> 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/produktvandring-webbapp/zonkartor-och-analyser/analys-i-flera-lager.md).

# Analys i flera lager

Med GeoPard kan du kombinera flera datalager för att skapa skötselzoner. Du styr vikter, index, antal zoner, klustringstyp och minsta polygonarea.

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

*Interaktiv demo – skapa zoner med flera lager*

Precisionsjordbruk genererar stora mängder data, inklusive skördedata, satellitbilder och jordens bördighetslager. Många team har fortfarande svårt att omsätta de lagren till användbara insikter och åtgärder. Inom precisionsjordbruk är managementzoner delar av ett fält med liknande avkastningspotential baserat på jordart, läge i sluttningen, jordkemi, mikroklimat eller andra odlingsstyrande faktorer. Lokal fältkunskap är också en viktig del av processen. Managementzoner hjälper till att optimera insatsmedel och avkastningspotential.

Den största utmaningen är att bygga managementzoner som speglar den verkliga variationen i fältet. Att kombinera lager som satellitbilder, jordens bördighetsdata, topografiska derivat och data från skördemätare är nästa naturliga steg mot mer träffsäkra managementzoner.

Analys med flera lager (även kallat integrerad analys) håller på att bli en del av GeoPards geospatiala analysmotor.

Klassiska kombinationer för integrerad analys omfattar en eller flera skördedatamängder, en NDVI-karta, höjddata och fysikalisk-kemiska egenskaper från jordsensorer. GeoPard stöder dessa parametrar och låter dig också lägga till andra fältlager som redan finns i systemet eller som laddats upp direkt av användaren, såsom jordprovtagning och skördedatamängder. Resultatet är att du kan arbeta med en full uppsättning parametrar för integrerad analys:

Skördedata\
Fjärranalysdata:

* Potentiell produktivitetskarta (ett år och flera år)
* Stabilitets-/variationskarta
* Vegetationsindex NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Topografi:

* Höjd
* Lutning
* Krumning
* Fuktighetsindex
* Exponering
* Skuggningskarta
* Ojämnhet
* Råhet

Jorddata:

* pH
* CEC (katjonbyteskapacitet)
* SOM (jordens organiska material)
* K (kalium)
* Tunt matjordslager, lägre tillgänglig vattenhållande förmåga (torkkänslig jord)
* EC (elektrisk konduktivitet)
* och andra kemiska egenskaper som finns i den uppladdade datamängden

Det är viktigt att notera att du kan konfigurera anpassade faktorer för varje datalager för att tilldela önskad vikt. Du kan bygga kartor över managementzoner utifrån din kunskap om fältet samtidigt som du väljer datakällor och deras vikter i GeoPard.

Bilderna nedan visar ett exempel- fält med datalager som en 18-årig produktivitetskarta, digital terrängmodell, lutning, skuggning och skördedata från 2019, tillsammans med olika resultat från integrerad analys. Du kan följa hur managementzonerna utvecklas när fler lager läggs till.

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-8.png?resize=1024%2C501&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-9.png?resize=1024%2C504&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-10.png?resize=1024%2C505&#x26;ssl=1" alt=""><figcaption></figcaption></figure>

<figure><img src="https://i0.wp.com/help.geopard.tech/wp-content/uploads/2021/12/image-11.png?resize=1024%2C505&#x26;ssl=1" alt=""><figcaption></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/produktvandring-webbapp/zonkartor-och-analyser/analys-i-flera-lager.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.