量化数学模型的不确定性:现场和实验室之间的统计关系pH值测量

文摘

测量土壤pH值使用字段便携式检测组件代表一个快速和廉价的方法来评估博士领域基于pH值的方法已被广泛用于农业咨询服务和土壤调查,现在公民土壤科学项目。在缺乏实验室测量,实际需要模型实验室酸碱作为该领域的函数增加土壤的密度数据研究和数字土壤制图。pH值的准确性和不确定性实地测量调查在澳大利亚维多利亚地区的土壤样本使用线性和s形模型。在水和CaCl样本₂1:5稀释,s形模型提供了提高精度的全部字段pH值相比,线性模型(即。,pH < 5 or pH > 9). The uncertainty in the field results was quantified by the 95% confidence interval (CI) and 95% prediction interval (PI) for the models, with 95% CI < 0.25 pH units and 95% PI =pH值单位,分别。发现的皮尔逊准则稳健回归分析可以被看作是一个替代传统最小二乘建模方法,因为它更有效地解决遗留数据的离群值。

1。介绍

土壤pH值的评估提供信息诊断的土壤条件和有助于日常实地调查的土壤属性(1]。pH值可能是最常见的测量土壤性质(2,3),产生的信息“植物养分有效性,铝和重金属可用性、有机物分解,李明的要求,和微生物活动。“测量土壤pH值变化明显取决于样本收集和处理程序包括soil-to-solution比率和添加指标或试剂。

土壤的pH值样本在该领域常使用色度指标方法原位测量pH值之间是基于主观评价标准颜色图和土壤的颜色响应指示器试剂(4]或絮凝剂(1]。场pH值测量是划算的,访问和方便,安全,要求最小的训练,几乎是立即可用。虽然颜色匹配是一个快速和便宜的方法领域pH值评估(),有不确定性预测准确度和精密度,结果或错误。实验室定期测量pH值在1:5 soil-to-water悬架(),可能添加盐溶液(通常CaCl₂或氯化钾)占季节性变化或管理干预措施(5]。实验室测量pH值作为参考,鉴于其相对准确度和精密度通常±0.1个单位(6]。

在缺乏实验室测量有高度依赖字段pH值测量用于筛查和土壤分类。数字土壤制图的快速吸收(DSM) [7,8)结合公民科学有可能增加观测的地理分布和密度提高映射和预测土壤属性(9]。有机会利用成千上万的遗产领域pH值测量政府数据库结合当代测量从公民更好地理解分布和土壤酸度的变化。方法和数学模型需要将这些实地测量转换为等价的实验室土壤映射和科学用途。

实验室和现场的pH值之间的关系用色度指标方法一直是研究的主题在寻求可靠方法。小舟(10)领导初步讨论的实现领域评价方法来衡量博士众多商用pH工具包开发在接下来的二十年,但问题仍然使用这些工具的可靠性和相对优势优先于实验室分析(11]。一些工具包实现精度相当,但简单和快速操作的工具也被发现是重要的。在澳大利亚,Raupach [12开创一个指标的方法,满足这些需求的准确性和简单。进一步优化和测试Raupach和塔克(4]建立了一个测定pH值使用指标方法导致了标准偏差0.42个单位的实验室参考方法。Farr [1)还发现,领域之间的标准差比色法和实验室方法类似的大小。

评估颜色卡片从土壤的pH值测试套件可以影响一系列错误与手动检测组件在操作条件下的应用。斯坦哈特和鲁如坤等13)发现有潜在的不确定性导致变异来源之间的现场和实验室方法包括差调整指标,pH值的季节性变化、样本变异,在pH值间隔和重叠的解决方案中使用的化学物质指标。贝克et al。14)提供一个例子,一个操作员执行所有字段pH值评估,完全有可能产生强烈赞同实验室(pH值测量 , )。

的不确定性解释与比色等因素引入的用户体验指标包、视觉缺陷,日光光谱内容,在测试套件和可变性。识别可能的误差来源评估领域的pH值将有助于减少结果的色散通过简洁实用的实现质量保证程序(见讨论风险和不确定性15- - - - - -17])。这将最终受益的土壤科学社区包括DSM可以利用这个“软”数据资源(18]。

有许多例子实验室pH值的方法已经统一为不同地区使用不同大小的数据集(见Minasny et al。3])。然而,我们并不知道任何试图协调领域的pH值测量与实验室方法使用广泛的数据集可能包含一个巨大的范围的误差来源。这已被确定为一个挑战在集成的公民提供更精确的测量与[9]。

这次调查的目标是(a)建立字段酸碱和实验室之间的功能关系与维多利亚地区的广泛的数据集,(b)量化精度和不确定性的pH值测量,和(c)确定可能的误差来源字段pH值数据包括目视判读的颜色卡片测量。在建立一个功能领域和实验室测量pH值之间的关系,设计一个实验来比较(i)线性和s形模型,(2)最小二乘和皮尔森的性能指标,(3)使量子化数据和随机数据。

2。材料和方法

2.1。研究区和土壤数据

用于分析的数据集是来自维多利亚时代的土壤信息系统(vsi)包含字段从土壤pH值和实验室观测资料收集的跨区域维多利亚。

在实践中, 土壤样本用于建立数学关系领域酸度与相应的实验室测量(图1)。进行了实验室测量1:5 soil-to-water悬挂(方法4 a1)和一个0.01 CaCl₂提取(;方法4 b1) (6]。字段pH值根据测量方法4 g1,现场测定方法(4]中描述Rayment和里昂6]。

2.2。实地测量的pH值

在田间测定技术,使用预定义的pH值颜色卡是用来违背粘贴组成的指标主观评价解决方案(酚红、溴甲酚紫和溴甲酚绿)与硫酸钡粉混合着泥土和灰尘。pH值中使用的试剂领域技术一直以来相同的方法开发解决方案包括试剂的数量指标。颜色图表与试剂的组合记住了“找到最好的色彩范围”4]。当前版本的颜色图表功能16颜色间隔代表土壤酸度之间的值= 2和pH = 10,如图2(Inoculo实验室,澳大利亚,2014)。pH值测量的可变性是图所示3。

2.3。实验室测量pH值

测量和自2010年以来获得自动使用辐射计分析SAS滴定系统包括PHM92酸度计,CDM240电导率仪,SAC950样改变。这些仪器校准根据Rayment描述的方法和里昂6]。类似的自动化系统从同一家公司曾在1992年和2010年之间根据Rayment和金森(描述的方法19]。的和结果确定手动使用早期模型相同的制造商的设备在1992年之前。仪器校准是根据制造商的规格。报告为实验室pH值测量误差pH值单位(6]。

2.4。数据处理

字段pH值测量pH值和相应的实验室测量被用作输入评估一系列实验室提出的数学模型用于预测pH值从领域博士进行了模型拟合使用SYSTAT软件TableCurve 2 d V5.01。超过3000个不同的数学模型使用一个自动化的过程涉及多种功能类型:例如,多项式类型,转换函数,指数类型、线性类型和混合模型。拟合优度的迹象是由各种统计标准,提供包括确定系数()、方差分析统计,误差平方和(SSE)。最适合基于上述标准(摘要)与线性相关和s形函数,根据输入范围中选择字段pH值测量。

2.5。数据随机

现场测量土壤的pH值是由用硫酸钡治疗样本和一个指示器的解决方案,然后比较结果颜色和颜色的卡片,pH值使量子化楔形(图据颜色步骤2)。可用的离散的颜色(N= 16)与一系列的pH值增加,与0.50增量;也就是说, 。一步的可能误差楔阅读因此pH值0.50单位由于误分类相邻的颜色。

转换用于随机,为了比较结果与固定离散的面板,如下。对于每个pH值的字段值,x,在指定的固定增加在x设在、替换x用一个随机值在时间间隔( )根据 在哪里R是一个真正的随机数,然后按比例缩小的占领定义的时间间隔( ]。一组连续的区间宽度的覆盖全域。

因此,在楔形步,每个值是 的一个过程归纳推理在数学中,这个过程可以普遍任意数据集。为每个值x在原始数据集,取代它在变换后的新数据集: 在哪里是随机变量(在这种情况下,均匀概率分布)和是类的宽度区间使量子化变量呢x楔形的一步。这个操作会产生一个随机散点图适合回归分析。操作是一致的量子化理论数模转换误差(20.和统一的先验分布的贝叶斯理论21]。它反映了输入的不确定性x由于使量子化性质的色彩卡。

一个度量不确定性的随机数据的时间间隔( 方差,,均匀分布,年代的话,是 在哪里 量子化的不确定性导致的数据与一个固定的增量步楔,相当于误差测量的模拟/数字转换器(a / D)。

2.6。功能关系模型

在一个完美的酸度和实验室之间的匹配字段,1:1的情节功能关系将遵循一条直线( 与 和 指示一一对应)和零平均偏差。这种方法与“校准”运动。明智的做法是,然而,也考虑非线性函数关系。这是因为场酸碱和实验室测量在不同的物理和方法论的条件和可能会表现出一些差异极端的pH值范围内。数据处理和实验结果描述后表明,两种模型拟合数据的最佳(线性和s形)范围相关的。

模型对实验数据进行了测试和比较不同模型下的条件。首先,两个参数的线性模型(一个和b): 第二个模型是一个通用的年代型曲线,所谓的4 s形模型与参数a, b, c,和d: 鉴于pH域( -10),这可能是一个分段近似函数在全系列提供了最佳的关系;也就是说, 在哪里和是边界值的线性近似,靠近脚趾和肩膀的曲线。串联的回归模型,介绍了接口和单个模型的连续性问题,覆盖全域是更可取的。

两个错误最小化方案进行测试,首先是标准的最小二乘回归分析,,在那里 有一个问题基于最小化残差平方和的最小二乘拟合。在重大异常值的存在,残差的平方拟合曲线可能偏离主数据在某些条件。一个特别的方法通常是使用排除数据超出三个标准差的意思,但这种删除变更所使用的样本集“饼干刀”的方法并没有考虑。

一种更健壮的方法是皮尔森指数,曲线拟合。这个指数是不太敏感,比最小二乘准则,给出了异常值 离群值,在这种情况下少得多对拟合曲线的影响由于对数变换,而压缩测量值和预测值之间的区别。操作是有效的巨大差异是由于孤立的异常值。皮尔森指数强劲与最小二乘拟合和适合的情况不可预测的随机错误可能出现在原始数据集。这种情况可以发生在现场的情况下pH值测量质量控制(QC)不是观测到的,与实验室pH值测量。

最后,推论注意在线性模型的不确定性:著名的表达式错误传播的多变量预测模型, ,是由微分误差分析,通常称为链式法则或δ规则(22]: 对于一个简单的一元线性模型与统一斜率和零平均偏差,最后一个表达式可以简化为以下((6)): 也就是说,错误或不确定性x值直接传输到输出值y没有膨胀或压缩。线性模型是一个理想的“校准”字段之间的情节酸碱测量和实验室测量。线性近似,但未必适合在非常低的或非常高pH值由于测量仪器和土壤的物理性质。

2.7。拟合优度

所有模型的性能评估是由不同的标准来确认数据拟合优度。这包括确定系数()模型,解释变异的平方和错误(SSE),也称为符合标准错误(FitStdErr),和从方差分析统计意义的回归。线性模型的预测准确性和色散(不确定性)都是重要的,以及偏见(即。接近最优值: 和 )。还计算了不确定性的间隔,即置信区间(95% CI)和预测区间(95%π)。CI和π计算如下。

的词平均的价值y从模型中,用,对于一个给定的指定,年代残差的标准差,使用t分布,是由(23] 此外,π单未来的价值y从模型中,用,对于一个给定的指定,是更广泛的因素统一平方根符号: CI占估计均值的不确定性而π覆盖波动,因此在跨度大。

3所示。结果

3.1。字段在水中酸碱和实验室(与)

析因实验(2×2×2)实现了造型之间的关系领域酸碱和实验室使用(A)的线性和s形模型,(b)最小二乘和皮尔森性能指标,和(c)固定和数据随机政权,如表所示1和2。结果见图4(一)- - - - - -7 (b)95%可信区间和95%π,在以下部分中进行更详细的评论。

场pH值的数据集是对实验室测量图绘制4(一)pH值,字段出现在增加0.5,垂直数组的数据以固定水平增量,这被称为量子化在pH值测量。这个垂直线性结构的数据,尽管在过去使用他人(12),可能会引入对假设底层模型拟合的问题统计方法(回归),通常应用于随机散点图。为目的的实验比较,生成随机值来代替离散数据点的垂直列,如图5(一个)。

3.1.1。线性模型:原始数据与

一块实验室酸碱和现场实验数据集呈现在图4(一)由最小二乘线性模型拟合。相应的线性模型配备皮尔逊准则而不是最小二乘如图4 (b)。这些模型参数(表3)表明,77%的变异解释线性回归的结果在这两种情况下,但皮尔逊适合数据稍微不那么重要。皮尔逊准则对异常值不敏感,更健壮,但保守,而最小二乘准则可能会受到一些异常值。模型是非常重要的和可以接受的,根据统计,皮尔森模型后的优势1:1线“校准”意义上的更密切。

3.1.2。线性模型:随机数据与

的随机数据,如图5(一个)由最小二乘估计,线性模型的拟合和相应的线性模型配备皮尔逊准则而不是最小二乘如图5 (b)。下令对使量子化的区别和随机数据在数据字段pH值4(一)和5(一个)使用这个参数配对测试的意义t以及观测。与零假设H₀: ,双面的测试产生无显著差异( )。这意味着随机没有引入任何显著差异或偏见到数据模型中除了少意义但稍微更广泛的不确定性,如预期。

在最小二乘拟合图5(一个),注意,拦截或平均偏差为0.414(表是正的3),这几乎是0.50,也就是说,增量步的颜色卡片。还请注意,斜率是0.924,几乎是统一的。这个结果捕获字段输入值的不确定性的酸度和实验室还提供了一个线性关系。

3.1.3。s形模型:原始数据与

的四个参数s形模型拟合原始数据图所示6(一)和相应的s形模型配备皮尔逊准则而不是最小二乘如图6 (b)。也就是79%的变异是由s形回归的结果在这两种情况下,但皮尔逊适合小一些(表的数据4)。虽然全球适合稍微改进对s形模型解释变异(),适合的意义(价值)是少得多,尽管有更多的自由度参数的数量。极端的s形模型是一个更好的选择;也就是说,pH < 5和实地pH > 9.5。这显然是明显的目视检查图4(一)对比图6(一)在 表明,几乎所有散射点躺上面的意思是预测在线性情况下,然而,反曲的情况下,平均预测几乎平分散射数据。曲线是相当恒定的脚趾实验室pH < 5。

3.1.4。s形模型:随机数据与

的四个参数s形模型也适合原始数据,如图7(一)。相应的s形模型配备皮尔逊准则图所示7 (b)。都使用s形的回归模型解释大约78%的变异但皮尔逊适合的结果数据(表小一些4)。总体结果相似但略有不如使量子化的线性模型的数据。这是预期,由于住宿楔形增量步的不确定性的颜色卡片。

3.2。在CaCl酸碱和实验室₂(与)

的一块与使量子化数据图8(一个)与最小二乘估计,线性模型拟合r²= 0.751, ( ),适合王新宏。= 0.689。最小二乘拦截是一个= 0.890和斜率b= 0.987。

的一块与为使量子化与s形模型数据拟合的最小二乘估计在图给出8 (b),在那里r²= 0.766, ( ),适合王新宏。= 0.668。最小二乘参数s形模型一个= 3.952,b= 4.711,c= 7.233,d= 0.9030。在图8 (c),使量子化数据绘制皮尔逊准则,r²= 0.755, ( ),适合王新宏。= 0.684。皮尔森的最小二乘参数s形模型一个= 4.050,b= 4.752,c= 7.413,d= 0.8044。

4所示。讨论

4.1。比较字段在水中酸碱和实验室(与)

原始数据的线性模型和最小二乘拟合产生一个好的适合的平均偏差一个= 0.35,可以看到图4(一)。下面的健康并不好 及以上 ,点数下降在95%置信区间,但大多在95%π。替换与健壮的皮尔逊准则拟合最小二乘准则,为了减少离群值的影响或虚假的结果,是更有效的,系数产生一个优秀的线性关系(平均偏差一个= 0.10和斜率b= 0.96),可以看到在图4 (b)。95%可信区间和95%π是稍微更广泛,尽管少加权离群值。这个模型中,使用皮尔逊准则,可能是最有用的线性关系,因为符合1:1线,几乎为零偏差和团结的斜率。对数变换的压缩的范围限制给离群值的权重,这有效地减少了异常值的影响(与潜在高错误由于解释错误的字段)。相比之下,离群值的最小二乘方法放大效应平方和中出现的差异表达比较预测和测量。区间的不确定性在pH值约为±1.3个单位,参照实验室pH @ π为95%,这个误差范围类似的整个领域。

当使量子化数据是随机的,这是相当于注射均匀随机噪声占不确定性由于颜色卡片上一步宽度,该模型适合还是很不错,但平均偏差增加了一个= 0.41,明显,如图5(一个)。不确定性区间宽度相似。这个模型与随机使量子化预测可以说是反映了不确定性由于颜色匹配最佳的平均偏差为0.41,这是近楔形增量步的宽度为0.5单位。这个假设,然而,颜色卡是不确定性的主要来源,它尚未得到证实。最后,该领域的不确定性区间pH值单位参照实验室pH值 ,这个误差范围类似的整个领域。

结合随机数据和皮尔逊准则产生结果图中描述5 (b),这是一个务实的真实结果的线性模型。平均偏差只有0.17和0.96坡。总的来说,回归统计对所有四个线性模型非常重要,这些都是用来表示字段酸碱和实验室之间的关系,主要区别是模型系数的值偏差和斜率。

s形模型也安装在指定的条件下,也就是说,与最小二乘(a)原始数据,(b)与皮尔森最小化原始数据,与最小二乘(c)随机数据,并与皮尔森(d)随机数据最小化。添加白噪声随机占一步楔形不确定性产生可见但小在情节上的不确定性区间扩大。最重要的结果是,皮尔逊准则和随机没有导致显著增加95% CI和95%π。

虽然线性模型是足够的对于大多数的pH值范围和适用于一般使用,s形模型产生一个更好的选择比下面的线性模型的数据 及以上 清晰可见,95%的所有情节π(平均值所在中心的分散数据与线性模型)。这是符合模型导出了亨德森和Bui [24)和Minasny et al。3)的预测一个非线性模型(s形在我们的示例中)执行比线性模型的高度缓冲土壤在极低和高pH值。提供的结果图6(一)原始数据的整体关系领域产生最好的pH值和实验室博士的结果图6 (b)使用皮尔逊指数表明用这种方法没有额外的优势。

4.2。比较在CaCl酸碱和实验室₂(与)

造型在CaCl酸碱对实验室₂解决方案使用的原始数据是完成第一次线性模型。虽然统计学意义产生的线性模型的回归分析,并提供了一个有用的模型(r²= 0.75),它显示的平均偏差−0.89和0.99的斜率不准确的曲线拟合的脚趾和情节的肩膀上。这个结果类似于Slattery et al。2),0.84的决心。相比之下,反曲的情节产生一种改进的适合以下数据 及以上 在图中,显而易见8 (b),在那里r²= 0.77。这代表了一种进步线性近似。皮尔逊准则的应用如图8 (c)导致轻微扩大这个误差范围的不确定性区间也是类似的整个范围内,也就是说, 单位95%的pH值@π参照实验室 在s形的情节,和类似的整个范围。随机不应用于s形的情节从先前的结果,发现边际增加不确定性区间(95% CI和95%π)添加没有显著优势与pH值使量子化场观测模型。

模型拟合样本的水()优越在CaCl统计度量模型拟合₂(),标准最小二乘和皮尔森误差最小化的方法(cf图4(一)对比图8(一个)和图6(一)对比图8 (b))。

4.3。场pH测定误差的来源

使用土壤pH值测试工具引入了很多因素,但不增加不确定性大大赞赏由用户。有四个主要因素在pH值测试与人类视野和解释测试套件包括颜色卡片(我)彩色视觉缺陷;(2)日光光谱变化的内容;(3)大气光散射;(iv)可变性在pH值的测试套件。详细讨论这些误差源可以在文献中找到(见,例如,德马科et al。25),k . k . Benke和k . e . Benke26),和自我27])。

建议在未来被给予更多的关注(一)质量控制的测试套件监控制造变化;(b)最初的眼睛测试新运营商的测试工具来检查彩色视觉缺陷;(c)现场应用的测试套件,以反映时段对色彩再现的影响,例如,中午和傍晚;(d)警告可能的颜色误解由于戴着墨镜,或室内使用的测试套件。

4.3.1。季节性的pH值变化的影响

土壤pH值变化量在一年可以在pH值0.5单位的顺序。这个时间趋势可以周期性或由一段极端季节性条件如高降雨量和温度差异影响土壤水分含量(28]。虽然时间变化被观察到在实验室pH值测量由于这些因素,目前还不清楚如果变化会同样发生在pH值测量。场pH值评估样本应该在潮湿状态;由于后勤方面的约束,然而,这有时是不切实际的,它们可能会限制抽样发生的时间和环境条件导致的采样。

4.3.2。样本变异

现场测定方法建议使用少量的现场潮湿土壤(大约半克)评估对颜色卡片。尽管领域酸碱包推荐复制这样的评估,这很少发生在现场的情况。因此有可能无意中评估一个“非典型”子样品的取样深度和地平线。一个例子就是极端的现场和实验室之间的差异已经记录测量。从18岁记录的数据集在这项研究中,在实验室pH > 1.5酸碱单位以上字段,15个来自西北维多利亚和很强的泡沫表现出强势的1 M盐酸的样本。这表明,pH值用于字段的子样品评估包含集中总单一化的代表性样本的碳酸盐。

进一步考虑就是分级pH值存在ped的子样品。有可能的酸度与实验室结果可能不同测量在一个单一化的样品已经准备所有粗材料(> 2毫米)移除。

5。结论

5.1。一般的评论

描述字段pH值数据集的维多利亚是完成和记录使用一系列不同的约束和造型条件下拟合模型。特别是,提供的线性和s形模型拟合数据统计上显著的领域和实验室pH值测量之间的关系。结果表明,便携式测试设备颜色卡是一个快速和廉价的土壤pH值估计方法,因为很容易校准与实验室测量的结果。然而,该领域的更大的不确定性量化的结果95% CI和95%π。

虽然线性模型代表一个好的通用模型,反曲的关系提供了一个更好地适应在全方位的pH值测量,特别是极端值。对pH值的观察整体,pH值的不确定性是由95%可信区间(pH值< 0.25π(单位)和95%pH值单位),参考实验室与(测量的公差内pH值单位)。

这个研究量化的不确定性水平场酸度与参考测量实验室,支持使用字段从公民pH值数据映射和监测目的。场pH值的观察可以价值的准确和精确的实验室测量土壤时空库存的缺席。协调与与通过预测模型将协助遗留数据的应用和当代citizen-sourced测量数字土壤制图的应用程序。

引入不确定性的解释颜色卡片来自其离散性质(16)水平与pH值0.50单位的名义分类错误。可能环境的颜色卡读数误差来源指出,包括误分类由于环境照明的可变性,彩色视觉缺陷,测试套件,质量和时间和样本变异问题。这些学科需要进一步的研究。当前数据集是基于人口集中的观察员和为未来的改进有空间来确定个体之间的性能差异,有经验的和没有经验的运营商。

不同模型及其应用程序的广泛的统计分析对维多利亚时代的土壤数据库,在不同的条件下,提供了详细的信息模型和土壤科学的研究人员,景观研究、地理、环境工程和水文。

5.2。具体的评论

(1)超过3000种不同的数学模型拟合实验数据使用一个自动化的过程涉及多种类型的功能,例如,多项式类型,转换函数,指数类型、线性类型和混合模型。拟合优度的迹象是由各种统计标准,提供包括确定系数(r²)、方差分析统计,sum-of-squared错误(SSE)。最适合基于统计指标被认为是线性和s形模型。(2)析因实验(2×2×2)实现了造型之间的关系领域酸碱和实验室使用线性和s形模型(A), (b)最小二乘和皮尔森性能指标误差最小化,和(c)固定和数据随机政权(3)介绍了数据随机方案为目的的不确定性分析;即类间隔的pH值数据被视为均匀先验贝叶斯解释。(4)误差最小化方案用于回归模型是比较标准的最小二乘和皮尔逊准则治疗有重大异常值的散点图(这可能会影响结果的标准回归分析)。(5)模型拟合样本的水()优越在CaCl统计度量模型拟合₂()解决方案,例如,线性和s形模型,使用标准最小二乘和皮尔森误差最小化的方法(cf图4(一)对比图8(一个)和图6(一)对比图8 (b))。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者感谢马特Kitching及其道格·克劳福德很多深思熟虑的讨论和见解pH值测量。本文是支持下的土地在DEDJTR知识基础项目。

引用

1. 大肠Farr,”一个实验室和实地调查方法确定土壤的pH值被取消,“粮食和农业的科学杂志》上,23卷,不。9日,第1097 - 1089页,1972年。视图:出版商的网站|谷歌学术搜索
2. w . j . Slattery m·k·科尼尔斯,r·l·艾特肯“土壤pH值、铝、锰和石灰的要求,”土壤分析:一种解释手册洛杉矶麻雀,k . i Peverill, d . j .路透社。,pp。103- - - - - -128,CSIRO Publishing, Melbourne, Australia, 1999.视图:谷歌学术搜索
3. b . Minasny a . b . Mcbratney d·m·布拉夫和d . Jacquier”模型相关的土壤pH值测量水和氯化钙,合并电解质浓度,”欧洲的土壤科学》杂志上,卷62,不。5,728 - 732年,2011页。视图:出版商的网站|谷歌学术搜索
4. m . Raupach b·m·塔克,“现场测定土壤反应,”澳大利亚农业科学研究所杂志》上,25卷,不。2、129 - 133年,1959页。视图:谷歌学术搜索
5. r·e·白”,土壤pH值的测量,”澳大拉西亚的农业科学研究所的杂志上,3 - 14,1969页。视图:谷歌学术搜索
6. g . e . Rayment和d·j·里昂土壤化学方法:澳大拉西亚CSIRO发布,墨尔本,澳大利亚,2011年。
7. a . McBratney m . Mendonca桑托斯,b . Minasny“数字土壤制图,”Geoderma,卷117,不。1 - 2,3-52,2003页。视图:出版商的网站|谷歌学术搜索
8. b . Minasny和a . b . McBratney“数字土壤制图:一个简短的历史和一些教训,”Geoderma卷,264年,第311 - 301页,2016年。视图:出版商的网站|谷歌学术搜索
9. d . g . Rossiter j . Liu s卡莱尔,A.-X。朱:“公民科学能帮助数字土壤制图?”Geoderma卷,259 - 260,71 - 80年,2015页。视图:出版商的网站|谷歌学术搜索
10. e . t .小舟,”土壤酸度和现场测量方法,”生态,1卷,不。3、160 - 173年,1920页。视图:出版商的网站|谷歌学术搜索
11. d·d·梅森和s . s . Obenshain”比较的方法测定土壤反应,”美国土壤科学学会杂志》上,3卷,第137 - 129页,1939年。视图:出版商的网站|谷歌学术搜索
12. m . Raupach”参与了土壤的ph值测定的错误。”澳大利亚农业研究杂志》上,5卷,不。4、716 - 729年,1954页。视图:出版商的网站|谷歌学术搜索
13. g·c·斯坦哈特和d . b .鲁如坤等比较ph值测量的领域和实验室方法,”通信在土壤科学和植物分析,12卷,不。1,第78 - 71页,1981。视图:出版商的网站|谷歌学术搜索
14. d·e·贝克,c, e . Rayment和r·e·里德“预测土壤的ph值之间的关系和sodicity昆士兰热带”通信在土壤科学和植物分析,14卷,不。11日,第1073 - 1063页,1983年。视图:出版商的网站|谷歌学术搜索
15. t .文前页约翰·威利& Sons有限公司,2003年版。
16. k . k . Benke k·e·洛厄尔和a·j·汉密尔顿,“不确定性分析和风险评估在环境资源的管理,“澳大拉西亚的环境管理杂志》上,14卷,不。4、243 - 249年,2007页。视图:出版商的网站|谷歌学术搜索
17. n·j·罗宾逊、k . k . Benke和s . Norng”识别和解释的不确定性的来源在全球土壤变化系统建模过程中,“土壤的研究,53卷,不。6,592 - 604年,2015页。视图:出版商的网站|谷歌学术搜索
18. D D ' or、p·博尔加特和g . Christakos”应用BME土壤纹理映射方法,”随机环境研究和风险评估,15卷,不。1,第100 - 87页,2001。视图:出版商的网站|谷歌学术搜索
19. g . e . Rayment和f·r·金森(澳大利亚实验室手册的土壤和水化学方法澳大利亚墨尔本,Inkata按企业有限公司,1992年。
20. m·j·m·Pelgrom模拟数字转换施普林格,多德雷赫特,荷兰,2010年。视图:出版商的网站
21. j . o·伯杰统计决策理论和贝叶斯分析施普林格科学与商业媒体,纽约,纽约,美国,2013年。
22. j·r·泰勒,介绍了误差分析大学科学书籍,索萨利托,加利福尼亚州,美国,1997年。
23. m . Cetinkaya-Rundel“信心和预测时间间隔和转换,”101年统计,杜克大学,2013年,https://stat.duke.edu/courses/Fall13/sta101/slides/unit7lec3H.pdf。视图:谷歌学术搜索
24. b·l·亨德森和e . n .中方“改进校准曲线之间的水和氯化钙,土壤pH值的测定”澳大利亚土壤研究杂志》上,40卷,不。8,1399 - 1405年,2002页。视图:出版商的网站|谷歌学术搜索
25. p·德马科、j . Pokorny和v . c . Smith”全方位锥灵敏度函数X-chromosome-linked异常三色视者。”美国光学学会杂志》上,9卷,不。9日,第1476 - 1465页,1992年。视图:出版商的网站|谷歌学术搜索
26. k . k . Benke和k . e . Benke”健康风险的不确定性人工照明由于昼夜节律中断和褪黑激素分泌:复习一下,”人类和生态风险评估,19卷,不。4、916 - 929年,2013页。视图:出版商的网站|谷歌学术搜索
27. e .自我“色觉缺陷”,2014年,http://psych.fullerton.edu/eriko/research/ColorVision.html。视图:谷歌学术搜索
28. m·k·科尼尔斯,油状虫n·c·k·r·Helyar g . j . Poile b . r .天沟,“时间土壤酸度的变化,”澳大利亚土壤研究杂志》上,35卷,不。5,1115 - 1129年,1997页。视图:出版商的网站|谷歌学术搜索

版权

版权©2017库尔特·k·Benke和Nathan j·罗宾逊。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。