Média e desvio padrão previstos da capacidade de troca de catiões eficaz a profundidades do solo de 0 a 20 cm e de 20 a 50 cm. Os valores dos píxeis têm de ser transformados novamente com exp(x/10)-1. Em áreas de selva densa (geralmente sobre a África central), a precisão do modelo é baixa e, por isso, existem artefactos, como faixas (riscas)…
Carbono total nas profundidades do solo de 0 a 20 cm e de 20 a 50 cm, média prevista e desvio padrão. Os valores dos píxeis têm de ser transformados inversamente com exp(x/10)-1. Em áreas de selva densa (geralmente na África Central), a precisão do modelo é baixa e, por isso, podem ocorrer artefactos, como faixas (riscas) …
Classe de textura do USDA a profundidades do solo de 0 a 20 cm e de 20 a 50 cm. Em áreas de selva densa (geralmente sobre a África Central), a precisão do modelo é baixa e, por isso, podem ser vistos artefactos, como faixas. As previsões das propriedades do solo foram feitas pela Innovative Solutions for Decision …
Alumínio extraível em profundidades do solo de 0 a 20 cm e 20 a 50 cm, média prevista e desvio padrão. Os valores dos píxeis têm de ser transformados inversamente com exp(x/10)-1. As previsões das propriedades do solo foram feitas pela Innovative Solutions for Decision Agriculture Ltd. (iSDA) com um tamanho de píxel de 30 m através da aprendizagem automática associada …
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Não contém as informações de que eu preciso","missingTheInformationINeed","thumb-down"],["Muito complicado / etapas demais","tooComplicatedTooManySteps","thumb-down"],["Desatualizado","outOfDate","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Problema com as amostras / o código","samplesCodeIssue","thumb-down"],["Outro","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"]]
