Over the past few decades, there is

Over the past few decades, there is a growing interest in the development of rapid methods to map soil organic
carbon (SOC) stocks along extensive areas. Digital Soil Mapping has been used to predict the spatial distribution of
SOC using approaches like Multiple Linear Regression, Kriging, co-Krigging, Regression Kriging, GeographicallyWeighted Regression, Support Vector Regression, Artificial Neural Networks, Random Forest and Partial Least
Squares Regression [1-3].
Infrared spectroscopy, faster and cheaper than traditional measure techniques such as Walkley-Black method, has
been used as an alternative technique to estimate SOC. In this sense, many authors derived statistical models to
predict SOC from spectroscopic data [4,5]. On the other hand, statistical algorithms such as Random Forest allows
the identification of the most influential bands explaining the variability in SOC, thus increasing the accuracy of the
predictive models created [6].
Studies at present showed the ability of spectroscopic data to create predictive models of soil parameters at plot
scale with high accuracy. However, further research is required to generalize the information from such models to
large spatial scales. This study provides a methodology to translate the statistical relationships found between
spectroscopic data and SOC measurements from the plot scale to a regional scale in order to map the SOC content at
regional scale.

ผลลัพธ์ (ไทย) 2:

ในช่วงไม่กี่ทศวรรษที่ผ่านมามีการเติบโตที่น่าสนใจในการพัฒนาวิธีการอย่างรวดเร็วเพื่อแมดินอินทรีย์คาร์บอน (SOC) หุ้นตามบริเวณที่กว้างขวาง
แมปดินดิจิตอลได้ถูกนำมาใช้ในการทำนายการกระจายของ
SOC โดยใช้วิธีการเช่นเดียวกับหลายถดถอยเชิงเส้น, Kriging ร่วม Krigging, ถดถอย Kriging, GeographicallyWeighted ถดถอย, การสนับสนุนเวกเตอร์ถดถอยโครงข่ายประสาทเทียม,
ป่าสุ่มน้อยและบางส่วนสี่เหลี่ยมถดถอย[1 3].
สเปกโทรสโกอินฟาเรดได้เร็วขึ้นและราคาถูกกว่าเทคนิคการวัดแบบดั้งเดิมเช่นวิธี Walkley
ดำได้ถูกนำมาใช้เป็นเทคนิคทางเลือกในการประมาณการSOC ในแง่นี้ผู้เขียนหลายแบบจำลองทางสถิติที่ได้รับการคาดการณ์จากข้อมูล SOC สเปกโทรสโก [4,5]
ในอื่น ๆ
มือทางสถิติขั้นตอนวิธีการเช่นการสุ่มป่าช่วยให้บัตรประจำตัวของอิทธิพลมากที่สุดของวงดนตรีที่อธิบายความแปรปรวนในSOC
ซึ่งจะเป็นการเพิ่มความถูกต้องของการทำนายแบบจำลองที่สร้างขึ้น[6].
การศึกษาในปัจจุบันแสดงให้เห็นความสามารถของสเปกโทรสโกข้อมูลเพื่อสร้างการคาดการณ์
รูปแบบของพารามิเตอร์ดินที่พล็อตขนาดมีความแม่นยำสูง
อย่างไรก็ตามการวิจัยต่อไปจะต้องมีการพูดคุยข้อมูลจากแบบจำลองดังกล่าวไปยังเครื่องชั่งเชิงพื้นที่ที่มีขนาดใหญ่ การศึกษาครั้งนี้มีวิธีการที่จะแปลความสัมพันธ์ทางสถิติพบว่าระหว่างข้อมูลสเปกโทรสโกและการวัดขนาด SOC จากพล็อตไปยังระดับภูมิภาคเพื่อ map เนื้อหา SOC ที่ระดับภูมิภาค

ผลลัพธ์ (ไทย) 3:

กว่าทศวรรษที่ผ่านมา มีการเติบโตที่น่าสนใจในการพัฒนาวิธีการอย่างรวดเร็วเพื่อแผนที่ดินอินทรีย์คาร์บอน
( SoC ) หุ้นด้วยพื้นที่กว้างขวาง แผนที่ดินดิจิตอลได้รับการใช้ทำนายการกระจายเชิงพื้นที่ของ
สใช้วิธีการเหมือนสมการถดถอยพหุคูณคริกกิ้ง , CO , krigging คริกกิ้ง , การถดถอย , การถดถอย geographicallyweighted สนับสนุนเวกเตอร์ ,โครงข่ายประสาทเทียม , ป่าสุ่มและบางส่วนอย่างน้อย
สี่เหลี่ยมถดถอย [ 1-3 ] .
อินฟราเรดสเปกโทรสโกปี เร็วกว่า และถูกกว่า เทคนิควิธีการวัดแบบดั้งเดิมเช่นหนังสือนิยาย - ดำได้
ถูกใช้เป็นเทคนิควิธีประเมินรายวิชา . ในความรู้สึกนี้ , ผู้เขียนหลายคนได้แบบจำลองทางสถิติเพื่อทำนายจากข้อมูลทางสเปกโทรสโกปีส
[ 4 , 5 ] บนมืออื่น ๆขั้นตอนวิธีเชิงสถิติ เช่น สุ่มป่าให้
ตัวของมีอิทธิพลมากที่สุดและอธิบายความแปรปรวนในสังคม ดังนั้น การเพิ่มความถูกต้องของสมการทำนายสร้าง
[ 6 ] .
การศึกษาปัจจุบันพบความสามารถของข้อมูลทางเพื่อสร้างสมการทำนายค่าพารามิเตอร์ของดินในแปลง
ค่าความถูกต้องสูง อย่างไรก็ตามต้องมีการวิจัยเพิ่มเติมเพื่อหาข้อมูลจากแบบจำลองดังกล่าว
ชั่งอวกาศขนาดใหญ่ การศึกษานี้มีวิธีการแปลความสัมพันธ์ระหว่างข้อมูลทางสถิติพบ
ข้อมูลการวัดจากพล็อตแบบระดับภูมิภาคเพื่อแผนที่สเนื้อหาที่
ระดับภาค