> 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/ru/obzor-produkta-veb-prilozhenie/zones-maps-and-analytics/multi-layer-analytics.md).

# Многослойная аналитика

В GeoPard вы можете объединять несколько слоёв данных для создания управленческих зон. Вы контролируете веса, индексы, число зон, тип кластеризации и минимальную площадь полигона.

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

*Интерактивная демонстрация — создание многослойных зон*

Точное земледелие генерирует большие объёмы данных, включая данные об урожайности, спутниковые снимки и слои плодородия почвы. Многие хозяйства по-прежнему сталкиваются с трудностями при превращении этих слоёв в полезные выводы и практические решения. В точном земледелии рабочие зоны — это участки поля со схожим потенциалом урожайности, определяемым типом почвы, положением на склоне, химическими свойствами почвы, микроклиматом и другими факторами, влияющими на развитие культур. Важную роль в этом процессе играют и местные знания о поле. Рабочие зоны помогают оптимизировать затраты на выращивание культур и реализовать потенциал урожайности.

Главная задача — создать рабочие зоны, отражающие реальную неоднородность поля. Объединение таких слоёв, как спутниковые снимки, данные о плодородии почвы, производные рельефа и данные монитора урожайности, — следующий логичный шаг к более гибкому управлению полем.

Многослойная аналитика (также известная как интегрированный анализ) становится частью механизма геопространственной аналитики GeoPard.

Классические наборы данных для интегрированного анализа включают один или несколько слоёв урожайности, карту NDVI, высоту и физико-химические характеристики почвы, полученные с датчиков. GeoPard поддерживает эти параметры, а также позволяет добавлять другие слои данных по полю, уже доступные в системе или загруженные пользователем напрямую, например результаты анализа почвы и данные об урожайности. Таким образом, для интегрированной аналитики можно использовать полный набор параметров:

Данные об урожайности\
Данные дистанционного зондирования:

* Карта потенциальной продуктивности (за один год и за несколько лет)
* Карта стабильности/изменчивости
* Вегетационные индексы NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Рельеф:

* Высота над уровнем моря
* Уклон
* Кривизна
* Индекс увлажнённости
* Экспозиция склона
* Отмывка рельефа
* Пересечённость рельефа
* Шероховатость

Данные о почве:

* pH
* CEC (ёмкость катионного обмена)
* SOM (органическое вещество почвы)
* K (калий)
* Малая мощность верхнего слоя почвы и низкая влагоёмкость (почва подвержена засухе)
* EC (электропроводность)
* и другие химические характеристики, доступные в загруженном наборе данных

Важно отметить, что для каждого слоя данных можно настроить собственные коэффициенты, задающие желаемый вес. В GeoPard можно создавать карты рабочих зон на основе ваших знаний о поле, выбирая источники данных и их веса.

## Как работают веса слоёв

Вес задаёт степень влияния каждого слоя на каждый пиксель итоговой карты зон.

### Сначала выполняется нормализация

Входные слои используют несовместимые единицы измерения и диапазоны значений: NDVI — от 0 до 1, урожайность — от 4 до 12 т/га, pH — от 5,5 до 7,5, EC — от 5 до 60 мСм/м. Если объединить исходные значения, результат будет определяться слоем с наибольшим числовым диапазоном — независимо от его агрономической значимости.

Сначала GeoPard выполняет для каждого слоя нормализацию по методу min-max, приводя его значения к общему диапазону на основе минимального и максимального значений этого слоя в пределах поля. После этого на степень влияния влияет только вес.

### Затем применяются веса

Каждый нормализованный слой умножается на свой вес, а затем слои объединяются в единую поверхность.

### Отрицательные веса инвертируют слой

Отрицательный вес инвертирует шкалу: высокие значения слоя рассматриваются как низкие, а низкие — как высокие. Это пригодится, когда высокие показания указывают на неблагоприятные условия, например:

* Содержание глины на поле с плохим дренажом
* Высота, если в низинах бывают заморозки или переувлажнение
* EC, если высокие показания указывают на засоление, а не на влагоёмкость почвы

### Пропуски интерполируются

Если в слое есть пропущенные пиксели (облачность на спутниковом снимке, пропущенный проход в данных об урожайности, редкие точки отбора проб почвы), GeoPard интерполирует пропуски по окружающим значениям, а не исключает эти пиксели. Благодаря этому итоговая карта остаётся непрерывной по всему полю.

### Результат нормализуется повторно

После взвешивания и объединения итоговая карта ещё раз нормализуется, чтобы охватить весь диапазон значений, а затем делится на выбранное вами число зон.

{% hint style="info" %}
**Как выбрать веса:** Начните с того, что задайте наибольший вес наиболее надёжному для вас слою. Данные об урожайности за несколько лет и спутниковые данные о долгосрочной продуктивности обычно являются самыми надёжными показателями. Снимки со спутника за одну дату наиболее зависят от конкретной ситуации, поскольку отражают лишь один момент сезона.
{% endhint %}

На изображениях ниже показано тестовое поле со слоями данных: картой продуктивности за 18 лет, цифровой моделью высот, уклоном, отмывкой рельефа и данными об урожайности за 2019 год. Также представлены результаты интегрированной аналитики с разными настройками. Можно проследить, как меняются рабочие зоны при добавлении новых слоёв.

<figure><img src="https://3851418964-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>Слои и веса для многослойной карты зон.</p></figcaption></figure>

<figure><img src="https://3851418964-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>Результат: зоны, созданные на основе спутниковых снимков, EC почвы, рельефа и данных об урожайности.</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/ru/obzor-produkta-veb-prilozhenie/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.
