Since the soil class and climate zo

Since the soil class and climate zone ranked the top most important
variables explaining the variation of the total elemental concentrations'
main pattern of variation in Dim 1, these were both excluded in the RF
model and the predictor variables precipitation, average temperature
retained and consequently the model accuracies were slightly decreased
to a R2 of 0.79, 0.69, and 0.64 for dimensions 1, 2 and 3 respectively
(Fig. 4c). For dimensions 1, 2 and 3, the two most important
variableswere then precipitation and temperature followed by position
in the topography and cluster (Fig. 4c). When a new variable ‘landuse’
was introduced in addition to the soil classification according to the
FAO/EC/ISRIC (2003) and IUSSWorking Group WRB (2014), the overall
model accuracieswere further marginally improved to R2 values of 0.87,
0.77 and 0.70 for dimensions 1, 2 and 3 respectively (Fig. 4d). Excluding
the soil class from the model used in Fig. 4d the fit of the models in dimensions
1–3 was 0.81, 0.70 and 0.64 R2 respectively (Fig. 4e). The
top most important variable for all the dimensions was temperature
followed by precipitation, topography and landuse in dimensions 1
and 2 while in dimension 3, after temperature, the most important variableswere
precipitation, landuse followed by topography (Fig. 4e). The
results that landuse was one of the important variables, e.g., ranking
fourth, fourth, and third in dimensions 1, 2 and 3 respectively
(Fig. 4e), supported results by Voortman (2011) that the presence of
different vegetation types is a reliable and precise indicator of differences
in soil chemical properties and that interactions among nutrients
significantly explain differences in vegetation and also the distribution
of vegetation types. These results are interesting in that they imply
that N70% of variation in soil elemental composition patterns can be
predicted using information in existing databases or readily observable
features. The predictor ‘soil depth’ was of least importance for total element concentration pattern of variation prediction, suggesting that
neither top- nor subsoils influence much the variation of element
concentration probably due to expected correlations of element
concentrations between the two depths.

ผลลัพธ์ (ไทย) 1:

เนื่องจากดินชั้นและสภาพภูมิอากาศเขตจัดอันดับด้านบนที่สำคัญที่สุดตัวแปรที่อธิบายการเปลี่ยนแปลงของความเข้มข้นธาตุรวมรูปแบบหลักของการเปลี่ยนแปลงใน 1 มิติ เหล่านี้มีทั้งแยกใน RFรูปแบบและฝนที่ตัวแปร predictor อุณหภูมิเฉลี่ยสะสม และดัง accuracies รุ่นได้ลดลงเล็กน้อยให้ R2 ของ 0.79, 0.69 และ 0.64 สำหรับขนาด 1, 2 และ 3 ตามลำดับกิน 4c) สำหรับขนาด 1, 2 และ 3 สองที่สำคัญที่สุดvariableswere แล้วฝน และอุณหภูมิตามตำแหน่งในภูมิประเทศและคลัสเตอร์กิน 4c) เมื่อตัวแปรใหม่ 'landuse'ถูกนำมาใช้นอกจากการจัดประเภทของดินตามFAO/EC/ISRIC (2003) และกลุ่ม IUSSWorking WRB (2014), โดยรวมรุ่น accuracieswere ต่อไปดีขึ้นค่า R2 ของ 0.870.77 และ 0.70 สำหรับขนาด 1, 2 และ 3 ตามลำดับกิน 4d) ไม่รวมระดับดินจากแบบจำลองที่ใช้ใน Fig. 4 d พอดีของรูปแบบในมิติ1 – 3 มีการ 0.81, 0.70 และ 0.64 R2 ตามลำดับ (4e-fe กลไก Fig.) ที่อุณหภูมิเป็นตัวแปรสำคัญสุดสำหรับมิติทั้งหมดตาม ด้วยฝน ภูมิประเทศ และ landuse มิติ 1และ 2 ในขณะที่ในมิติที่ 3 หลังจากอุณหภูมิ variableswere สำคัญที่สุดฝน landuse ตามภูมิประเทศ (4e-fe กลไก Fig.) ที่ผลลัพธ์ที่ landuse สำคัญตัวแปรหนึ่ง เช่น จัดอันดับสี่ สี่ และสามในขนาด 1, 2 และ 3 ตามลำดับ(Fig. 4e-fe กลไก), สนับสนุนผลลัพธ์ โดย Voortman (2011) ที่อยู่ของชนิดของพืชที่แตกต่างกันเป็นตัวบ่งชี้ที่เชื่อถือได้ และแม่นยำของความแตกต่างในการโต้ตอบระหว่างสารอาหารและคุณสมบัติทางเคมีของดินอธิบายความแตกต่างของพืช และการกระจายอย่างมีนัยสำคัญพืชชนิดนี้ ผลลัพธ์เหล่านี้เป็นที่น่าสนใจที่พวกเขาเป็นสิทธิ์แบบ%ที่ N70 ของความผันแปรในรูปแบบองค์ประกอบของธาตุดินได้คาดการณ์โดยใช้ข้อมูลในฐานข้อมูลที่มีอยู่ หรือพร้อม observableลักษณะการทำงาน จำนวนประตู 'ดินลึก' มีความสำคัญน้อยที่สุดสำหรับรูปแบบความเข้มข้นขององค์ประกอบรวมของการคาดการณ์การเปลี่ยนแปลง แนะนำที่ทั้งด้านบน - และไม่ subsoils มากรูปแบบขององค์ประกอบที่มีอิทธิพลต่อความเข้มข้นคงเนื่องจากความสัมพันธ์ที่คาดไว้ขององค์ประกอบความเข้มข้นระหว่างความลึกสอง

ผลลัพธ์ (ไทย) 2:

ตั้งแต่ระดับดินและเขตภูมิอากาศการจัดอันดับชั้นนำที่สำคัญที่สุด
ตัวแปรอธิบายรูปแบบของความเข้มข้นของธาตุรวม
รูปแบบหลักของการเปลี่ยนแปลงในมซำ 1 เหล่านี้ทั้งสองได้รับการยกเว้นใน RF
รุ่นและการทำนายฝนตัวแปรอุณหภูมิเฉลี่ย
สะสมและส่งผล รูปแบบความถูกต้องลดลงเล็กน้อย
เพื่อ R2 ของ 0.79, 0.69 และ 0.64 สำหรับขนาด 1, 2 และ 3 ตามลำดับ
(รูป. 4c) สำหรับมิติที่ 1, 2 และ 3 ทั้งสองที่สำคัญที่สุด
variableswere แล้วฝนและอุณหภูมิตามตำแหน่ง
ในภูมิประเทศและกลุ่ม (รูป. 4c) เมื่อตัวแปรใหม่ 'ใช้ที่ดิน'
เป็นที่รู้จักในนอกเหนือจากการจำแนกดินตาม
FAO / EC / ISRIC (2003) และ IUSSWorking กลุ่ม WRB (2014) โดยรวม
รูปแบบต่อไป accuracieswere ดีขึ้นเล็กน้อยเป็นค่า R2 0.87,
0.77 และ 0.70 สำหรับมิติที่ 1, 2 และ 3 ตามลำดับ (รูป. 4d) ไม่รวม
ชั้นดินจากแบบจำลองที่ใช้ในรูป 4d เหมาะสมของรูปแบบในมิติที่
1-3 เป็น 0.81, 0.70 และ 0.64 ตามลำดับ R2 (รูป. 4e)
ด้านบนตัวแปรที่สำคัญที่สุดสำหรับทุกมิติถูกอุณหภูมิ
ตามด้วยฝนภูมิประเทศและการใช้ที่ดินในมิติที่ 1
และ 2 ขณะที่อยู่ในมิติที่ 3 หลังจากที่อุณหภูมิ variableswere ที่สำคัญที่สุด
เร่งรัดการใช้ที่ดินตามภูมิประเทศ (รูป. 4e)
ผลที่ใช้ที่ดินเป็นหนึ่งในตัวแปรที่สำคัญเช่นการจัดอันดับ
ที่สี่สี่และที่สามในมิติที่ 1, 2 และ 3 ตามลำดับ
(รูป. 4e) ได้รับการสนับสนุนโดยผล Voortman (2011) ว่าการปรากฏตัวของ
พืชชนิดที่แตกต่างกันคือ ตัวบ่งชี้ที่น่าเชื่อถือและแม่นยำของความแตกต่าง
ในดินคุณสมบัติทางเคมีและการโต้ตอบกันของสารอาหาร
อย่างมีนัยสำคัญอธิบายความแตกต่างในพืชผักและการกระจาย
ของชนิดพืช ผลลัพธ์เหล่านี้มีความน่าสนใจในการที่พวกเขาหมายความ
ว่า N70% ของการเปลี่ยนแปลงในรูปแบบองค์ประกอบธาตุดินสามารถ
คาดการณ์โดยใช้ข้อมูลในฐานข้อมูลที่มีอยู่หรือที่สังเกตได้อย่างง่ายดาย
คุณสมบัติ ทำนาย 'ดินลึก' มีความสำคัญเป็นอย่างน้อยสำหรับรูปแบบความเข้มข้นขององค์ประกอบรวมของรูปแบบการทำนายบอกว่า
ทั้งบนสุดหรือชั้นดินที่มีอิทธิพลต่อการเปลี่ยนแปลงมากขององค์ประกอบ
ความเข้มข้นอาจจะเป็นเพราะความสัมพันธ์ขององค์ประกอบคาดว่า
ระดับความเข้มข้นระหว่างสองระดับความลึก

ผลลัพธ์ (ไทย) 3:

เนื่องจากดินคลาสและเขตภูมิอากาศอันดับท็อปสำคัญที่สุด
ตัวแปรอธิบายการเปลี่ยนแปลงของปริมาณรวมธาตุ '
รูปแบบการเปลี่ยนแปลงในมัว 1 เหล่านี้ทั้งสองแยกออกใน RF
และรูปแบบตัวแปรปริมาณน้ำฝน , อุณหภูมิเฉลี่ย
เก็บไว้และจากนั้นรูปแบบความถูกต้องถูกลดลงเล็กน้อย
กับ R2 ของ เท่ากับ 0.69 และ 064 สำหรับขนาด 1 , 2 และ 3 ตามลำดับ
( รูปที่ 4C ) สำหรับขนาด 1 , 2 และ 3 สองที่สำคัญที่สุด variableswere
แล้วฝนและอุณหภูมิตามตำแหน่ง
ในภูมิประเทศและกลุ่ม ( รูปที่ 4C ) เมื่อตัวแปรใหม่ ' พื้นที่ '
แนะนำนอกเหนือไปจากการจำแนกดินตาม
FAO / EC / isric ( 2546 ) และกลุ่ม iussworking WRB ( 2014 ) โดยรวม
รูปแบบ accuracieswere เพิ่มเติมเล็กน้อยขึ้น R2 มีค่า 0.87
0.77 และ 0.70 ตามลำดับ ขนาด 1 , 2 และ 3 ตามลำดับ ( รูป 4D ) ไม่รวม
ดินชั้นจากแบบจำลองที่ใช้ในรูป 4D พอดีของโมเดลมิติ
1 – 3 เท่ากับ 0.81 , 0.70 และ 0.64 ตามลำดับ ( ภาพที่ 2 จอฟ้า )
ที่สำคัญที่สุดตัวแปรมิติทั้งหมดคืออุณหภูมิ
ตามด้วยการตกตะกอนภูมิประเทศและการใช้ที่ดินในมิติที่ 1
2 ในขณะที่ในมิติที่ 3 หลังจากอุณหภูมิ ปริมาณน้ำฝน variableswere
ที่สำคัญที่สุด การใช้ประโยชน์ที่ดินตามภูมิประเทศ ( รูปจอฟ้า )
ผลที่ใช้เป็นหนึ่งในตัวแปรสำคัญ เช่น การจัดอันดับ
4 , 4 และ 3 มิติ 1 , 2 และ 3 ตามลำดับ
( รูปจอฟ้า ) ได้รับการสนับสนุนโดยผล voortman ( 2011 ) ว่า การปรากฏตัวของ
ชนิดพืชที่แตกต่างกันเป็นที่เชื่อถือได้และแม่นยำบ่งชี้ความแตกต่าง
ในคุณสมบัติทางเคมีของดินและปฏิสัมพันธ์ระหว่างรัง
อย่างมากอธิบายความแตกต่างในพืชและยังกระจาย
ของชนิดพืช ผลลัพธ์เหล่านี้เป็นที่น่าสนใจในการที่พวกเขาบ่งบอกถึง
ที่ n70 การผันแปรของดินธาตุองค์ประกอบรูปแบบสามารถ
ทำนายการใช้ข้อมูลในฐานข้อมูลที่มีอยู่แล้ว หรือพร้อมสังเกต
คุณสมบัติ ตัว ' ' เป็นดินลึกอย่างน้อยความสำคัญสำหรับรูปแบบของการรวมองค์ประกอบของการทำนายบอกว่า
ทั้งด้านบนหรือชั้นดินอิทธิพลมากการเปลี่ยนแปลงขององค์ประกอบ
ความเข้มข้นอาจจะเนื่องจากคาดว่าความสัมพันธ์ขององค์ประกอบ

ความเข้มข้นระหว่างสองหลุม