> 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-saddinsatsen.md).

# Utvärdera precisionen i såddinsatsen

Hur du utvärderar precisionen i en såddinsats genom att jämföra de föreskrivna målgivorna med de faktiska utförda givorna spatialt.

## Kontext

I modern jordbruk utförs de flesta agronomiska arbetsmoment utifrån förberedda kartor för variabel utsädesmängd (VRA). Dessa kartor innehåller ofta flera utsädesnivåer anpassade till olika fältzoner för att hantera jordens och grödans inneboende heterogenitet.&#x20;

Genom att följa sådana VRA-kartor strävar lantbrukaren efter att optimera utsädesanvändningen, säkerställa rätt plantsättningstäthet och maximera skörden. I detta fall <mark style="color:standard;background-color:yellow;">kommer vi att fokusera på att utvärdera noggrannheten i en utsädesinsats</mark> genom att jämföra de avsedda utsädesnivåerna (enligt VRA-kartan) med de faktiska utsädesnivåerna som maskinerna registrerat under fältarbetet.

## Maskinloggad data som används

När sådden är genomförd registrerar maskinernas styrsystem olika parametrar för arbetet. Särskilt intressanta här är två nyckelmått:

* <mark style="color:standard;background-color:yellow;">**Måldos**</mark>**:** Den avsedda utsädesmängden vid en given plats, som anges i appliceringskartan (VRA eller enhetlig dos).
* <mark style="color:standard;background-color:yellow;">**Applicerad dos**</mark>**:** Den faktiska utsädesmängd som levererades vid samma plats.

Genom att granska dessa två attribut i ett geografiskt sammanhang kan vi bedöma hur väl den faktiska utsädesinsatsen följde föreskrivet plan. Jämförelsen innebär att visualisera både mål- och utförd utsädeskarta, analysera deras statistiska fördelningar och bekräfta att rätt mängd utsäde levererats.

<figure><img src="https://1016759462-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F46nZZTZdARLCWF83phTK%2Fimage.png?alt=media&amp;token=1849c0a3-92d2-4f06-851d-1906ba170db6" alt=""><figcaption><p>Maskinloggad data: Måldos vs Applicerad dos för variabel dosapplicering (VRA)</p></figcaption></figure>

<figure><img src="https://1016759462-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FuMX1TE9MCiwxejzTo4cd%2Fimage.png?alt=media&amp;token=7239ac8e-c82a-4970-8a53-da49a1a46ea0" alt=""><figcaption><p>Maskinloggad data: Måldos vs Applicerad dos för variabel dosapplicering (VRA)</p></figcaption></figure>

## **Utvärdera appliceringsnoggrannhet**

För att bedöma noggrannheten i gödslinganvändningen kommer vi att använda en förinspelad ekvation kallad <mark style="color:standard;background-color:yellow;">Rumslig korrelationsanalys (likhet mellan datalager)</mark> som mäter likheten mellan värdena för Applicerad dos och Måldos på rumslig nivå.&#x20;

<figure><img src="https://1016759462-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F8Se7EuLujRG6sgTOnlyh%2Fimage.png?alt=media&amp;token=15386b1a-d7ba-4766-be1e-6217e5d389ea" alt=""><figcaption><p>Sök efter befintlig ekvation för likhet mellan datalager</p></figcaption></figure>

<mark style="color:standard;background-color:yellow;">Likhetsvärdena sträcker sig från 0 till 1, där 0 indikerar ingen överensstämmelse och 1 betyder en 100% rumslig matchning av värden.</mark>&#x20;

Med andra ord: ju närmare likhetspoängen är 1, desto mer exakt har såarbetet utförts. Att konsekvent uppnå värden nära 1 visar på noggrann följsamhet till appliceringsplanen (VRA eller enhetlig dos) och säkerställer att fältet får den avsedda utsädesmängden för bästa etablering.

<figure><img src="https://1016759462-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FmjCSaH3232WiBX2XT9pU%2Fimage.png?alt=media&amp;token=0ae5feb6-0442-48c0-b9c5-37700c69f8ec" alt=""><figcaption><p>Likhetsekvationskarta: Måldos vs Applicerad dos för variabel dosapplicering (VRA)</p></figcaption></figure>

<figure><img src="https://1016759462-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FVA23PZJy0dpt3mtmdl4t%2Fimage.png?alt=media&amp;token=80fb5583-39fd-478f-b4e1-846ea3cf927c" alt=""><figcaption><p>Likhetsekvationskarta: Måldos vs Applicerad dos för variabel dosapplicering (VRA)</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/swe/agronomi/utvardera-precisionen-i-saddinsatsen.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.
