> 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/using-data-classification.md).

# Usando Classificação de Dados

Aprenda como os métodos de classificação do GeoPard moldam mapas de zonas, incluindo as opções AUTO, Quebras Naturais, Intervalo Igual, Contagem Igual e Localizadas Espacialmente.

A classificação dos dados é uma etapa crucial na análise e visualização de dados geográficos. O GeoPard oferece vários métodos de classificação para ajudar os usuários a compreender e interpretar os dados com eficiência. As opções comuns no GeoPard são classificação AUTOMÁTICA, Quebras Naturais, Intervalo Igual, Contagem Igual (Área) e classificação Espacialmente Localizada. Cada método é adequado a um caso de uso diferente, conforme descrito abaixo:

## Classificação AUTO

A classificação automática seleciona uma abordagem de classificação adequada **com base na distribuição dos dados e nas áreas das zonas**. Ela ajuda você a criar um Mapa de Zonas utilizável mais rapidamente, com menos tentativas e erros ao comparar manualmente os métodos de classificação.

Essa opção é útil quando você quer um bom ponto de partida e precisa economizar tempo durante a criação do mapa. Ainda é possível revisar o resultado e ajustar outras configurações das zonas antes de salvar.

<figure><img src="https://1397135423-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>Classificação AUTO</p></figcaption></figure>

## 1. Classificação por Quebras Naturais

A classificação por Quebras Naturais identifica limites ou pontos de quebra "naturais" na distribuição dos dados para criar grupos distintos. Ela maximiza as diferenças entre as classes e minimiza as diferenças dentro de cada classe. Quebras Naturais é útil para dados com padrões ou agrupamentos claros, permitindo uma exploração e análise eficazes.

<figure><img src="https://1397135423-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>Classificação por Quebras Naturais</p></figcaption></figure>

## 2. Classificação por Intervalo Igual

A classificação por Intervalo Igual divide a amplitude dos dados em intervalos ou faixas iguais. Ela oferece uma representação equilibrada da distribuição dos dados, facilitando a interpretação e a comparação dos valores em cada intervalo. Intervalo Igual é adequada para dados distribuídos uniformemente, sem padrões distintos.

<figure><img src="https://1397135423-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>Classificação por Intervalo Igual</p></figcaption></figure>

## 3. Classificação por Contagem Igual (Área)

A classificação por Contagem Igual garante que cada classe contenha o mesmo número de valores de dados. Ela mantém uma representação equilibrada, especialmente para dados assimétricos ou distribuídos de forma desigual. A Contagem Igual permite comparações justas entre áreas ou regiões, proporcionando análises e visualizações consistentes.

O objetivo é criar zonas com áreas relativamente semelhantes, mas operações de arredondamento e melhorias na qualidade das zonas podem gerar pequenas variações. Por isso, o uso de índices de vegetação com maior granularidade, como EVI2, MCARI1 ou WDRVI, resulta em resultados mais precisos. Além disso, [as geometrias finais das zonas são ajustadas para melhorar a precisão](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

<figure><img src="https://1397135423-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>Classificação por Contagem Igual (Área)</p></figcaption></figure>

## 4. Classificação Espacialmente Localizada

A classificação Espacialmente Localizada agrupa os dados geograficamente, criando zonas localizadas. Seu principal caso de uso é o planejamento de Zonas para Amostragem de Solo, permitindo segmentar os Talhões com eficiência em áreas manejáveis.

Para oferecer mais flexibilidade, a classificação Espacialmente Localizada inclui três opções: **Priorizar o Espaço**, **Priorizar os Valores**, e **Equilibrada**.

### 4.1. Opção Equilibrada da classificação Espacialmente Localizada

A opção **Equilibrada** oferece um meio-termo entre **Priorizar o Espaço** e **Priorizar os Valores**. Ela cria um Mapa de Zonas com agrupamentos que equilibram a proximidade geográfica e a semelhança entre os valores dos dados. Essa abordagem funciona bem quando tanto a compactação espacial quanto a consistência dos dados são importantes.

<figure><img src="https://1397135423-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>Classificação Espacialmente Localizada (opção Equilibrada)</p></figcaption></figure>

### 4.2. Opção Priorizar os Valores da classificação Espacialmente Localizada

A opção **Priorizar os Valores** da classificação Espacialmente Localizada gera zonas agrupadas pelos valores dos dados, e não pela proximidade geográfica. Ela agrupa áreas com atributos semelhantes, como vegetação ou qualidade do solo, para criar um Mapa de Zonas em que a consistência dos dados dentro de cada zona é o mais importante.

<figure><img src="https://1397135423-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>Classificação Espacialmente Localizada (opção Priorizar os Valores)</p></figcaption></figure>

### 4.3. Opção Priorizar o Espaço da classificação Espacialmente Localizada

A opção **Priorizar o Espaço** da classificação Espacialmente Localizada concentra-se na criação de zonas mais concentradas geograficamente. Ela cria um Mapa de Zonas com agrupamentos que priorizam a proximidade e mantêm cada zona espacialmente compacta. É ideal quando a localização física é o mais importante, como em atividades de logística ou amostragem espacial.

<figure><img src="https://1397135423-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>Classificação Espacialmente Localizada (opção Priorizar o Espaço)</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/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.
