A neural network (NN) approach was

A neural network (NN) approach was used to determine relationships between soil colour and a range of physical and chemical characteristics, using a dataset derived from the NSIS (National Soil Inventory of Scotland) database. It was found that several soil characteristics could be predicted accurately from colour, using only Red, Green and
Blue (RGB) values fromthe RGB system or L, a and b fromthe CIELab system. These characteristics included organic matter content (measured by Loss On Ignition), nitrogen content and several elements including Ca, Ti and Mo. It was found that some parameters, such as potassiumand phosphorus,were not predicted accurately, however. Prediction of soil colour from available physiochemical parameterswas found to give high levels of accuracy,with the strongest influence of prediction coming fromLOI, nitrogen, mineral texture and a fewmetals including V, Cr,Mn and Zn. Sensitivity analysis of the trained neural network modelswas carried out, but did not provide much useful information. Potential applications of theNNmodelling approach are discussed, including rapid field assessment of soil nutrient status, and potential improvements to soil horizon classifications.

ผลลัพธ์ (ไทย) 1:

วิธีโครงข่ายประสาท (NN) ถูกใช้เพื่อกำหนดความสัมพันธ์ระหว่างดินสีและช่วงของลักษณะทางกายภาพ และทางเคมี ใช้ชุดข้อมูลที่ได้มาจากฐานข้อมูล NSIS (ชาติดินสินค้าคงคลังของสกอตแลนด์) พบว่า ลักษณะดินหลายสามารถจะทำนายได้อย่างถูกต้องจากสี ใช้เฉพาะสีแดง สีเขียว และ
ค่าสีน้ำเงิน (RGB) จากระบบ RGB หรือ L แบบ b จากระบบ CIELab และ ลักษณะเหล่านี้รวมเนื้อหาอินทรีย์ (วัด โดยขาดทุนในระบบจุดระเบิด), ไนโตรเจนเนื้อหา และองค์ประกอบหลายอย่างได้แก่ Ca ตี้ และเดือน จะพบว่า พารามิเตอร์บางอย่าง เช่นฟอสฟอรัส potassiumand ไม่ทำนายแม่นยำ อย่างไรก็ตาม พบทำนายสีดินจาก parameterswas physiochemical ว่างให้ระดับสูงของความถูกต้องมีอิทธิพลแข็งแกร่งของการคาดการณ์มา fromLOI ไนโตรเจน เนื้อแร่ และ fewmetals รวมทั้งวิเคราะห์ V, Cr, Mn และ Zn. ความไวของเครือข่ายประสาทฝึก modelswas ดำเนินการ แต่ไม่มีข้อมูลที่เป็นประโยชน์มาก อาจใช้วิธี theNNmodelling จะกล่าว รวมทั้งประเมินสถานะธาตุอาหารดิน ฟิลด์อย่างรวดเร็ว และปรับปรุงศักยภาพการจัดประเภทของฟ้าดิน

ผลลัพธ์ (ไทย) 3:

เครือข่ายประสาท ( NN ) วิธีการศึกษาความสัมพันธ์ระหว่างสีของดิน และช่วงของลักษณะทางกายภาพและทางเคมี โดยใช้ชุดข้อมูลที่ได้จาก nsis ( สินค้าคงคลังดินแห่งชาติแห่งสกอตแลนด์ ) ฐานข้อมูล พบว่า ลักษณะของดินหลายอาจจะคาดการณ์ได้อย่างถูกต้อง จาก สี แดง เขียว และ ใช้เฉพาะ
สีน้ำเงิน ( RGB ) ค่าจากระบบ RGB หรือ LA และ B ระบบแข็งจาก . คุณลักษณะเหล่านี้รวมถึงปริมาณอินทรียวัตถุ ( วัดโดยขาดทุนในการจุดระเบิด ) , ไนโตรเจน และองค์ประกอบต่าง ๆ รวมทั้ง CA , Ti และโม พบว่าค่าพารามิเตอร์บางอย่าง เช่น potassiumand ฟอสฟอรัส ไม่ได้ทำนายได้แม่นยำ อย่างไรก็ตาม คำทำนายของดินสีจากที่มีอยู่ physiochemical parameterswas พบเพื่อให้มีระดับสูงของความถูกต้องด้วยอิทธิพลที่แข็งแกร่งของการทำนายมา fromloi , ไนโตรเจน , เนื้อแร่และ fewmetals รวมทั้งวี โครเมียม แมงกานีส และสังกะสี การวิเคราะห์ความไวของการฝึกฝนโครงข่ายประสาทเทียม modelswas ดำเนินการ แต่ไม่ได้ให้ข้อมูลที่เป็นประโยชน์มาก ศักยภาพของโปรแกรม thennmodelling วิธีการที่กล่าวถึง ได้แก่ การประเมินด้านอย่างรวดเร็วสถานะธาตุอาหารในดินและศักยภาพในการปรับปรุงการจำแนกประเภทของดิน .