> 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/ro/agronomie/yield-and-trials/comparing-yield-datasets.md).

# Compararea seturilor de date despre producție

Compară seturile de date despre producție pentru a obține perspective mai profunde asupra performanței culturii de-a lungul sezoanelor, acoperind curățarea și calibrarea corectă a producției și utilizarea producției sintetice.

## Context

Luarea deciziilor în agricultura modernă se bazează în mare măsură pe seturile de date privind producția, care reflectă producția recoltată și o parte importantă din veniturile fermierilor. Aceste seturi de date trebuie să fie exacte și de înaltă calitate pentru a fundamenta deciziile privind gestionarea inputurilor și pentru a optimiza strategiile viitoare de semănat și fertilizare.

Datele privind producția sunt colectate, de regulă, de echipamentele de recoltare, însă măsurătorile brute sunt adesea incomplete, conțin erori sau necesită calibrare pentru a corecta inconsecvențele senzorilor și variațiile condițiilor din câmp. Pentru a depăși aceste provocări, specialiștii folosesc în mod obișnuit tehnici de curățare, calibrare și generare de seturi de date sintetice, pentru a obține date fiabile și comparabile privind producția.

Ambele[ Curățarea și calibrarea datelor privind producția](https://docs.geopard.tech/geopard-tutorials/ro/agronomie/yield-and-trials/yield-calibration-and-cleaning.md) și [Refacerea sintetică a datelor privind producția](https://docs.geopard.tech/geopard-tutorials/ro/agronomie/yield-and-trials/synthetic-yield-map.md) sunt disponibile în GeoPard.

<mark style="background-color:yellow;">Compararea seturilor de date privind producția din ani de cultură diferiți oferă informații valoroase, ajutând la validarea practicilor de management, la confirmarea preciziei senzorilor și la îmbunătățirea strategiilor pentru sezoanele următoare.</mark> Aceste comparații ghidează și perfecționarea recomandărilor privind fertilizarea și semănatul, asigurându-se că fiecare decizie se bazează pe informații fiabile.

## Metodă de comparare (folosind ecuația de similaritate)

Pentru a compara cantitativ seturile de date privind producția, folosim o ecuație salvată în prealabil, numită <mark style="background-color:yellow;">Analiza corelației spațiale (similaritatea straturilor de date)</mark> care măsoară, din punct de vedere spațial, similaritatea dintre atributele asociate producției din diferite seturi de date.

Această ecuație atribuie un scor de similaritate, care indică în ce măsură un set de date corespunde altuia în ceea ce privește distribuția spațială și valorile.

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FrDgSf0J2uDfD9Wy0GPjw%2Fimage.png?alt=media&amp;token=7af48fc7-2044-483c-b50b-a1ea3c0461f7" alt=""><figcaption><p>Căutați ecuația existentă pentru similaritatea straturilor de date</p></figcaption></figure>

<mark style="background-color:yellow;">Valorile similarității variază între 0 și 1, unde 0 indică lipsa unei corespondențe, iar 1 indică o corespondență spațială și valorică de 100%</mark>. Cu alte cuvinte, cu cât scorul de similaritate este mai aproape de 1, cu atât atributele producției sunt mai asemănătoare.

## **Set de date reale privind producția (2015** Soia **vs. 2018** Soi&#x61;**)**

În acest caz, pornim de la date brute privind producția, colectate în două sezoane de vegetație diferite, 2015 și 2018, pentru aceeași cultură — soia. Seturile de date inițiale conțin valori neobișnuit de mari și de mici în anumite locații, mai ales la începutul și la sfârșitul trecerilor combinei, iar datele necesită o recalibrare minoră.

După aplicarea instrumentelor GeoPard de curățare și calibrare, setul de date rezultat este mai uniform, mai consecvent și mai ușor de interpretat.

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDTbHLvB354jBMO3fub2W%2Fimage.png?alt=media&amp;token=6ca5f428-021b-453d-b6c7-330038294e0c" alt=""><figcaption><p>Soia 2015: date privind producția inițiale vs. curățate și calibrate</p></figcaption></figure>

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaiDl2niPiQyUwQ6kDTdW%2Fimage.png?alt=media&amp;token=7bb1ccdb-b41c-4590-b47f-a803cdbe8e01" alt=""><figcaption><p>Soia 2018: date privind producția inițiale vs. curățate și calibrate</p></figcaption></figure>

Mai jos este o captură de ecran cu harta rezultată în urma aplicării ecuației de similaritate.

Din punct de vedere statistic, media ridicată (0,869) și mediana (0,876) indică faptul că <mark style="background-color:yellow;">modelele de producție ale soiei din 2018 seamănă foarte mult cu cele din 2015</mark>. Deși în unele zone valoarea scade până la 0,599, variația redusă (0,005) și abaterea standard moderată (0,073) confirmă <mark style="background-color:yellow;">consecvența generală</mark>.

Din punct de vedere agronomic, <mark style="background-color:yellow;">această stabilitate sugerează că particularitățile terenului și răspunsul la practicile de management au rămas în mare parte neschimbate</mark>.

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FAyZjM18FRfT03KXUX2yW%2Fimage.png?alt=media&amp;token=d48c86e2-0aa0-4eb4-b626-29e645399a77" alt=""><figcaption><p>Compararea similarității producției: soia 2015 vs. soia 2018</p></figcaption></figure>

## **Set de date reale privind producția (2022** Porumb **vs. 2024** Porum&#x62;**)**

În acest scenariu, pornim de la date brute privind producția de porumb din două sezoane — 2022 și 2024. Seturile de date inițiale conțin anomalii, precum valori neobișnuit de mari sau de mici, treceri încrucișate și traiectorii curbe, ceea ce indică necesitatea recalibrării senzorilor.

După aplicarea instrumentelor GeoPard de curățare și calibrare, seturile de date devin mai fiabile, permițând analiza automatizată și luarea unor decizii bine fundamentate.

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FrCMUu65DPZjqVmuvoUvM%2Fimage.png?alt=media&amp;token=00c11d5e-70b7-49ea-9943-0e4ac5b2b990" alt=""><figcaption><p>Porumb 2022: date privind producția inițiale vs. curățate și calibrate</p></figcaption></figure>

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Ff53cGgbe2gWO4LbW2OUN%2Fimage.png?alt=media&amp;token=f48408bd-662e-44f8-9fca-c334b23324b8" alt=""><figcaption><p>Porumb 2024: date privind producția inițiale vs. curățate și calibrate</p></figcaption></figure>

Mai jos este o captură de ecran cu harta rezultată în urma aplicării ecuației de similaritate.

Din punct de vedere statistic, media de 0,791 și mediana de 0,799 arată că <mark style="background-color:yellow;">producțiile de porumb din 2024 seamănă în mare măsură cu cele din 2022</mark>, deși valorile de până la 0,413 indică variabilitate. Abaterea standard de 0,115 confirmă <mark style="background-color:yellow;">existența unor diferențe în anumite zone ale câmpului</mark>.

Din punct de vedere agronomic, <mark style="background-color:yellow;">modelele consecvente sugerează condiții stabile și un management eficient de-a lungul timpului</mark>. Totuși, zonele localizate cu <mark style="background-color:yellow;">similaritate mai scăzută pot necesita ajustări specifice pentru a îmbunătăți producția viitoare</mark>.

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FhOWLFRX43inp21kga5y9%2Fimage.png?alt=media&amp;token=308de900-e22a-4330-b517-a88ca89c5012" alt=""><figcaption><p>Compararea similarității producției: porumb 2022 vs. porumb 2024</p></figcaption></figure>

## **Set de date sintetice vs. reale privind producția (2023** Rapiță

În acest scenariu, pornim de la un set de date brut privind producția de rapiță din sezonul 2023 și de la un set de date generat sintetic privind producția aceleiași culturi în același an, 2023. <mark style="background-color:yellow;">Scopul este de a evalua acuratețea spațială a producției reale în raport cu cea sintetică, oferind o modalitate de a completa datele neînregistrate, de a acoperi lacunele din datele de producție și de a corecta anomaliile folosind valori sintetice</mark>. Setul de date privind producția reală conține probleme precum valori anormal de mari sau mici, treceri suprapuse, trasee curbe și treceri cu valori zero, toate indicând necesitatea recalibrării senzorului.

După aplicarea funcției GeoPard [Curățare și calibrare](https://docs.geopard.tech/geopard-tutorials/ro/agronomie/yield-and-trials/yield-calibration-and-cleaning.md) datelor de producție reale și generarea [producției sintetice](https://docs.geopard.tech/geopard-tutorials/ro/agronomie/yield-and-trials/synthetic-yield-map.md) pentru rapiță, putem începe o comparație relevantă a gradului de similitudine dintre acestea.

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FwkCRiie2suhom6bxWKCJ%2Fimage.png?alt=media&amp;token=f4752a43-55e2-431c-a667-8363c8f742c6" alt=""><figcaption><p>Rapiță 2023: date de producție inițiale versus date curățate și calibrate</p></figcaption></figure>

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fz427malsrdHAQOCNjQyh%2Fimage.png?alt=media&amp;token=26a63983-2a7f-48b2-bfc9-3e40a883582a" alt=""><figcaption><p>Producția sintetică de rapiță în 2023</p></figcaption></figure>

Mai jos este o captură de ecran cu harta rezultată în urma aplicării ecuației de similaritate.

Din punct de vedere statistic, valorile ridicate ale mediei (0,889) și medianei (0,904) indică faptul că, <mark style="background-color:yellow;">în general, setul de date privind producția sintetică reproduce îndeaproape tiparele spațiale ale producției reale de rapiță din 2023</mark>. Deși într-o zonă scorul scade până la 0,291, variația redusă (0,006) și abaterea standard modestă (0,08) sugerează că <mark style="background-color:yellow;">în cea mai mare parte a parcelei, seturile de date privind producția reală și cea sintetică sunt foarte asemănătoare, cu foarte puține valori atipice</mark>.

Din punct de vedere agronomic, această similitudine ridicată sugerează că <mark style="background-color:yellow;">datele privind producția sintetică pot servi drept substitut de încredere pentru condițiile reale din parcelă</mark>, sporind încrederea în utilizarea scenariilor modelate pentru fundamentarea deciziilor. <mark style="background-color:yellow;">Practicile agronomice reflectate de datele privind producția reală sunt surprinse fidel de modelul de producție sintetică</mark>, facilitând o planificare mai bine fundamentată și mai consecventă a strategiilor viitoare de gestionare.

<figure><img src="https://1279602871-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FZT4vMwtGPgMFsmWAsIb4%2Fimage.png?alt=media&amp;token=bf195514-380e-43fb-bbee-5922dd92b769" alt=""><figcaption><p>Compararea similitudinii producției de rapiță: producția reală din 2023 versus producția sintetică din 2023</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/ro/agronomie/yield-and-trials/comparing-yield-datasets.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.
