> 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/utvardera-precisionen-i-godslingsinsatsen.md). # Utvärdera precisionen i gödslingsinsatsen Hur du utvärderar precisionen i en gödslingsinsats genom att jämföra de föreskrivna målgivorna med de faktiska utförda givorna spatialt. ## **Kontext** I modern jordbruk utförs de flesta agronomiska åtgärder baserat på förberedda kartor för variabel dosering (VRA). Dessa kartor innehåller vanligtvis flera gödslingsnivåer anpassade till olika fältzoner för att hantera den naturliga heterogeniteten i jord och gröda. Genom att följa sådana VRA-kartor strävar lantbrukare efter att optimera insatsmedel och maximera skördarna. I detta fall kommer vi att fokusera på att utvärdera noggrannheten i kvävegödsling genom att jämföra de avsedda appliceringsnivåerna (som anges i VRA-kartan) med de faktiska appliceringsnivåerna som registrerats av maskinerna under fältarbetet. ## **Maskinloggad data som används** Efter att gödslingen är slutförd registrerar maskinernas system olika parametervärden för insatsen. Av särskilt intresse här är två nyckelmått: * **Måldos****:** Den avsedda mängden gödsel som ska appliceras på en given plats, enligt appliceringskartan (VRA eller jämn dos). * **Applicerad dos****:** Den faktiskt applicerade mängden gödsel på samma plats. Genom att undersöka dessa två attribut i ett geospatialt sammanhang kan vi bedöma hur väl den faktiska appliceringen följde den föreskrivna planen. Jämförelsen innebär att visualisera båda **Måldos** och **Applicerad dos** kartorna, analysera deras statistiska fördelningar och bekräfta att den erforderliga mängden gödsel verkligen levererades korrekt.

Maskinloggad data: Måldos vs Applicerad dos för jämn dosapplicering

Maskinloggad data: Måldos vs Applicerad dos för variabel dosapplicering (VRA)

## **Utvärdera appliceringsnoggrannhet** För att bedöma noggrannheten i gödslinganvändningen kommer vi att använda en förinspelad ekvation kallad Rumslig korrelationsanalys (likhet mellan datalager) som mäter likheten mellan värdena för Applicerad dos och Måldos på rumslig nivå.

Sök efter befintlig ekvation för likhet mellan datalager

Likhetsvärdena varierar från 0 till 1, där 0 indikerar ingen överensstämmelse och 1 betyder 100% rumslig värdeöverensstämmelse. Med andra ord: ju närmare likhetspoängen är 1, desto mer exakt utfördes gödslingen. Att uppnå värden konsekvent nära 1 visar på noggrann följsamhet mot appliceringsplanen (VRA eller jämn dos) och säkerställer att fältet får den avsedda gödselmängden för optimal grödtillväxt.

Likhetsekvationskarta: Måldos vs Applicerad dos för jämn dosapplicering

Likhetsekvationskarta: Måldos vs Applicerad dos för variabel dosapplicering (VRA)

--- # 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/utvardera-precisionen-i-godslingsinsatsen.md?ask=&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.