These profiles were used as primary

These profiles were used as primary integrated observed knowledge about the farm to create the probabilistic hot-spot map. Each pixel on the Google earth represents 15m-resolution analytical outcome from the big data integration. Soil moisture, soil surface temperature, water consumption and NDVI values of each pixel were used to train a simple data driven model to train a supervised knowledge predictor (Figure 3). The refined threshold of these variables was modeled based on the ground truth collected, and also by close consultation with farm manager. This predictive system was trained based on farm’s historical rebiosecurity hot-spot monitoring and alerting system (Blancard 2006, Hillnhuetter 2008).

ผลลัพธ์ (ไทย) 1:

โพรไฟล์เหล่านี้ถูกใช้เป็นความรู้ในการสังเกตรวมหลักเกี่ยวกับฟาร์มเพื่อสร้างแผนที่นิยมน่าจะ แต่ละพิกเซลบน Google earth แสดงถึงความละเอียด 15 เมตรวิเคราะห์ผลจากการรวมข้อมูลขนาดใหญ่ ความชื้นในดิน อุณหภูมิพื้นผิวดิน การใช้น้ำ และค่า NDVI ของแต่ละพิกเซลใช้ในการฝึกแบบง่าย ๆ ข้อมูลขับเคลื่อนการฝึกทำนายความรู้ดูแล (รูปที่ 3) ปรับปรุงเกณฑ์ของตัวแปรเหล่านี้ถูกจำลองขึ้น บนพื้นดินความจริงรวบรวม และ โดยใกล้ชิดให้คำปรึกษากับผู้จัดการฟาร์ม ระบบนี้ทำนายได้ผ่านการอบรมตาม rebiosecurity ประวัติศาสตร์ของฟาร์มร้อนจุดตรวจสอบ และแจ้งเตือนระบบ (Blancard 2006, Hillnhuetter 2008)

ผลลัพธ์ (ไทย) 2:

โปรไฟล์เหล่านี้ถูกนำมาใช้เป็นความรู้แบบบูรณาการหลักสังเกตเกี่ยวกับฟาร์มเพื่อสร้างแผนที่ของจุดร้อนความน่าจะเป็น พิกเซลบนแผ่นดินของ Google แต่ละ 15m ละเอียดผลการวิเคราะห์จากการรวมข้อมูลขนาดใหญ่ ความชื้นในดินอุณหภูมิผิวดิน, การใช้น้ำและค่า NDVI ของแต่ละพิกเซลถูกนำมาใช้ในการฝึกอบรมข้อมูลง่ายรูปแบบการขับเคลื่อนในการฝึกอบรมการทำนายความรู้ภายใต้การดูแล (รูปที่ 3) เกณฑ์การกลั่นของตัวแปรเหล่านี้ก็ย่อมขึ้นอยู่กับความจริงพื้นดินที่เก็บรวบรวมและโดยการให้คำปรึกษาอย่างใกล้ชิดกับผู้จัดการฟาร์ม ระบบการทำนายนี้ได้รับการฝึกฝนขึ้นอยู่กับ rebiosecurity ประวัติศาสตร์การตรวจสอบจุดร้อนฟาร์มและระบบการแจ้งเตือน (Blancard 2006 Hillnhuetter 2008)

ผลลัพธ์ (ไทย) 3:

โพรไฟล์เหล่านี้ถูกใช้เป็นหลักบูรณาการและความรู้เกี่ยวกับฟาร์มเพื่อสร้างแผนที่การจุดร้อน . แต่ละพิกเซลบน Google Earth แสดงถึง 15m ละเอียดวิเคราะห์ผลจากการรวมข้อมูลใหญ่ ความชื้นในดิน อุณหภูมิ ปริมาณการใช้น้ำผิวดินและการเปลี่ยนแปลงด้านพืชพรรณ ค่าของแต่ละพิกเซลถูกใช้เพื่อการฝึกอบรมแบบง่ายข้อมูลขับเคลื่อนรถไฟมีความรู้ตัว ( รูปที่ 3 ) ปรับปรุงค่าของตัวแปรเหล่านี้จะถูกออกแบบมาเพื่อยึดพื้น และยังใกล้ปรึกษากับผู้จัดการฟาร์ม ระบบพยากรณ์นี้ได้รับการฝึกฝนจากฟาร์มของประวัติศาสตร์ rebiosecurity จุดตรวจสอบและระบบเตือน ( hillnhuetter blancard 2006 , 2008 )