> 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/swe/agronomi/detektera-lera-och-sand-med-sbi.md).

# Detektera lera och sand med SBI

Använd satellitbilder för att snabbt kartlägga lerdominerade zoner kontra sanddominerade zoner utan fullständig ny kartläggning.

## Affärsfall

Jordart påverkar vattenhållande kapacitet, näringstillgång och avkastningsstabilitet. 

Traditionella kartor är dyra och blir snabbt inaktuella. 

Med GeoPard kan du:

* Markera **lera (mörkare)** vs. **sand (ljusare)** områden snabbt
* Fokusera jordprovtagning där det spelar roll
* Skapa **variabelt-rate** sådd-, bevattnings- och gödslingszoner
* Uppdatera insikter varje år med minimal ansträngning

## Dynamisk handledning

Resultaten stämmer överens med **jordskanningar från tyska fält** som mäter sand- och lerinnehåll. 

Några riktade markprover hjälper till att finjustera tröskelvärden.

{% hint style="warning" %}
Handledningen nedan stöder flera språk. Välj det som passar dig bäst från språkikonen <img src="https://1016759462-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FBI5BLx6lztxQTYIHqvsr%2Fimage.png?alt=media&amp;token=0d402011-668e-4a9c-8853-0fb4f56ace99" alt="" data-size="line">.&#x20;
{% endhint %}

{% @arcade/embed flowId="wF4zb4RmoZmbHgjJaldA" url="<https://app.arcade.software/share/wF4zb4RmoZmbHgjJaldA>" %}

## Lösning

Så här fungerar det:

* **SBI (Soil Brightness Index)** ökar med ytreflektionen (rött + NIR).
* **Lera**: finare partiklar, mer fukt/oxider → **lägre SBI** (mörkare).
* **Sand**: grövre, torrare, högre albedo → **högre SBI** (ljusare).

Arbetsflöde i GeoPard:

1. **Samla SBI-lager** från datum med bar jord (flera per år).
2. **Normalisera varje scen** (tar bort belysning-/insamlingsbias).
3. **Medelvärdesbilda över tid** (minskar slumpmässigt brus).
4. **Klustra rumsligt** till **0,25–0,5 ha (0,5–1 ac)** zoner (minskar pixelstörningar).
5. **Klassificera** fördelningen:
   * Lägre SBI → **mer lerhaltig**
   * Högre SBI → **mer sandig**
6. **Exportera** zoner för scouting och VR-recept.

Normalisering + medelvärde över flera datum + små kluster gör SBI till en **stabil proxy** för textur och förbättrar separerbarheten mellan mörkare (lera) och ljusare (sand) områden.


---

# 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/swe/agronomi/detektera-lera-och-sand-med-sbi.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.