Normalizirani indeks razlike vlage

Število vegetacijski indeksi, ki jih podpira GeoPard nenehno raste. Ekipa GeoPard predstavlja indeks normalizirane razlike vlažnosti (NDMI). Indeks določa vsebnost vode v vegetaciji in indeks normalizirane razlike vlage (NDWI). Uporaben je za iskanje mest z obstoječimi vodni stres pri rastlinah.

Nižje vrednosti NDMI označujejo mesta, kjer so rastline zaradi nezadostne vlage pod stresom.
Po drugi strani pa nižje normalizirane vrednosti indeksa razlike vode po vrhuncu vegetacije poudarjajo mesta, ki postajajo pripravljeno za žetev najprej.

Razlika v relativni vsebnosti vode v vegetaciji med dvema satelitskima posnetkoma (v tem primeru ozvezdje Sentinel-2)

Razlika v relativni vsebnosti vode v vegetaciji med dvema satelitskima posnetkoma (v tem primeru ozvezdje Sentinel-2)

Na naslednjih posnetkih zaslona si lahko ogledate cone NDMI, ustvarjene na podlagi satelitskih posnetkov z dne 19. junija (vrhunec vegetacije) in 6. julija, ter enačbni zemljevid, ki predstavlja razliko NDMI.

Normalizirani indeks razlike vlažnosti, izračunan na podlagi slike Planet / Sentinel-2 / LandsatNDMI izračunan na podlagi slike Planet / Sentinel-2 / Landsat

Kaj je indeks vlage?

To je mera ali izračun, ki se uporablja za oceno vsebnosti ali razpoložljivosti vlage na določenem območju ali v regiji. Običajno izhaja iz različnih okoljskih dejavnikov, kot so padavine, evapotranspiracija, lastnosti tal in rastlinski pokrov.

Zagotavlja relativni pokazatelj vlažnosti ali suhosti območja in pomaga prepoznati morebitne težave z vodo ali sušo.

Je dragoceno orodje za spremljanje in upravljanje vodnih virov, kmetijsko načrtovanje in razumevanje ekoloških razmer v določeni regiji.

Kaj je normalizirani indeks razlike vlage?

Indeks normalizirane razlike vlažnosti (NDMI) je vegetacijski indeks, pridobljen iz podatkov daljinskega zaznavanja za oceno in spremljanje vsebnosti vlage v vegetaciji. Tako kot drugi vegetacijski indeksi se izračuna z uporabo vrednosti spektralne odbojnosti iz satelitskih ali zračnih posnetkov.

Posebej uporaben je pri spremljanju vodnega stresa rastlin, ocenjevanju sušnih razmer, ocenjevanju tveganja požarov in preučevanju vplivov podnebnih sprememb na vegetacijo.

Izračuna se z uporabo bližnjega infrardečega (NIR) in kratkovalovnega infrardečega (SWIR) pasov, ki sta občutljiva na vsebnost vlage v rastlinju. Formula za NDMI je:

NDMI = (NIR – KI) / (NIR + KI)

Vrednosti NDWI se običajno gibljejo od -1 do 1, pri čemer višje vrednosti kažejo na višjo vsebnost vlage v vegetaciji, nižje vrednosti pa na nižjo vsebnost vlage ali vodni stres v vegetaciji. Negativne vrednosti NDMI so lahko povezane z nerastenimi območji ali območji z zelo nizko vsebnostjo vlage.

Kaj je NDWI?

NDWI ali indeks normalizirane razlike vode je indeks daljinskega zaznavanja, ki se uporablja za kvantificiranje in oceno vsebnosti vode ali z vodo povezanih značilnosti v vegetaciji ali pokrajini.

Izračuna se z analizo odbojnosti bližnjega infrardečega in zelenega svetlobnega pasu iz satelitskih ali zračnih posnetkov. Še posebej je uporaben za prepoznavanje vodnih teles, spremljanje sprememb v razpoložljivosti vode in ocenjevanje zdravja vegetacije.

S primerjavo absorpcije in odboja različnih valovnih dolžin zagotavlja dragocene informacije za aplikacije, kot so spremljanje suše, hidrološke analize in upravljanje ekosistemov.

Vizualizacija NDMI za določitev normaliziranega diferenčnega vodnega indeksa

Vizualizacija NDMI vključuje obdelavo satelitskih ali zračnih posnetkov, izračun vrednosti NDMI in nato prikaz rezultatov kot barvno kodiranega zemljevida ali slike. Tukaj so splošni koraki za vizualizacijo NDMI:

  • Pridobite satelitske ali zračne posnetke: Pridobite multispektralne posnetke s satelita ali zračne platforme, kot so Landsat, Sentinel ali MODIS. Zagotovite, da posnetki vključujejo potrebna območja: bližnje infrardeče sevanje (NIR) in kratkovalovno infrardeče sevanje (SWIR).
  • Predhodna obdelava slik: Glede na vir podatkov boste morda morali predhodno obdelati posnetke, da popravite atmosferska, geometrijska in radiometrična popačenja. Pretvorite digitalne številke (DN) na sliki v vrednosti spektralne odbojnosti.
  • Izračunajte NDMI: Za vsak slikovni element na sliki uporabite vrednosti odbojnosti NIR in SWIR za izračun NDMI z uporabo formule: NDMI = (NIR – SWIR) / (NIR + SWIR).
  • Barvno preslikavanje: Vrednostim NDMI dodelite barvno paleto. Običajno se uporablja neprekinjena barvna lestvica, ki sega od ene barve (npr. rdeče) za nizke vrednosti NDMI (kar kaže na nizko vsebnost vlage) do druge barve (npr. zelene) za visoke vrednosti NDMI (kar kaže na visoko vsebnost vlage). Za ustvarjanje barvnega zemljevida lahko uporabite programsko opremo, kot sta QGIS, ArcGIS ali programske knjižnice, kot sta Python's Rasterio in Matplotlib.
  • Vizualizirajte zemljevid NDMI: Prikažite zemljevid ali sliko NDMI z uporabo programske opreme GIS, programske knjižnice ali spletne platforme. To vam bo omogočilo analizo prostorske porazdelitve vsebnosti vlage v vegetaciji in prepoznavanje območij z vodnim stresom ali visoko vlažnostjo.
  • Interpretacija in analiza: Z vizualizacijo NDWI lahko ocenite zdravje vegetacije, spremljate sušne razmere ali ocenite tveganje požarov. Prav tako lahko primerjate normalizirane karte indeksa razlik vode iz različnih časovnih obdobij, da analizirate spremembe vsebnosti vlage v vegetaciji skozi čas.

Ne pozabite, da imajo različna programska orodja ali programske knjižnice lahko nekoliko drugačne poteke dela, vendar bo celoten postopek podoben. Poleg tega lahko prekrivate druge podatkovne plasti, kot so raba zemljišč, nadmorska višina ali upravne meje, da izboljšate svojo analizo in bolje razumete razmerja med vsebnostjo vlage v vegetaciji in drugimi dejavniki. 

Napredna statistika za upravljalna območja v natančnem kmetijstvu

The natančen izračun statističnih podatkov je temelj analize podatkov preciznega kmetijstva. GeoPard je kmetijskim območjem, ustvarjenim na platformi, dodal podrobnejše statistične natančne izračune, da bi zagotovil, da so vaši zemljevidi in analitični sklepi, ki jih iz njih izpeljete, natančni in zanesljivi. 

Izračunajo se napredni statistični podatki na cono, ki vsebuje atribute: minimalno in . največ vrednosti vegetacijskega indeksa (ali drugih atributov), medianapovprečjestandardni odklon, in vsota vseh vrednosti v območju.

Mediana je srednja vrednost numerično urejenega nabora podatkov, v nasprotju s povprečjem. To se nanaša na standardni odklon, ki odraža, kako so podatki razporejeni okoli povprečne vrednosti.

Nizek standardni odklon kaže, da so podatki v danem območju združeni tesno okoli povprečja, medtem ko visok standardni odklon kaže, da so podatki v območju bolj razpršeni okoli povprečja.

Atribut sum je preprosto skupna vsota vseh vrednosti slikovnih pik v tem območju. Preden se za vaša območja izračunajo kakršni koli statistični podatki, se odstranijo vsi izstopajoči podatki ali anomalne podatkovne točke, da se prepreči ustvarjanje zavajajočih statističnih podatkov, ki ne odražajo natančno podatkov vašega območja. 

Po ročnih spremembah kmetijskih con z orodjem za združevanje/razdelitev, Statistika con se preračuna na podlagi novih geometrij con. To omogoča natančnejše in boljše razumevanje porazdelitve podatkov znotraj in med območji.

Statistika upravljavskih con v GeoPardu
Statistika upravljavskih con v GeoPardu

Kot vedno, GeoPard ceni preglednost v vseh vidikih platforme. Med združevanjem razvrščenih podatkov v kmetijska območja so vse podrobnosti zglajene in skrite brez metrik, ki bi prikazovale, kaj se je zgodilo, zato so rezultati združevanja podatkov predstavljeni s precizno statistiko.

Vedno je mogoče tudi postopno spreminjati nastavitve in izvleči izvirne vrednosti iz svojih con, da jih ponovno preverite ali uporabite v svojih modelih. V GeoPardu vam ni treba skrbeti, da bi izgubili izvirne podatke.

Statistični podatki so zelo pomembni pri določanju natančnosti zemljevida in se izračunajo za kmetijska območja na podlagi katere koli podatkovne plasti po vaši izbiri, vključno s podatki o pridelku, zemeljskimi senzorji, sateliti, topografijo in večplastnimi podatki. 

GeoPard predstavlja statistiko con na zelo berljiv in enostaven način, kar je razvidno iz spodnjih primerov slik.

Pri GeoPardu vam želimo olajšati samozavest pri odločitvah, ki jih sprejemate glede svojih polj, tako da vam zagotovimo najboljši in najobsežnejši dostop do statistično natančnih izračunov zmoremo.

Kaj je predhodna statistika?

Napredna statistika je veja statistične analize, ki vključuje bolj kompleksne in sofisticirane tehnike, ki presegajo osnovne statistične metode. Zajema vrsto statističnih modelov in tehnik, ki se uporabljajo za analizo in interpretacijo kompleksnih naborov podatkov.

Napredne statistične metode vključujejo regresijsko analizo, multivariatno analizo, analizo časovnih vrst in eksperimentalno načrtovanje, med drugim. Te tehnike omogočajo raziskovalcem in analitikom, da odkrijejo globlje vpoglede, prepoznajo vzorce in odnose ter natančneje napovedujejo ali sprejemajo premišljene odločitve na podlagi podatkov.

Analizirajte podatke geoprospectorjev / TopsoilMapper

GeoPard je sposoben obdelovati in analizirati različne vrste prostorskih podatkov o kmetijstvu. To je primer dela z nabori podatkov senzorjev visoke gostote z veliko prostorsko spremenljivostjo, ki jo zagotavljajo Geoprospectors GmbH

Po uvozu podatkov, ki jih je zajel Zemljepisnik vrhnje plasti, lahko vidiš 

  • relativna vsebnost vode
  • globina za povezovanje z informacijami o zbitosti
  • električna prevodnost na 4 kumulativni globini
Relativna vsebnost vode, surove točke
Relativna vsebnost vode, surove točke

Geopard vam omogoča ogled točk s surovimi vrednostmi in neprekinjeno površino; primerjavo različnih podatkovnih slojev; določanje talnih con za consko vzorčenje tal in VRA; združevanje podatkov TopsoilMapper s podatki, ki so na voljo v GeoPardu, kot so zgodovinska in trenutna vegetacija ter nadmorska višina, v en sam zemljevid con. 

Primerjava slojev: vegetacija (WDRVI), zemljevid con (EC+elevacija), EC, zbitost
Primerjava slojev: vegetacija (WDRVI), zemljevid con (EC+elevacija), EC, zbitost


Vas zanima, kaj nizke vrednosti EC predstavljajo na zemljevidu kot krivulja? To je starodavna rečna struga, zakopana pod zemljo.

Primerjava podatkovnih slojev za odločanje o pridelkih

Za vizualizacijo terenskih podatkov in sprejemanje premišljenih odločitev je pogosto potrebno primerjati plasti na več sinhroniziranih pogledih.

V GeoPardu lahko vizualno primerjate do štiri plasti podatkov na enem zaslonu. Vse plasti delujejo sinhrono, ko zemljevid povečate/pomanjšate ali premaknete za vaše udobje.

Kako vstopim v način deljenega zaslona? Izberite polje in kliknite ikono za primerjavo plasti v zgornjem desnem kotu zaslona. Nato izberite posnetke, kontrolna območja polj ali druge plasti, ki jih želite hkrati videti na istem zaslonu. Kliknite Primerjaj plasti. 

Funkcija primerjave plasti sinhronizira zemljevide, kazalce in stopnje povečave. Prav tako imate možnost dodajanja/odstranjevanja plasti. Trenutno podpiramo do 4 podatkovne plasti.

Kaj so podatkovne plasti v preciznem kmetijstvu?

V preciznem kmetijstvu se podatkovne plasti nanašajo na različne vrste podatkov, ki se zbirajo in analizirajo za sprejemanje premišljenih odločitev o upravljanju pridelkov. Te plasti lahko vključujejo:

  • Podatki o tlehInformacije o značilnostih tal, kot so raven hranil, pH in tekstura, ki lahko prispevajo k odločitvam o gnojenju in drugih praksah upravljanja tal.
  • Vremenski podatki: Podatki o trenutnih in preteklih vremenskih vzorcih, vključno s temperaturo, padavinami in vetrom, lahko kmetom pomagajo pri odločanju o sajenju, namakanju in drugih praksah.
  • Podatki o pridelkihPodatki o rasti in zdravju pridelkov, vključno z višino rastlin, površino listov in ravnjo klorofila, lahko prispevajo k odločitvam o gnojenju, namakanju in zatiranju škodljivcev.
  • Podatki o donosuInformacije o pridelku in kakovosti pridelkov lahko kmetom pomagajo pri odločanju o žetvi in trženju njihovih pridelkov.
  • Topografski podatkiInformacije o obliki in nadmorski višini zemljišča lahko prispevajo k odločitvam o sajenju in namakanju ter pomagajo prepoznati območja, ki so lahko nagnjena k eroziji ali drugim okoljskim težavam.
  • Podatki daljinskega zaznavanja: Podatki, zbrani s sateliti, droni ali drugimi oddaljenimi senzorji, lahko zagotovijo informacije o zdravju pridelkov, vlažnosti tal in drugih dejavnikih, ki lahko vplivajo na odločitve o upravljanju pridelkov.

Z analizo in povezovanjem teh različnih podatkovnih plasti lahko kmetje sprejemajo bolj informirane odločitve o upravljanju pridelkov, kar vodi do učinkovitejših in trajnostnih kmetijskih praks.

Operacije kmetijskih con za odločanje na podlagi podatkov

OPERACIJE V OBMOČJIH NA RAZLIČNIH PLASTIH

V preciznem kmetijstvu sta zbiranje podatkov na terenu in odločanje na podlagi podatkov bistvenega pomena. Kot naslednjo stopnjo v razvoju večplastne analitike in iskanju odvisnosti med plastmi predstavljamo nov modul Območja delovanja. 

Tam lahko iščete odvisnosti med različnimi zemljevidi kmetijskih con, kot so zgodovinska vegetacija, topografija vključno z njenimi izpeljankami, podatki iz monitorjev pridelka, podatki o tleh, skenerji, zemljevidi stabilnosti itd. To je korak naprej pri opredelitvi najbolj prizadetih območij in razumevanju razlogov za heterogenost polj. 

Kako lahko prepoznate območja? 

Najprej izberite zemljevide polj, ki jih želite navzkrižno raziskati. Primerjalni pogled plasti je dober pristop za določitev specifičnih kmetijskih območij za analizo.

Morda boste želeli primerjati območja z nizkim potencialom pridelka in površna območja, najbolj nestabilna območja in nizko vegetacijo, nizko električno prevodnost in pridelek, uporabljeno karto gnojenja in trenutno vegetacijo ter drugo.

Drugič, v modulu Operacije con na vsakem zemljevidu, ki ga želite primerjati, označite specifična kmetijska območja. In končno, pridobite območje zanimanja. Upoštevajte, da je v analizah mogoče uporabiti več kot dva zemljevida. 

Kako lahko to znanje uporabite? 

Poleg iskanja povezav, ki lahko pomagajo razložiti pridelek, je mogoče določiti cilje pridelka za določena kmetijska območja; raziskati zanimiva območja; zmanjšati naložbe v takšna lokalizirana območja ali zgraditi načrt za ublažitev omejujočih dejavnikov in odpraviti območja z manj rezultati, pri čemer je treba poznati temeljne vzroke; ter zgraditi agronomski načrt z uporabo praks VRA. 

Na posnetkih zaslona je več primerov vpogledov v polja. Upoštevajte, da je vsako polje edinstveno in da spodaj navedeni primeri ne zagotavljajo enakega rezultata za vaše polje, vendar so dober način za začetek preiskave. 

Svoje agronomske prakse lahko delite s komentarjem te objave ali pa se obrnete neposredno na ekipo GeoPard Agriculture. Odprti smo za povratne informacije, saj za vas gradimo rešitev za boljše razumevanje variabilnosti polj in njeno obvladovanje.

Območja kakovosti

Skoraj vse cone upravljanja so prilagojene preden postane zemljevid s spremenljivo hitrostjo nanašanja. To lahko vključuje združevanje nekaterih con, ročne popravke na dobro znanih mestih, dodajanje dodatnih varovalnih območij, združljivost kmetijske opreme itd.

V ekipi GeoPard razumemo, da bodo natančne cone naravnega upravljanja z veljavnimi poligoni prihranile veliko časa med postopki preverjanja in popravljanja con.

GeoPardov motor naredi naslednje:

  • samodejno odstrani hrup,
  • samodejno združi majhne poligone v najbližje večje območje,
  • ohranja le potrebno minimalno število točk v vsakem conskem poligonu,
  • Zaradi tega so zemljevidi VRA združljivi z vso kmetijsko opremo in stroji.

Poleg samodejnega popravljanja, orodje za združevanje in razdeljevanje con je na voljo za prilagoditev zemljevida glede na vaše terensko znanje in agronomsko prakso. 

Na trgu je veliko različnih zemljevidov različnih ponudnikov, vendar boste zagotovo prepoznali zemljevide GeoPard.

Združevanje in delitev območij za upravljanje v kmetijstvu

Nihče ne pozna svojega področja bolje kot kmet ali agronom, ki s tem področjem dela že vrsto let. Zato mora vsako analitiko, ki temelji na algoritmih, pogosto potrditi in prilagoditi strokovnjak, ki s svojim poglobljenim poznavanjem področja.

Funkcija združevanja in razdeljevanja con omogoča profesionalcu, da naredi nekaj pomembnih stvari: 

  • Razdeli poligone
  • Združi poligone
  • Dodelite poligon ali celotno območje drugemu razredu

Te prilagoditve je mogoče uporabiti za katero koli podatkovno plast in so zelo uporabna funkcija za pripravo VAŠIH popolnih con za precizne kmetijske operacije, kot so setev, gnojenje ali škropljenje z VR.

Kaj so delitve v kmetijstvu?

V kmetijstvu se delitev nanaša na delitev ali razdelitev polja na različne dele za različne prakse upravljanja.

Ta delitev omogoča kmetom, da na vsakem odseku uporabijo različne tretmaje ali tehnike glede na posebne potrebe.

Na primer, kmetje lahko razdelijo polje, da bi uporabili različna gnojila, herbicide ali namakalne metode glede na stanje tal ali zahteve pridelka.

Razdelitve omogočajo ciljno usmerjeno in učinkovito uporabo virov, optimizacijo rasti pridelkov in zmanjšanje stroškov, hkrati pa obravnavajo specifične izzive na različnih področjih polja.

Nadzor pridelka z analitiko stabilnosti in učinkovitosti

 

Zaznavanje sprememb, ki so se zgodile na polju v zadnjih 1-2 tednih ali 1-2 mesecih ali celo nekaj letih, pomaga pridobiti vpogled v razvoj pridelka.

Uporablja se lahko za:

  • poiskati mesta s podobno uspešnostjo v obdobju 5-10-20 let in poskuse postaviti na območja s podobnimi pogoji, da se zmanjša verjetnost napak,
  • spremljati spremembe med sezono in ocenjevati uspešnost pridelka med rastjo,
  • prepoznati poškodovana območja po vremenski nesreči, bolezni ali napadu škodljivcev in izračunati poškodovane površine,
  • zaznajte razliko med zadnjima dvema slikama in nadzorujte učinkovitost obrezovanja.
Območja stabilnosti polja

In vse to in še več primerov pokrivajo GeoPardove cone stabilnosti polja. Še posebej bo to omogočilo več vpogleda v kombinaciji s sezonskimi in zgodovinskimi conami upravljanja.

Preprosto izberite posnetke polja in satelitske posnetke, da boste lahko spremljali spremembe na njih, nadzorovali pridelke in dobili vpogled v vsako točko na svojem polju.

izbira con stabilnosti polja

Primerjava slojev

Ni skrivnost, da rešitev GeoPard Agriculture nenehno izboljšujemo in povečujemo njeno vrednost za uporabnike. Samo poglejte si razdelek “kmalu na voljo” na naši spletni strani. https://geopard.tech da bi dobili predstavo o nekaterih značilnostih na poti.

Njihova dodelitev prioritet je lahko zahtevna. Tukaj na pomoč priskočijo povratne informacije in predstavitve izdelkov. Zato svojo rešitev predstavimo številnim udeležencem Svetovna agrotehnologija Na vrhu v Londonu smo lahko v nekaj dneh prilagodili načrt izvedbe in izdali novo funkcijo primerjave plasti.

Za kaj gre? Analitike na terenu lahko vizualno primerjate drugo ob drugi v razdeljenem pogledu. Za primerjavo je mogoče izbrati katero koli vrsto plasti: posnetke z naravnimi ali infrardečimi barvami, posnetke s prikazi vegetacije, sezonske ali zgodovinske cone upravljanja. Dve plasti se obnašata sinhrono, ko zemljevid povečate/pomanjšate ali ga premaknete za lažje prilagajanje.

Kako vstopiti v način deljenega pogleda? Izberite polje in v zgornjem meniju kliknite ikono za primerjavo plasti. Na zaslonu deljenega pogleda izberite analitično plast s pomočjo spustnega seznama z možnostjo iskanja, ki se nahaja na vrhu.

vstopite v način razdeljenega pogleda
izbira terenskih analitikov
primerjava terenskih analitikov

Večletna območja

Kaj to pomeni? Zgodovinska (večletna) območja upravljanja so zgrajena na podlagi več kot 30 let starega arhiva satelitskih posnetkov.

Slike z najvišjo rastjo vegetacije v posamezni sezoni so samodejno izbrane kot vhodni podatki za analitiko. Sicer pa vsaka taka slika predstavlja potencialno datoteko pridelka za ustrezno leto.

 

Zgodovinske (večletne) cone upravljanja zagotavljajo vpogled v vsako mesto na terenu.

Kako ga lahko uporabite? Vzorec razvoja poljščin pomaga bolje poznati kmetijsko območje in sprejeti prave odločitve s pravimi količinami gnojil na pravih mestih.

Zgodovinske cone upravljanja bi se lahko uporabile kot načrt za datoteke receptov (Rx) za setev, gnojenje in vzorčenje tal na podlagi con.

Na zahtevo nudimo podporo vsem regijam.

Kaj so večletne cone?

Večletne cone v preciznem kmetijstvu se nanašajo na specifična območja znotraj polja, ki kažejo dosledne in prepoznavne vzorce rasti in pridelka v več rastnih sezonah.

Ta območja so identificirana z uporabo različnih tehnologij, kot so daljinsko zaznavanje, GPS kartiranje in vzorčenje tal.

Z analizo podatkov, zbranih s temi tehnologijami, lahko kmetje in agronomi prepoznajo vzorce variabilnosti znotraj polja in ustvarijo zemljevide, ki ločijo območja z visoko produktivnostjo od tistih z nižjimi donosi.

Te informacije se nato lahko uporabijo za optimizacijo praks upravljanja pridelkov, kot so spreminjanje gostote sajenja, prilagajanje namakalnih in gnojilnih stopenj ter celo izvajanje tehnik natančnega žetvenja.

Zagotavljajo dragoceno orodje za precizno kmetijstvo, saj kmetom omogočajo sprejemanje premišljenih odločitev o dodelitvi virov in upravljanju pridelkov, kar ima za posledico večjo učinkovitost, nižje stroške in večje donose.

Z razumevanjem spremenljivosti znotraj polja in prilagajanjem upravljavskih praks vsakemu specifičnemu območju lahko kmetje kar najbolje izkoristijo potencial svojih zemljišč in virov.

 

wpChatIcon
wpChatIcon

    Zahtevaj brezplačno GeoPard predstavitev / posvet

    Zdravo








    S klikom na gumb soglašate z našimi Pravilnik o zasebnosti. Potrebujemo ga za odgovor na vašo zahtevo.

      Naročite se na


      S klikom na gumb soglašate z našimi Pravilnik o zasebnosti

        Pošljite nam informacije


        S klikom na gumb soglašate z našimi Pravilnik o zasebnosti