> 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/przewodnik-po-produkcie-aplikacja-webowa/mapy-stref-i-analityka/analityka-wielowarstwowa.md).

# Analityka wielowarstwowa

W GeoPard możesz integrować wiele warstw danych, aby tworzyć strefy zarządzania. Kontrolujesz wagi, indeksy, liczbę stref, typ klasteryzacji i minimalną powierzchnię poligonu.

{% @arcade/embed url="<https://app.arcade.software/share/em63luvNTYI6CFKUC3m6>" flowId="em63luvNTYI6CFKUC3m6" %}

*Interaktywny pokaz – tworzenie stref wielowarstwowych*

Rolnictwo precyzyjne generuje duże ilości danych, w tym dane plonowania, zdjęcia satelitarne i warstwy żyzności gleby. Wiele zespołów nadal ma trudność z przełożeniem tych warstw na użyteczne wnioski i działania. W rolnictwie precyzyjnym strefy zarządzania to części pola o podobnym potencjale plonowania, określonym na podstawie typu gleby, położenia na stoku, chemii gleby, mikroklimatu lub innych czynników wpływających na uprawę. Lokalna znajomość pola jest również ważną częścią procesu. Strefy zarządzania pomagają optymalizować nakłady na uprawę i potencjał plonowania.

Głównym wyzwaniem jest budowa stref zarządzania, które odzwierciedlają rzeczywistą zmienność pola. Łączenie warstw takich jak zdjęcia satelitarne, żyzność gleby, pochodne topografii i dane z monitoringu plonu to kolejny logiczny krok w kierunku bardziej reagujących stref zarządzania.

Analiza wielowarstwowa (znana również jako analiza zintegrowana) staje się częścią silnika analityki geospatialnej GeoPard.

Klasyczne zestawienia do analizy zintegrowanej obejmują jeden lub więcej zbiorów danych o plonie, mapę NDVI, wysokość n.p.m. oraz fizykochemiczne cechy gleby z czujników glebowych. GeoPard obsługuje te parametry, a także pozwala uwzględnić inne warstwy danych polowych już dostępne w systemie lub wgrane bezpośrednio przez użytkownika, takie jak próby glebowe i zbiory danych o plonie. W rezultacie możesz pracować z pełnym zestawem parametrów do analityki zintegrowanej:

Dane o plonie\
Dane teledetekcyjne:

* Mapa potencjalnej produktywności (jednoroczna i wieloletnia)
* Mapa stabilności/zmienności
* Wskaźniki wegetacyjne NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Topografia:

* Wysokość n.p.m.
* Nachylenie
* Krzywizna
* Wskaźnik wilgotności
* Ekspozycja
* Cieniowanie rzeźby terenu
* Chropowatość terenu
* Szorstkość

Dane glebowe:

* pH
* CEC (pojemność wymiany kationów)
* SOM (zawartość materii organicznej gleby)
* K (potas)
* Cienka warstwa gleby ornej, niższa dostępna pojemność wodna (gleba podatna na suszę)
* EC (przewodność elektryczna)
* i inne właściwości chemiczne dostępne w wgranym zbiorze danych

Warto zauważyć, że możesz konfigurować własne czynniki dla każdej warstwy danych, aby nadać im odpowiednią wagę. Możesz tworzyć mapy stref zarządzania na podstawie swojej wiedzy o polu, jednocześnie wybierając źródła danych i ich wagi w GeoPard.

Poniższe obrazy pokazują przykładowe pole z warstwami danych, takimi jak 18-letnia mapa produktywności, cyfrowy model terenu, nachylenie, cieniowanie rzeźby terenu oraz dane plonowania z 2019 roku, wraz z różnymi wynikami analityki zintegrowanej. Możesz śledzić, jak strefy zarządzania ewoluują wraz z dodawaniem kolejnych warstw.

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-8.png?resize=1024%2C501&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-9.png?resize=1024%2C504&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-10.png?resize=1024%2C505&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-11.png?resize=1024%2C505&#x26;ssl=1" alt=""><figcaption></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/pl/przewodnik-po-produkcie-aplikacja-webowa/mapy-stref-i-analityka/analityka-wielowarstwowa.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.