0~20cm 및 20~50cm의 토양 깊이에서 예측된 유효 양이온 교환 용량 평균 및 표준 편차입니다. 픽셀 값은 exp(x/10)-1로 역변환해야 합니다. 밀림 지역 (일반적으로 중앙아프리카)에서는 모델 정확도가 낮으므로 밴딩 (스트라이핑)과 같은 아티팩트가 발생할 수 있습니다.
0~20cm 및 20~50cm의 토양 깊이에서 USDA 질감 클래스입니다. 밀림 지역 (일반적으로 중앙아프리카)에서는 모델 정확도가 낮으므로 밴딩 (스트라이핑)과 같은 아티팩트가 발생할 수 있습니다. 토양 속성 예측은 Innovative Solutions for Decision …
0~20cm 및 20~50cm의 토양 깊이에서 예측된 추출 가능한 알루미늄 평균 및 표준 편차입니다. 픽셀 값은 exp(x/10)-1로 역변환해야 합니다. 토양 속성 예측은 머신러닝을 결합하여 30m 픽셀 크기에서 Decision Agriculture Ltd. (iSDA)를 위한 혁신적인 솔루션으로 이루어졌습니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["필요한 정보가 없음","missingTheInformationINeed","thumb-down"],["너무 복잡함/단계 수가 너무 많음","tooComplicatedTooManySteps","thumb-down"],["오래됨","outOfDate","thumb-down"],["번역 문제","translationIssue","thumb-down"],["샘플/코드 문제","samplesCodeIssue","thumb-down"],["기타","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"]]
