, og bevarer den romlige strukturen i det opprinnelige laget.
Typiske bruksområder
Konvertere næringsrater til gjødselproduktrater
Justerer tildelingskart basert på næringskonsentrasjon
Forberede endelige presisjonskart for maskin
estimate_texture_class_based_on_usda
Denne funksjonen anslår USDA-jordtekstur for hver piksel ved hjelp av prosentandel sand, silt og leire.
Oppgi tre rasterlag i prosent (0–100) som representerer partikkelstørrelsesfraksjonene. Utdata er USDA-klassenavn som sand, loamy_sand, sandy_loam, loam, silt_loam, sandy_clay_loam, clay_loam, silty_clay_loam, silty_clay eller undefined når input er ugyldig.
estimate_texture_class_based_on_fao_wrb
Denne funksjonen anslår FAO/WRB (ISO 11277) jordteksturklasse for hver piksel basert på prosentandel sand, silt og leire.
Oppgi tre rasterlag i prosent (0–100) som representerer partikkelstørrelsesfraksjonene. Utdata er FAO/WRB-klassekoder som S, LS, SL, L, SiL, Si, SCL, CL, SiCL, SC, SiC, C, HC eller undefined når input er ugyldig.
calculate_soil_bulk_density
Denne funksjonen beregner jordas bulktetthet (g/cm³) basert på teksturklasse og valgfritt innhold av organisk materiale i jorda (SOM).
Den texture_class_layer skal inneholde klassenavn eller koder produsert av USDA-teksturfunksjonen eller FAO/WRB-teksturfunksjonen nevnt ovenfor.
Hvis som_pct_layer oppgis som en prosentverdi, justerer funksjonen bulktettheten ved hjelp av SOM. Ellers returnerer den verdier for jordas bulktetthet i g/cm³ knyttet til teksturklasser i henhold til oppslag for USDA eller FAO/WRB.
Sist oppdatert
Var dette nyttig?