Moyenne et écart-type prévus de la capacité d'échange cationique efficace à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm. Les valeurs des pixels doivent être retransformées avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible et, par conséquent, des artefacts tels que des bandes (rayures)…
Carbone total à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart-type prévus. Les valeurs de pixels doivent être retransformées avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible et des artefacts tels que des bandes (rayures) peuvent donc apparaître.
Classe de texture USDA à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Des artefacts tels que des bandes peuvent donc apparaître. Les prédictions des propriétés du sol ont été effectuées par Innovative Solutions for Decision…
Aluminium extractible à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart-type prévus. Les valeurs de pixels doivent être retransformées avec exp(x/10)-1. Les prédictions des propriétés du sol ont été effectuées par Innovative Solutions for Decision Agriculture Ltd. (iSDA) avec une taille de pixel de 30 mètres à l'aide du machine learning associé…
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Il n'y a pas l'information dont j'ai besoin","missingTheInformationINeed","thumb-down"],["Trop compliqué/Trop d'étapes","tooComplicatedTooManySteps","thumb-down"],["Obsolète","outOfDate","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Mauvais exemple/Erreur de code","samplesCodeIssue","thumb-down"],["Autre","otherDown","thumb-down"]],[],[],["iSDA provides soil data for Africa at 30m pixel size, focusing on depths of 0-20 cm and 20-50 cm. This includes extractable aluminium, total carbon, effective cation exchange capacity, and USDA texture class. Data includes predicted mean and standard deviation. Pixel values require back-transformation using the formula exp(x/10)-1. Model accuracy may be low in dense jungle areas, potentially showing banding artifacts. Machine learning is employed for soil property predictions.\n"]]
