> 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/tr/urun-turu-web-uygulamasi/zones-maps-and-analytics/multi-layer-analytics.md).

# Çok Katmanlı Analitik

GeoPard ile yönetim bölgeleri oluşturmak için birden çok veri katmanını entegre edebilirsiniz. Ağırlıkları, indeksleri, bölge sayısını, kümeleme türünü ve minimum poligon alanını siz kontrol edersiniz.

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

*Etkileşimli demo - çok katmanlı bölgeler oluşturma*

Hassas tarım; verim verileri, uydu görüntüleri ve toprak verimliliği katmanları dâhil olmak üzere büyük miktarda veri üretir. Pek çok ekip, bu katmanları hâlâ işe yarar içgörülere ve eylemlere dönüştürmekte zorlanıyor. Hassas tarımda yönetim bölgeleri; toprak türü, yamaç konumu, toprak kimyası, mikroiklim veya ürün gelişimini etkileyen diğer faktörlere göre benzer verim potansiyeline sahip tarla bölümleridir. Yerel tarla bilgisi de sürecin önemli bir parçasıdır. Yönetim bölgeleri, tarımsal girdileri ve verim potansiyelini en iyi şekilde yönetmeye yardımcı olur.

Temel zorluk, tarladaki gerçek değişkenliği yansıtan yönetim bölgeleri oluşturmaktır. Uydu görüntüleri, toprak verimliliği, topoğrafya türevleri ve verim monitörü verileri gibi katmanları birleştirmek, değişen koşullara daha iyi yanıt veren yönetim bölgeleri oluşturmak için atılacak bir sonraki mantıklı adımdır.

Çok katmanlı analiz (entegre analiz olarak da bilinir), GeoPard coğrafi analiz motorunun bir parçası hâline geliyor.

Entegre analizde kullanılan klasik kombinasyonlar; bir veya daha fazla verim veri kümesini, NDVI haritasını, yükseltiyi ve toprak sensörlerinden elde edilen fizikokimyasal özellikleri içerir. GeoPard bu parametreleri destekler; ayrıca sistemde bulunan veya kullanıcı tarafından doğrudan yüklenen toprak örnekleme ve verim veri kümeleri gibi diğer tarla verisi katmanlarını da dâhil etmenize olanak tanır. Böylece entegre analiz için eksiksiz bir parametre kümesiyle çalışabilirsiniz:

Verim verileri\
Uzaktan algılama verileri:

* Potansiyel verimlilik haritası (tek yıllık ve çok yıllık)
* İstikrar/değişkenlik haritası
* Bitki örtüsü indeksleri: NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Topoğrafya:

* Yükseklik
* Eğim
* Eğrilik
* Nemlilik indeksi
* Yön
* Gölgelendirme
* Engebelilik
* Pürüzlülük

Toprak verileri:

* pH
* CEC (katyon değişim kapasitesi)
* SOM (toprak organik maddesi)
* K (potasyum)
* İnce yüzey toprağı, düşük kullanılabilir su tutma kapasitesi (kuraklığa yatkın toprak)
* EC (elektriksel iletkenlik)
* ve yüklenen veri kümesinde bulunan diğer kimyasal özellikler

İstenen ağırlığı atamak için her veri katmanına özel faktörler tanımlayabileceğinizi unutmamak önemlidir. GeoPard'da veri kaynaklarını ve bunların ağırlıklarını seçerek, tarla hakkındaki bilginize dayalı yönetim bölgesi haritaları oluşturabilirsiniz.

## Katman ağırlıkları nasıl çalışır?

Ağırlık, ortaya çıkan bölgeler haritasındaki her pikseli her katmanın ne ölçüde etkilediğini belirler.

### Önce normalizasyon

Girdi katmanları birbiriyle uyumsuz birimler ve aralıklar kullanır: NDVI 0 ile 1 arasında, verim 4 ile 12 t/ha arasında, pH 5,5 ile 7,5 arasında, EC ise 5 ile 60 mS/m arasında değişir. Ham değerleri birleştirmek, tarımsal açıdan öneminden bağımsız olarak sayısal aralığı en geniş katmanın sonucu belirlemesine yol açar.

GeoPard önce her katmana min-maks normalizasyonu uygular ve katmanı, tarladaki kendi minimum ve maksimum değerlerine göre ortak bir aralığa ölçeklendirir. Böylece etkiyi yalnızca ağırlık belirler.

### Ardından ağırlıklar uygulanır

Her normalleştirilmiş katman kendi ağırlığıyla çarpılır ve katmanlar birleştirilerek tek bir yüzey oluşturulur.

### Negatif ağırlıklar katmanı tersine çevirir

Negatif ağırlık ölçeği tersine çevirir: Katmanın yüksek değerleri düşük, düşük değerleri ise yüksek kabul edilir. Yüksek ölçümlerin daha kötü koşullara işaret ettiği durumlarda kullanın. Örneğin:

* Drenajı yetersiz bir tarlada kil içeriği
* Çukur alanların dona veya su birikmesine maruz kaldığı yerlerde yükselti
* Yüksek ölçümlerin su tutma kapasitesi yerine tuzluluğa işaret ettiği durumlarda EC

### Boşluklar enterpolasyonla doldurulur

Bir katmanda eksik pikseller olduğunda (uydu görüntüsünde bulut örtüsü, verim verilerinde atlanan bir geçiş, seyrek toprak örnekleme noktaları gibi), GeoPard bu pikselleri çıkarmak yerine çevredeki değerlerden yararlanarak boşlukları enterpolasyonla doldurur. Böylece birleşik harita tarlanın tamamında kesintisiz kalır.

### Sonuç yeniden normalleştirilir

Ağırlıklandırma ve birleştirme sonrasında sonuç haritası, tüm aralığı kapsayacak şekilde yeniden normalleştirilir ve ardından seçtiğiniz bölge sayısına göre bölünür.

{% hint style="info" %}
**Ağırlıkları seçerken:** en güvendiğiniz katmana en yüksek ağırlığı vererek başlayın. Çok yıllı verim ve uzun dönemli uydu verimliliği genellikle en güvenilir göstergelerdir. Tek tarihli uydu görüntüleri ise en durumsal verilerdir; çünkü tek bir görüntü, sezonun yalnızca belirli bir anını yansıtır.
{% endhint %}

Aşağıdaki görsellerde 18 yıllık verimlilik haritası, sayısal yükseklik modeli, eğim, gölgelendirme ve 2019 verim verileri gibi veri katmanları ile farklı entegre analiz çıktıları bulunan örnek bir tarla gösterilmektedir. Ek katmanlar eklendikçe yönetim bölgelerinin nasıl değiştiğini izleyebilirsiniz.

<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/tr/urun-turu-web-uygulamasi/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.
