> 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/pl/agronomia/yield-and-trials/synthetic-yield-map.md).

# Syntetyczna mapa plonów: mapy plonów dla sezonów bez danych o plonach

Odtwórz mapę plonów z minionego sezonu na podstawie zdjęć satelitarnych i jednej znanej wartości — całkowitego lub średniego plonu z pola — i wykorzystaj ją do tworzenia stref oraz porównań.

Syntetyczna mapa plonu uzupełnia sezon, w którym monitor plonu był wyłączony, zepsuty lub nie został zamontowany. GeoPard wykorzystuje zobrazowania satelitarne z tego sezonu oraz jedną znaną wartość — całkowity lub średni plon z pola — i rozkłada ją na całym polu. Użyj jej, aby uzupełnić wieloletnie strefy lub porównać sezony; tam, gdzie masz dane z monitora, korzystaj z nich.

{% hint style="success" %}
Uzupełnij historię plonów: [Rozpocznij bezpłatnie](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=synthetic-yield-map)
{% endhint %}

## Ocena luk w plonach: znaczenie tworzenia syntetycznych map plonu

Moduł syntetycznych map plonu GeoPard odpowiada na częsty problem w rolnictwie: brak szczegółowych historycznych danych o plonach w gospodarstwach. Rolnicy często znają średni lub całkowity plon z pola, ale szczegółowe mapy plonu z poprzednich lat są często niedostępne. Moduł GeoPard rozwiązuje ten problem, umożliwiając odtworzenie map plonu dla minionych lat z wysoką dokładnością (ponad 90%).

Ta funkcja jest szczególnie przydatna dla rolników, którzy chcą poznać i przeanalizować wyniki plonowania swoich pól na przestrzeni lat. Moduł wykorzystuje dostępne dane o średnim lub całkowitym plonie i stosuje metody analityczne GeoPard, aby wygenerować szczegółowe mapy plonu dla dowolnego minionego roku.

Dzięki syntetycznym mapom plonu rolnicy mogą lepiej poznać rozkład i zmienność plonów na swoich polach. Informacje te mają kluczowe znaczenie przy podejmowaniu świadomych decyzji dotyczących zarządzania uprawami, rozdysponowania zasobów i planowania przyszłych strategii rolniczych.

Podsumowując, moduł syntetycznych map plonu GeoPard to praktyczne narzędzie, które pozwala rolnikom wydobyć informacje o historycznych plonach i podejmować decyzje w oparciu o dane, nawet jeśli nie mają szczegółowych zapisów z przeszłości.

Zrozumienie przestrzennego rozkładu plonów ma kluczowe znaczenie dla corocznego doskonalenia decyzji agronomicznych, a mapy plonu (lub zbiory danych o plonach) odgrywają w tym procesie istotną rolę.

Jednak kombajny nie zawsze są wyposażone w niezbędny sprzęt do rejestrowania danych potrzebnych do tworzenia map plonu, zwłaszcza starsze modele. W rezultacie mapy plonu często obejmują tylko te części pól, które zebrano maszynami wyposażonymi w system mapowania plonu.

Aby sprostać tym wyzwaniom, GeoPard finalizuje wdrożenie syntetycznej mapy plonu — rozwiązania, które zapewnia pełny obraz plonów niezależnie od ograniczeń sprzętowych.

## **Podejście techniczne**

Syntetyczne mapy plonu są tworzone z wykorzystaniem rozległego doświadczenia GeoPard w zarządzaniu zbiorami danych o plonach. Proces koncentruje się na identyfikacji czynników ograniczających plon, ocenie historycznego [potencjału pola](https://geopard.tech/blog/field-potential-maps-yield-data/) oraz analizie [rozwoju roślinności w trakcie sezonu](https://docs.geopard.tech/geopard-tutorials/pl/przewodnik-po-produkcie-aplikacja-webowa/satellite-monitoring.md). Ta metodyka pozwala tworzyć mapy rozkładu plonów nawet wtedy, gdy brakuje bezpośrednich danych z maszyn żniwnych.

Podstawą przestrzennego rozkładu są dane teledetekcyjne, a kalibrację do rzeczywistych wartości plonu uzyskuje się przez dopasowanie do podanego średniego lub całkowitego plonu z pola. Dzięki temu każdy obszar pola jest dokładnie odwzorowany, co zapewnia pełny i wiarygodny obraz rozkładu plonów na całym polu.

## Przykłady z praktyki

{% hint style="info" %}
Aby zapewnić wysoką dokładność obliczeń, niezbędnym dodatkowym etapem jest kalibracja plonu. Pomaga ona wyeliminować anomalie i prawidłowo skorygować statystyczny rozkład danych. Dowiedz się więcej o [znaczeniu kalibracji plonu](https://docs.geopard.tech/geopard-tutorials/pl/agronomia/yield-and-trials/yield-calibration-and-cleaning.md) i o tym, jak przeprowadzić ją w GeoPard.
{% endhint %}

### Mapa plonu kukurydzy na kiszonkę: rzeczywista a syntetyczna

Weryfikację syntetycznej mapy plonu przeprowadzono na podstawie oryginalnej mapy plonu kukurydzy na kiszonkę. Proces ten pokazał, że konieczna jest kalibracja plonu jako etap pośredni, który pozwala wyeliminować wartości odstające i skorygować wartości plonu.

<figure><img src="https://3832317038-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKBxJivTWUD4d1TEkiejY%2Fimage.png?alt=media&amp;token=783769a5-3c50-4031-b2ce-7a255bccdf14" alt=""><figcaption><p>Mapa plonu: surowa (oryginalna) a skalibrowana</p></figcaption></figure>

Wzorzec przestrzenny syntetycznej mapy plonu wynika z zaawansowanej wiedzy GeoPard na temat [zmienności pola](https://geopard.tech/blog/use-of-heterogeneity-factor-in-precision-agriculture/) oraz doświadczenia w [przetwarzaniu i wyznaczaniu stref na podstawie zbiorów danych o plonach](https://geopard.tech/blog/7b27v4yf41-yield-data-and-analytics-in-geopard/). Następnie mapę skalibrowano na podstawie średniego plonu kukurydzy na kiszonkę, dzięki czemu jej wzorzec przestrzenny dobrze odpowiada rzeczywistym wartościom plonu. <mark style="background-color:yellow;">Poniższy zrzut ekranu przedstawia statystyczny i przestrzenny rozkład plonu wyrażonego jako masa (t/ha).</mark>

<figure><img src="https://3832317038-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FnEKqU70RiQEE0oxNKgls%2Fimage.png?alt=media&amp;token=e779ea7e-dc6b-45d0-8be6-4f320a5d600a" alt=""><figcaption><p>Mapa plonu: skalibrowana a syntetyczna</p></figcaption></figure>

### Kukurydza: rzeczywista a syntetyczna

<mark style="background-color:yellow;">Poniższy zrzut ekranu przedstawia statystyczny i przestrzenny rozkład plonu kukurydzy wyrażonego jako masa (t/ha) dla zbiorów danych o plonie skalibrowanym i syntetycznym.</mark>

<figure><img src="https://3832317038-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FJYJW4Tvd2KIeSDoxyXLJ%2Fimage.png?alt=media&amp;token=9287734f-beb4-4153-a6e4-1bcf2c6967b8" alt=""><figcaption><p>Mapa plonu: skalibrowana a syntetyczna</p></figcaption></figure>

### Soja: rzeczywista a syntetyczna

Poniższy zrzut ekranu przedstawia statystyczny i przestrzenny rozkład plonu soi w zbiorach danych o plonie skalibrowanym i syntetycznym. Należy pamiętać, że oryginalne dane o plonie podano w mg/m2, natomiast dane syntetyczne przeliczono i przedstawiono w t/ha.

<figure><img src="https://3832317038-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fx0LJjzOgEOIHl8QkrKev%2Fimage.png?alt=media&amp;token=3802315c-2785-48ef-aabd-63262adc3f5a" alt=""><figcaption><p>Mapa plonu: skalibrowana a syntetyczna</p></figcaption></figure>

### Pszenica: odtworzenie mapy plonu

W wielu przypadkach dostępna jest tylko częściowa mapa plonu. Przyczyn może być wiele; najczęstsze to: starsze maszyny nie mają wyposażenia niezbędnego do rejestrowania danych ze zbioru (1), błędy ludzkie (2) oraz nieprzydatne zebrane dane (3). GeoPard pomaga rozwiązać te problemy, odtwarzając niekompletne mapy plonu. Proces obejmuje kompleksową ocenę [potencjału pola](https://geopard.tech/blog/field-potential-maps-yield-data/) oraz [trendów rozwoju roślinności w trakcie sezonu](https://docs.geopard.tech/geopard-tutorials/pl/przewodnik-po-produkcie-aplikacja-webowa/satellite-monitoring.md), wykorzystując dopracowane metody GeoPard analizy danych o plonach, aby uzupełnić mapę.

Kalibracja plonu nadal jest wymagana, aby wyeliminować anomalie w rozkładzie danych o plonach.

<figure><img src="https://3832317038-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FRce8VNyPVrknT8nv5S70%2Fimage.png?alt=media&amp;token=fee2ecf8-35de-4777-b189-ac47eb234f31" alt=""><figcaption><p>Mapa plonu: rzeczywista (oryginalna) a skalibrowana</p></figcaption></figure>

Porównanie znanych fragmentów mapy plonu z mapą odtworzoną przedstawiono na poniższym zrzucie ekranu.

<figure><img src="https://3832317038-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FHrDt9mmQZ6Vm4H7HLR91%2Fimage.png?alt=media&amp;token=63879fe6-8502-4dd7-b48c-75cb40b6859c" alt=""><figcaption><p>Mapa plonu: skalibrowana a syntetyczna</p></figcaption></figure>

### Groch: uzupełnianie luk na mapie plonu

W wielu przypadkach dostępna jest tylko częściowa mapa plonu. Najczęstsze przyczyny to:

1. starsze maszyny bez sprzętu do rejestrowania plonu,
2. błędy ludzkie podczas zbiorów oraz
3. zebrane dane, które okazują się nieprzydatne.

GeoPard rozwiązuje te problemy, odtwarzając niekompletne mapy plonów za pomocą zaawansowanych, autorskich algorytmów.

<figure><img src="https://3832317038-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FWw9e7u8eEBaBtgjNqSPF%2Fimage.png?alt=media&amp;token=36e15b1f-50d9-4ca1-a381-f82c07521e95" alt=""><figcaption><p>Mapa plonów: odtworzona i oryginalna</p></figcaption></figure>

{% hint style="success" %}
Uzupełnij historię plonów: [Rozpocznij bezpłatnie](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=synthetic-yield-map)
{% endhint %}


---

# 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/pl/agronomia/yield-and-trials/synthetic-yield-map.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.
