Multivariate statistical models tha

Multivariate statistical models that summarize initial large data sets into few uncorrelated components,
without substantial loss of information, have proven potentially suitable for a better understanding
of soil condition and its functioning. Principal component analysis has been used by several authors
for the identification of soil qualities (Bredja et al., 2000; Andrews et al., 2002; Cox et al., 2003). Yemefack
et al. (2006) identified soil pH, organic carbon, available P, and bulk density as the minimum data
set that can be used to evaluate SQs in shifting cultivation systems. In the present study, we intend i)
to identify causal factors of different maize (Zea mays L.) growth using controlled soil media and ii) to
statistically model SQs, their spatial variation, and their relationships to dry matter production under
increasing P supply.

ผลลัพธ์ (ไทย) 3:

แบบโมเดลทางสถิติที่สรุปเบื้องต้น ขนาดใหญ่ ชุดข้อมูลที่เป็นส่วนประกอบ uncorrelated น้อย
โดยไม่สูญเสียมากของข้อมูลที่ได้รับอาจเหมาะสำหรับความเข้าใจที่ดีขึ้น
สภาพดินและการทํางานของ . การวิเคราะห์องค์ประกอบหลักที่ถูกใช้โดยผู้เขียนหลาย
เพื่อจำแนกคุณภาพของดิน ( bredja et al . , 2000 ; แอนดรู et al . , 2002 ;Cox et al . , 2003 ) yemefack
et al . ( 2006 ) ระบุดินอินทรีย์คาร์บอน ของ P และความหนาแน่นเป็นข้อมูล
ตั้งขั้นต่ำที่สามารถใช้ประเมินในการขยับ SQS ระบบการเพาะปลูก ในการศึกษาครั้งนี้เราตั้งใจ )
ระบุปัจจัยเชิงสาเหตุที่แตกต่างกันของข้าวโพด ( Zea mays L . ) ควบคุมการใช้สื่อ ดิน และ 2 )

( รุ่น sqs , รูปแบบเชิงพื้นที่ของพวกเขาและความสัมพันธ์กับผลผลิตภายใต้
เพิ่ม P อุปทาน