> 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/pt-br/tour-do-produto-aplicativo-web/zones-maps-and-analytics/multi-layer-analytics.md).

# Análises Multicamadas

Com o GeoPard, você pode integrar várias camadas de dados para criar zonas de manejo. Você controla pesos, índices, o número de zonas, o tipo de agrupamento e a área mínima do polígono.

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

*Demonstração interativa: criação de zonas com múltiplas camadas*

A agricultura de precisão gera grandes volumes de dados, incluindo dados de produtividade, imagens de satélite e camadas de fertilidade do solo. Muitas equipes ainda têm dificuldade para transformar essas camadas em insights e ações úteis. Na agricultura de precisão, zonas de manejo são áreas de um talhão com potencial de produtividade semelhante, determinado pelo tipo de solo, posição na encosta, química do solo, microclima ou outros fatores que influenciam o desenvolvimento das culturas. O conhecimento local sobre o talhão também é uma parte importante do processo. As zonas de manejo ajudam a otimizar os insumos agrícolas e o potencial de produtividade.

O principal desafio é criar zonas de manejo que reflitam a variabilidade real do talhão. Combinar camadas como imagens de satélite, fertilidade do solo, derivados topográficos e dados do monitor de produtividade é o próximo passo lógico para criar zonas de manejo mais responsivas.

A análise de múltiplas camadas (também conhecida como análise integrada) está se tornando parte do mecanismo de análise geoespacial do GeoPard.

As combinações clássicas para análise integrada incluem um ou mais conjuntos de dados de produtividade, um mapa NDVI, elevação e características físico-químicas do solo obtidas por sensores. O GeoPard oferece suporte a esses parâmetros e também permite incluir outras camadas de dados do talhão já disponíveis no sistema ou enviadas diretamente pelo usuário, como amostragens de solo e conjuntos de dados de produtividade. Assim, você pode trabalhar com um conjunto completo de parâmetros para análises integradas:

Dados de produtividade\
Dados de sensoriamento remoto:

* Mapa de produtividade potencial (de um ano ou de vários anos)
* Mapa de estabilidade/variabilidade
* Índices de vegetação NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Topografia:

* Elevação
* Declividade
* Curvatura
* Índice de umidade
* Orientação da vertente
* Relevo sombreado
* Rugosidade do terreno
* Irregularidade do terreno

Dados do solo:

* pH
* CEC (capacidade de troca catiônica)
* SOM (matéria orgânica do solo)
* K (potássio)
* Camada superficial do solo rasa e menor capacidade de retenção de água disponível (solo sujeito à seca)
* EC (condutividade elétrica)
* e outros atributos químicos disponíveis no conjunto de dados enviado

É importante observar que você pode configurar fatores personalizados para cada camada de dados e atribuir o peso desejado. No GeoPard, você pode criar mapas de zonas de manejo com base no seu conhecimento do talhão, selecionando as fontes de dados e seus pesos.

## Como funcionam os pesos das camadas

O peso determina quanto cada camada influencia cada pixel do mapa de zonas resultante.

### Primeiro, ocorre a normalização

As camadas de entrada usam unidades e intervalos incompatíveis: o NDVI varia de 0 a 1, a produtividade de 4 a 12 t/ha, o pH de 5,5 a 7,5 e a EC de 5 a 60 mS/m. Combinar os valores brutos faria com que a camada com o maior intervalo numérico dominasse o resultado, independentemente de sua importância agronômica.

Primeiro, o GeoPard aplica a normalização min-max a cada camada, reescalando-a para um intervalo comum com base nos valores mínimo e máximo dessa camada dentro do talhão. A partir daí, somente o peso determina a influência.

### Em seguida, os pesos são aplicados

Cada camada normalizada é multiplicada pelo seu peso, e as camadas são combinadas em uma única superfície.

### Pesos negativos invertem a camada

Um peso negativo inverte a escala: os valores altos da camada passam a ser tratados como baixos, e os baixos, como altos. Use essa opção quando valores altos indicarem condições piores, por exemplo:

* Teor de argila em um talhão com drenagem deficiente
* Elevação em áreas baixas sujeitas à geada ou ao encharcamento
* EC quando valores altos indicam salinidade, e não capacidade de retenção de água

### As lacunas são interpoladas

Quando faltam pixels em uma camada (cobertura de nuvens em uma imagem de satélite, uma passada ausente nos dados de produtividade ou pontos de amostragem de solo esparsos), o GeoPard interpola a lacuna com base nos valores ao redor, em vez de descartar o pixel. O mapa combinado permanece contínuo em todo o talhão.

### O resultado é normalizado novamente

Após a aplicação dos pesos e a combinação das camadas, o mapa resultante é normalizado mais uma vez para abranger todo o intervalo e, em seguida, dividido no número de zonas selecionado.

{% hint style="info" %}
**Como escolher os pesos:** comece atribuindo o maior peso à camada em que você mais confia. A produtividade de vários anos e a produtividade de longo prazo estimada por satélite costumam ser os indicadores mais confiáveis. Imagens de satélite de uma única data dependem mais das circunstâncias, pois cada imagem captura apenas um momento da safra.
{% endhint %}

As imagens abaixo mostram um talhão de exemplo com camadas de dados como um mapa de produtividade de 18 anos, um modelo digital de elevação, declividade, relevo sombreado e dados de produtividade de 2019, além de diferentes resultados de análises integradas. Você pode acompanhar a evolução das zonas de manejo à medida que novas camadas são adicionadas.

<figure><img src="https://1397135423-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fthi0JMlu2pSoF0wLOJp4%2FGeoPard%20Multi-Layer%20Maps%20creating.png?alt=media&amp;token=05cd9cea-0069-451d-af90-caa61801aaa1" alt="Multi-layer zones setup with several data layers and weights"><figcaption><p>Camadas e pesos para um mapa de zonas com múltiplas camadas.</p></figcaption></figure>

<figure><img src="https://1397135423-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FrfxM1lvXMqXgHLGug8Ow%2FGeoPard%20Multi-Layer%20Maps%20creating%20-%20result%20map.png?alt=media&amp;token=78d3bfd6-255b-477b-95d5-6bb0de84da61" alt="Multi-layer zones map built from imagery, soil EC, topography and yield"><figcaption><p>Resultado: zonas criadas a partir da combinação de imagens, EC do solo, topografia e produtividade.</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/pt-br/tour-do-produto-aplicativo-web/zones-maps-and-analytics/multi-layer-analytics.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.
