4. DiscussionThe approach developed

4. Discussion
The approach developed here has been shown to provide the capability to carry out rapid assessment of a range of soil physical and chemical parameters based solely on RGB or CIELab colour, either of which can be readily derived from Munsell observations (or colour-corrected digital photographs). This could be used to provide information on soil properties while in the field, using relatively simple observations and standard
computer equipment. The ability to carry out cheap and rapid soil assessments would be improved if more accurate evaluations of some parameters (e.g. P and K) were possible, which may be achievable with a larger training dataset. However, the parameters that can be accurately assessed (C, N and texture) would provide important information
regarding organic matter content and composition, and therefore allow characterisation of soil ecosystemservice provision capability (e.g. carbon sequestration, water holding capacity, productivity). CIELab colour was found to be a slightly better overall predictor of soil characteristics than RGB, but this is balanced against the ease of use of RGB when dealing with digital image colour and visualisation using computer equipment. The benefits of CIELab over RGB are not therefore considered strong enough to argue for its use in deriving soil chemical composition instead of RGB.

ผลลัพธ์ (ไทย) 1:

4. สนทนา
วิธีพัฒนาที่นี่ได้รับการแสดงเพื่อให้ความสามารถในการดำเนินการประเมินอย่างรวดเร็วในช่วงของพารามิเตอร์ทางกายภาพ และเคมีตามสี RGB หรือ CIELab อย่างใดอย่างหนึ่งซึ่งสามารถจะพร้อมมาจาก Munsell สังเกต (หรือแก้ไขสีภาพถ่ายดิจิตอล) ของดิน นี้สามารถใช้เพื่อให้ข้อมูลเกี่ยวกับคุณสมบัติของดินในฟิลด์ ใช้สังเกตค่อนข้างง่ายและมาตรฐาน
อุปกรณ์คอมพิวเตอร์ ความสามารถในการดำเนินการประเมินผลจะดีขึ้นถ้าพารามิเตอร์บางอย่าง (เช่น P และ K) ประเมินความถูกต้องมากสุด ซึ่งอาจเป็นด้วยการชุดข้อมูลฝึกอบรมใหญ่ดินอย่างรวดเร็ว และประหยัด อย่างไรก็ตาม พารามิเตอร์ที่ได้จากการประเมินอย่างถูกต้อง (C, N และพื้นผิว) จะให้ข้อมูลสำคัญ
เรื่องเกษตรอินทรีย์เรื่องเนื้อหาและองค์ประกอบ และดังนั้น ให้ตรวจลักษณะเฉพาะของของดินการความสามารถสำรอง ecosystemservice (เช่น sequestration คาร์บอน น้ำจับกำลังการผลิต ผลผลิต) สี CIELab พบเป็น predictor โดยรวมที่ดีขึ้นเล็กน้อยลักษณะดินกว่า RGB แต่นี้มีความสมดุลกับความง่ายในการใช้งานของ RGB เมื่อจัดการกับสีของรูปภาพดิจิทัลและการสร้างมโนภาพโดยใช้อุปกรณ์คอมพิวเตอร์ ประโยชน์ของ CIELab ผ่าน RGB ไม่ดังนั้นถือว่าแข็งแรงพอจะโต้แย้งในการใช้องค์ประกอบทางเคมีของดินแทน RGB บริษัทฯ

ผลลัพธ์ (ไทย) 2:

4 พูดคุยเรื่อง
แนวทางการพัฒนาที่นี่ได้รับการแสดงเพื่อให้ความสามารถในการดำเนินการประเมินอย่างรวดเร็วในช่วงของดินทางกายภาพและเคมีพารามิเตอร์ถือตาม RGB หรือสี CIELAB อย่างหนึ่งอย่างใดที่จะได้รับได้อย่างง่ายดายจากการสังเกต Munsell (หรือ colour- การแก้ไขภาพดิจิตอล) ซึ่งอาจนำมาใช้เพื่อให้ข้อมูลเกี่ยวกับคุณสมบัติของดินในขณะที่ในสนามโดยใช้การสังเกตที่ค่อนข้างง่ายและมาตรฐาน
อุปกรณ์คอมพิวเตอร์ ความสามารถในการดำเนินการประเมินดินราคาถูกและรวดเร็วจะได้รับการปรับปรุงให้ดีขึ้นหากการประเมินผลที่ถูกต้องมากขึ้นของค่าบางอย่าง (เช่น P และ K) เป็นไปได้ซึ่งอาจจะทำได้ด้วยการฝึกอบรมชุดข้อมูลที่มีขนาดใหญ่ แต่พารามิเตอร์ที่สามารถประเมินได้อย่างถูกต้อง (C, N และเนื้อ) จะให้ข้อมูลที่สำคัญ
เกี่ยวกับเนื้อหาอินทรียวัตถุและองค์ประกอบและดังนั้นจึงอนุญาตให้มีลักษณะของความสามารถในการจัดหา ecosystemservice ดิน (เช่นการกักเก็บคาร์บอนอุ้มน้ำผลผลิต) สี CIELAB พบว่ามีการทำนายโดยรวมดีขึ้นเล็กน้อยจากลักษณะของดินกว่า RGB แต่นี้จะมีความสมดุลกับความสะดวกในการใช้ RGB เมื่อต้องรับมือกับสีของภาพดิจิตอลและการสร้างภาพโดยใช้อุปกรณ์คอมพิวเตอร์ ประโยชน์ของ CIELAB กว่า RGB ไม่ได้ดังนั้นจึงถือว่าแข็งแรงพอที่จะให้เหตุผลสำหรับการใช้งานในที่เกิดองค์ประกอบทางเคมีของดินแทน RGB

ผลลัพธ์ (ไทย) 3:

4 . การอภิปราย
วิธีการพัฒนาที่นี่ได้รับการแสดงเพื่อให้มีความสามารถที่จะดำเนินการประเมินอย่างรวดเร็วในช่วงของพารามิเตอร์ทางกายภาพและเคมีของดิน แต่เพียงผู้เดียวบน RGB หรือแถบสีเหมือนกัน ซึ่งสามารถอ่านได้จากเซลสังเกต ( หรือสีแก้ไขภาพถ่ายดิจิตอล นี้สามารถใช้เพื่อให้ข้อมูลเกี่ยวกับคุณสมบัติของดินในขณะที่ในเขตข้อมูลวิธีสังเกตค่อนข้างง่ายและคอมพิวเตอร์อุปกรณ์มาตรฐาน

ความสามารถที่จะหาราคาถูกและการประเมินดินอย่างรวดเร็ว จะดีขึ้น ถ้ายิ่งประเมินพารามิเตอร์บางอย่าง ( เช่น P และ K ) เป็นไปได้ ซึ่งอาจจะได้ด้วยชุดข้อมูลฝึกขนาดใหญ่ อย่างไรก็ตาม ตัวแปรที่สามารถได้อย่างถูกต้องประเมิน ( C , N และพื้นผิว ) จะให้
ข้อมูลสำคัญเกี่ยวกับปริมาณอินทรีย์วัตถุและส่วนประกอบ และดังนั้นจึง ช่วยให้เซลล์ ecosystemservice ดิน ( เช่นความสามารถในการสะสมคาร์บอนน้ำความจุถือ , การผลิต ) แถบสี พบว่าดีขึ้นเล็กน้อยโดยรวมทำนายลักษณะของดินมากกว่า RGB ,แต่นี้เป็นสมดุลกับความง่ายของการใช้สี RGB เมื่อจัดการกับภาพดิจิตอลและภาพอุปกรณ์ที่ใช้ร่วมกับคอมพิวเตอร์ ประโยชน์ของแข็งกว่า RGB ไม่ได้ ดังนั้นจึงถือว่ามากพอที่จะโต้แย้งสำหรับการใช้งานใน 4 องค์ประกอบเคมีดินแทน RGB