> 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/ukrainian/oglyad-produktu-vebdodatok/zones-maps-and-analytics/multi-layer-analytics.md).

# Багатошарова аналітика

У GeoPard ви можете інтегрувати кілька шарів даних для створення зон управління. Ви керуєте вагами, індексами, кількістю зон, типом кластеризації та мінімальною площею полігона.

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

*Інтерактивна демонстрація — створення зон із кількох шарів*

Точне землеробство генерує великі обсяги даних, зокрема дані про врожайність, супутникові знімки та шари родючості ґрунту. Багатьом командам досі складно перетворювати ці шари на корисні висновки та практичні дії. У точному землеробстві зони управління — це ділянки поля зі схожим потенціалом урожайності, визначеним типом ґрунту, положенням на схилі, хімічними властивостями ґрунту, мікрокліматом та іншими чинниками, що впливають на розвиток культур. Важливою частиною цього процесу є також місцеві знання про поле. Зони управління допомагають оптимізувати ресурси для вирощування культур і реалізувати потенціал урожайності.

Головний виклик — створити зони управління, які відображають реальну мінливість поля. Поєднання таких шарів, як супутникові знімки, дані про родючість ґрунту, похідні топографічні показники та дані монітора врожайності, — це наступний логічний крок до створення зон управління, що краще адаптуються до умов поля.

Багатошарова аналітика (також відома як інтегрований аналіз) стає частиною геопросторового аналітичного рушія GeoPard.

Класичні комбінації для інтегрованого аналізу охоплюють один або кілька наборів даних про врожайність, карту NDVI, висоту та фізико-хімічні характеристики ґрунту, отримані за допомогою датчиків. GeoPard підтримує ці параметри й дає змогу додавати інші шари даних про поле, уже доступні в системі або безпосередньо завантажені користувачем, наприклад результати аналізу ґрунту та набори даних про врожайність. Так ви можете працювати з повним набором параметрів для інтегрованої аналітики:

Дані про врожайність\
Дані дистанційного зондування:

* Карта потенційної продуктивності (за один або кілька років)
* Карта стабільності/варіації
* Вегетаційні індекси NDVI, EVI2, WDRVI, LAI, SAVI, OSAVI, GCI, GNDVI

Топографія:

* Висота над рівнем моря
* Ухил
* Кривизна
* Індекс зволоженості
* Експозиція схилу
* Відмивка рельєфу
* Пересіченість рельєфу
* Шорсткість поверхні

Дані про ґрунт:

* pH
* CEC (ємність катіонного обміну)
* SOM (органічна речовина ґрунту)
* K (калій)
* Мала глибина верхнього шару ґрунту, низька доступна вологоємність (ґрунт, схильний до посухи)
* EC (електропровідність)
* та інші хімічні показники, доступні в завантаженому наборі даних

Важливо зазначити, що для кожного шару даних можна налаштувати власні коефіцієнти, щоб задати потрібну вагу. У GeoPard можна створювати карти зон управління на основі власних знань про поле, вибираючи джерела даних і їхню вагу.

## Як працюють вагові коефіцієнти шарів

Вага визначає, наскільки кожен шар впливає на кожен піксель результівної карти зон.

### Спочатку — нормалізація

Вхідні шари мають несумісні одиниці вимірювання та діапазони: NDVI змінюється від 0 до 1, урожайність — від 4 до 12 т/га, pH — від 5,5 до 7,5, EC — від 5 до 60 мСм/м. Якщо об’єднати необроблені значення, результат визначатиме шар із найбільшим числовим діапазоном незалежно від його агрономічної важливості.

Спочатку GeoPard нормалізує кожен шар методом мінімуму-максимуму, масштабуючи його до спільного діапазону на основі мінімального та максимального значень цього шару в межах поля. Після цього на вплив шару впливає лише його вага.

### Далі застосовуються вагові коефіцієнти

Кожен нормалізований шар множиться на свою вагу, а потім шари об’єднуються в єдину поверхню.

### Від’ємні ваги інвертують шар

Від’ємна вага змінює шкалу на протилежну: високі значення шару трактуються як низькі, а низькі — як високі. Використовуйте це, коли високі показники свідчать про гірші умови, наприклад:

* Вміст глини на полі з поганим дренажем
* Висота місцевості, коли в низинах бувають заморозки або перезволоження
* EC, коли високі показники свідчать про засолення, а не про здатність утримувати воду

### Пропуски інтерполюються

Якщо в шарі є відсутні пікселі (хмарність на супутниковому знімку, пропущений прохід під час збирання даних про врожайність, розріджені точки відбору проб ґрунту), GeoPard інтерполює пропуски за навколишніми значеннями, а не вилучає відповідні пікселі. Об’єднана карта залишається суцільною на всій площі поля.

### Результат нормалізується повторно

Після зважування й об’єднання результівна карта нормалізується ще раз, щоб охопити весь діапазон, а потім ділиться на вибрану кількість зон.

{% hint style="info" %}
**Вибір вагових коефіцієнтів:** почніть із надання найбільшої ваги шару, якому найбільше довіряєте. Найчастіше найнадійнішими показниками є врожайність за кілька років і довгострокова продуктивність за супутниковими даними. Супутникові знімки, отримані в одну дату, найсильніше залежать від конкретної ситуації, адже один знімок фіксує лише один момент сезону.
{% endhint %}

На зображеннях нижче показано зразок поля з такими шарами даних, як карта продуктивності за 18 років, цифрова модель висот, ухил, відмивка рельєфу та дані про врожайність за 2019 рік, а також різні результати інтегрованої аналітики. Ви можете простежити, як змінюються зони управління під час додавання нових шарів.

<figure><img src="https://2650431644-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fthi0JMlu2pSoF0wLOJp4%2FGeoPard%20Multi-Layer%20Maps%20creating.png?alt=media&amp;token=05cd9cea-0069-451d-af90-caa61801aaa1" alt="Multi-layer zones setup with several data layers and weights"><figcaption><p>Шари та вагові коефіцієнти для карти зон, створеної на основі кількох шарів.</p></figcaption></figure>

<figure><img src="https://2650431644-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FrfxM1lvXMqXgHLGug8Ow%2FGeoPard%20Multi-Layer%20Maps%20creating%20-%20result%20map.png?alt=media&amp;token=78d3bfd6-255b-477b-95d5-6bb0de84da61" alt="Multi-layer zones map built from imagery, soil EC, topography and yield"><figcaption><p>Результат: зони, сформовані на основі супутникових знімків, EC ґрунту, топографії та даних про врожайність.</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/ukrainian/oglyad-produktu-vebdodatok/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.
