Sensitivity analysis of weather dat

Sensitivity analysis of weather data highlights that both high and low air temperatures negatively correlate with major rice, whereas precipitation has positive and significant correlation with rice yield. With regard to second rice, our analysis shows that maximum air temperature is in negative correlation with rice yield, whereas minimum air temperature and precipitation show positive and significant correlation. Soil data for major rice reveals that the correlation between sand content and rice yield is negative; while the silt content and rice yield relationship is positive and significant. Bulk density and rice yield are positively correlate, but not significantly. Second rice reveals that bulk density and sand content share a negative correlation with rice yield, whereas silt content is in positive and significant correlation. The results of a reliability test for calibration and validation are shown in Table 2, and illustrate the spatial distribution of rice yield as inferred from GIS (Figure 2).
Apart from showing the effect of inputs on rice yield, the i-EPIC simulation set can also simulate outputs of other data. For example, hydrology data can be simulated, and includes surface runoff, percolation, lateral subsurface flow, and evapotranspiration. Nutrient data simulations include nitrate loss in surface runoff, subsurface nitrate loss, nitrate-nitrogen leaching and denitrification. Moreover, weather data (precipitation), soil, and temperature can be included (Williams et al., 2006). Correlation analysis and stepwise regression analysis were used in considering the relationship of factor outputs and rice yield during the cultivation of both major and second rice. These results revealed that precipitation, runoff, percolation, and soil temperature share a positive relationship with major rice yield. The results of the stepwise regression analysis revealed that soil temperature and precipitation are in direct correlation with major rice yield (R = .369), with a 13.6% variation. In addition, our analysis found that evapo-transpiration, precipitation, percolation, NO3 loss runoff, NO3 loss subsurface, NO3 leaching, denitrification, and soil temperature by NO3 loss runoff, NO3 loss subsurface, and NO3 leaching all exhibit a negative relationship with second rice yield, while the evapotranspiration, precipitation, percolation, denitrification, and soil temperature have a positive relationship with this yield. Stepwise regression analysis also revealed that evapotranspiration, precipitation, soil temperature, subsurface flow, NO3 leaching, runoff, and percolation have a direct relationship with the second rice yield (R = .875) with a 76.5% variation

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ความไวของข้อมูลสภาพอากาศเน้นที่ทั้งสูงและต่ำอากาศอุณหภูมิลบ correlate กับข้าวหลัก ในขณะที่ปริมาณน้ำฝนมีความสัมพันธ์ในเชิงบวก และมีความสำคัญกับผลผลิตข้าว เกี่ยวกับสองข้าว การวิเคราะห์ของเราแสดงว่า อุณหภูมิของอากาศสูงสุดอยู่ในความสัมพันธ์เชิงลบกับผลผลิตข้าว ในขณะที่อุณหภูมิอากาศต่ำสุดและปริมาณฝนแสดงความสัมพันธ์เชิงบวก และมีความสำคัญ ข้อมูลดินสำหรับข้าวรายใหญ่เผยว่า ความสัมพันธ์ระหว่างผลผลิตข้าวและทรายเนื้อหาเชิงลบ ในขณะที่เนื้อหาตะกอนและข้าว ผลผลิต ความสัมพันธ์เป็นบวก และมีนัยสำคัญ ความหนาแน่นจำนวนมากและผลผลิตข้าวเป็น correlate บวก แต่ไม่มีนัยสำคัญ ข้าวสองเผยว่า ความหนาแน่นและเนื้อหาทรายแชร์ความสัมพันธ์เชิงลบกับผลผลิตข้าว ในขณะที่ตะกอนเนื้อหาเป็นบวก และมีนัยสำคัญสหสัมพันธ์ ผลของการทดสอบสอบเทียบและตรวจสอบความน่าเชื่อถือจะแสดงในตารางที่ 2 และแสดงให้เห็นถึงการกระจายตัวเชิงพื้นที่ของผลผลิตข้าวเป็นสรุปจาก GIS (รูป 2)นอกจากการแสดงผลของปัจจัยการผลิตจากผลผลิตข้าว ชุดจำลองมหากาพย์ i สามารถจำลองผลของข้อมูลอื่น ๆ ตัวอย่างเช่น ข้อมูลอุทกวิทยาสามารถจำลอง และมีไหลบ่าที่ผิว percolation ไหลใต้ผิวดินด้านข้าง และ evapotranspiration จำลองข้อมูลสารอาหารรวมถึงขาดทุนไนเตรตไหลบ่าที่ผิว สูญเสียใต้ผิวดินไนเตรท ไนเตรทไนโตรเจนละลาย และ denitrification นอกจากนี้ ข้อมูลสภาพอากาศ (ฝน), ดิน และอุณหภูมิได้รวม (Williams et al. 2006) การวิเคราะห์สหสัมพันธ์และวิเคราะห์การถดถอยยังคงถูกใช้ในการพิจารณาความสัมพันธ์ของผลคูณและผลผลิตของข้าวในระหว่างการเพาะปลูกข้าวทั้งรายใหญ่ และสอง ผลลัพธ์เหล่านี้เปิดเผยว่า ฝน ไหลบ่า percolation และอุณหภูมิดินแบ่งปันความสัมพันธ์เชิงบวกกับผลผลิตข้าวที่สำคัญ ผลของการวิเคราะห์ถดถอยยังคงเปิดเผยว่า อุณหภูมิของดินและปริมาณฝนอยู่ในความสัมพันธ์โดยตรงกับผลผลิตข้าวที่สำคัญ (R =.369), กับรูปแบบ 13.6% นอกจากนี้ การวิเคราะห์ของเราพบว่า การคาย น้ำ evapo ฝน percolation, NO3 ขาดทุนไหลบ่า NO3 สูญเสียใต้ผิวดิน NO3 ละลาย denitrification และอุณหภูมิดินไหลบ่าขาดทุน NO3, NO3 ขาดทุนใต้ผิวดิน และ NO3 ละลายทั้งหมดแสดงความสัมพันธ์เชิงลบกับสองข้าวผลผลิต ขณะ evapotranspiration ฝน percolation, denitrification และอุณหภูมิดินมีความสัมพันธ์ทางบวกกับผลตอบแทนนี้ วิเคราะห์การถดถอยยังคงเปิดเผยว่า evapotranspiration ฝน อุณหภูมิดิน ไหลใต้ผิวดิน NO3 ละลาย ไหลบ่า และ percolation มีความสัมพันธ์โดยตรงกับผลผลิตข้าวที่สอง (R =.875) กับรูปแบบ 76.5%

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ความไวของข้อมูลสภาพอากาศไฮไลท์ว่าทั้งอุณหภูมิของอากาศสูงและต่ำในเชิงลบความสัมพันธ์กับข้าวที่สำคัญในขณะที่ปริมาณน้ำฝนมีความสัมพันธ์ในเชิงบวกและที่สำคัญกับผลผลิตข้าว ในเรื่องเกี่ยวกับข้าวที่สองกับการวิเคราะห์ของเราแสดงให้เห็นว่าอุณหภูมิอากาศสูงสุดคือในความสัมพันธ์ทางลบกับผลผลิตข้าวในขณะที่อุณหภูมิของอากาศต่ำสุดและเร่งรัดการแสดงในเชิงบวกและความสัมพันธ์อย่างมีนัยสำคัญ ข้อมูลดินสำหรับการปลูกข้าวที่สำคัญแสดงให้เห็นว่าความสัมพันธ์ระหว่างเนื้อหาทรายและผลผลิตข้าวเป็นลบ; ในขณะที่ความสัมพันธ์ของเนื้อหาตะกอนและผลผลิตข้าวเป็นบวกและมีนัยสำคัญ ความหนาแน่นและผลผลิตข้าวมีความสัมพันธ์ในเชิงบวก แต่ไม่ได้อย่างมีนัยสำคัญ ข้าวนาปรังเผยให้เห็นว่ามีความหนาแน่นและเนื้อหาทรายแบ่งปันความสัมพันธ์เชิงลบกับผลผลิตข้าวในขณะที่เนื้อหาตะกอนอยู่ในความสัมพันธ์เชิงบวกและมีความสำคัญ ผลที่ได้จากการทดสอบความน่าเชื่อถือสำหรับการสอบเทียบและการตรวจสอบแสดงในตารางที่ 2 และแสดงให้เห็นถึงการกระจายผลผลิตข้าวเป็นสรุปจากระบบสารสนเทศภูมิศาสตร์ (รูปที่ 2).
นอกเหนือจากการแสดงผลของปัจจัยการผลิตที่มีต่อผลผลิตข้าว i-EPIC ชุดจำลอง นอกจากนี้ยังสามารถจำลองผลของข้อมูลอื่น ๆ ตัวอย่างเช่นข้อมูลอุทกวิทยาสามารถจำลองและรวมถึงการไหลบ่าผิวซึมไหลใต้ผิวดินด้านข้างและการคายระเหย การจำลองข้อมูลสารอาหารรวมถึงการสูญเสียไนเตรตในกะเทาะผิวสูญเสียดินไนเตรต, ชะล้างไนเตรตไนโตรเจนและ denitrification นอกจากนี้ข้อมูลสภาพอากาศ (เร่งรัด) ดินและอุณหภูมิสามารถรวม (วิลเลียมส์ et al., 2006) การวิเคราะห์ความสัมพันธ์และการวิเคราะห์การถดถอยแบบขั้นตอนถูกนำมาใช้ในการพิจารณาความสัมพันธ์ของผลปัจจัยและผลผลิตข้าวในช่วงการเพาะปลูกของทั้งข้าวนาปีและครั้งที่สอง ผลลัพธ์เหล่านี้เผยปริมาณน้ำฝนที่ไหลบ่าซึมและส่วนแบ่งอุณหภูมิดินมีความสัมพันธ์เชิงบวกกับผลผลิตข้าวนาปี ผลที่ได้จากการวิเคราะห์การถดถอยแบบขั้นตอนการศึกษาพบว่าอุณหภูมิของดินและฝนอยู่ในความสัมพันธ์โดยตรงกับผลผลิตข้าวนาปี (r = 0.369) โดยมีรูปแบบที่ 13.6% นอกจากนี้การวิเคราะห์ของเราพบว่า evapo-คายฝนซึมไหลบ่าสูญเสีย NO3, ดินสูญเสีย NO3, NO3 ชะล้างเซลเซียสและอุณหภูมิของดินโดยการไหลบ่าของการสูญเสีย NO3, ดินสูญเสีย NO3 และ NO3 ชะล้างจัดแสดงทั้งหมดมีความสัมพันธ์เชิงลบกับสอง ผลผลิตข้าวในขณะที่การคายระเหยน้ำฝนซึม, เซลเซียสและอุณหภูมิดินมีความสัมพันธ์เชิงบวกกับอัตราผลตอบแทนนี้ การวิเคราะห์การถดถอยแบบขั้นตอนยังเผยให้เห็นว่าการคายระเหยน้ำฝนอุณหภูมิดินไหลดิน NO3 ชะล้างไหลบ่าและซึมมีความสัมพันธ์โดยตรงกับผลผลิตข้าวที่สอง (r = 0.875) โดยมีรูปแบบที่ 76.5%

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์สภาพอากาศไฮไลท์ข้อมูลที่ทั้งสูงและต่ำมีความสัมพันธ์กับอุณหภูมิอากาศในข้าวที่สำคัญ ในขณะที่ฝนยังเป็นบวก และความสัมพันธ์กับผลผลิตข้าว เกี่ยวกับข้าวที่สองการวิเคราะห์ของเราแสดงให้เห็นว่าอุณหภูมิอากาศสูงสุดมีความสัมพันธ์ทางลบกับผลผลิตข้าว ในขณะที่อุณหภูมิต่ำสุดของอากาศและการตกตะกอนให้บวกและความสัมพันธ์ . ข้อมูลดิน สำหรับข้าวที่สำคัญ พบว่า ความสัมพันธ์ระหว่างผลผลิตปริมาณทรายและข้าวเป็นลบ ขณะที่ปริมาณข้าวและผลผลิตตะกอนความสัมพันธ์เป็นบวก และที่สำคัญ ความหนาแน่นและผลผลิตข้าวมีความสัมพันธ์ในทางบวก แต่ไม่มาก ข้าวสองพบว่า ความหนาแน่น และ ทราย เนื้อหามีความสัมพันธ์กับผลผลิตข้าว และปริมาณตะกอนในเชิงบวกและความสัมพันธ์ . ผลของความน่าเชื่อถือของการทดสอบสำหรับการสอบเทียบและตรวจสอบแสดงในตารางที่ 2 และแสดงให้เห็นถึงการกระจายของผลผลิตข้าวที่ได้จากระบบสารสนเทศภูมิศาสตร์ ( รูปที่ 2 )นอกเหนือจากการแสดงผลของปัจจัยการผลิตผลผลิตข้าว , ชุด i-epic จำลองสามารถจำลองผลของข้อมูลอื่น ๆ ตัวอย่างเช่น ข้อมูลอุทกวิทยาสามารถจำลอง และรวมถึง น้ำท่า พื้นผิวสีขาวไหลใต้ผิวดินด้านข้างและการคายระเหย . การจำลองข้อมูลโภชนาการ รวมถึงการสูญเสียไนเตรต ในน้ำผิวดินลดไนเตรต ไนเตรทไนโตรเจนละลายและดีไนตริฟิเคชัน . นอกจากนี้ ข้อมูลสภาพอากาศ ( ฝน ) , ดินและอุณหภูมิที่สามารถรวม ( วิลเลียม et al . , 2006 ) การวิเคราะห์สหสัมพันธ์และการวิเคราะห์ขั้นตอนที่ใช้ในการพิจารณาความสัมพันธ์ของผลผลิตปัจจัยการผลิตและผลผลิตข้าวในช่วงการเพาะปลูก ทั้งรายใหญ่ และข้าว 2 ผลลัพธ์เหล่านี้ พบว่า ปริมาณฝน น้ำไหลซึม , และอุณหภูมิดินแบ่งปันความสัมพันธ์ทางบวกกับผลผลิตข้าวที่สำคัญ ผลของการวิเคราะห์การถดถอยแบบขั้นตอน พบว่า อุณหภูมิของดินและการตกตะกอนอยู่ตรงความสัมพันธ์กับผลผลิตข้าวนาปี ( r = . 369 ) กับ 13.6% ความแปรผัน นอกจากนี้การวิเคราะห์ของเราพบว่า evapo การคายน้ำของพืช , ปริมาณฝน การซึมน้ำ 3 , สูญเสีย , การสูญเสียดิน 3 3 , การละลาย , น้ำ และอุณหภูมิดินโดย No3 ไหลบ่าการสูญเสียการสูญเสียดินและน้ำ 3 , 3 ทั้งหมดที่จัดแสดงมีความสัมพันธ์ในทางบวกกับผลผลิตข้าวสองในขณะที่น้ำ , ปริมาณฝน การซึมน้ำและอุณหภูมิ , ดินมีความสัมพันธ์ทางบวกกับผลผลิตนี้ การวิเคราะห์การถดถอยแบบขั้นตอน พบว่า การคายระเหย ฝน ดิน อุณหภูมิ การไหลของน้ำ 3 , และสีขาวมีความสัมพันธ์โดยตรงกับผลผลิตข้าวนาปรัง ( r = . 875 ) กับ 76.5 รูปแบบ