找回密码
 注册
查看: 310|回复: 0

R语言 rsae包 landsat()函数中文帮助文档(中英文对照)

[复制链接]
发表于 2012-9-28 21:15:31 | 显示全部楼层 |阅读模式
landsat(rsae)
landsat()所属R语言包:rsae

                                         LANDSAT data: Prediction of County Crop Areas Using Survey and Satellite Data
                                         LANDSAT数据:县作物种植区的调查和卫星数据的预测

                                         译者:生物统计家园网 机器人LoveR

描述----------Description----------

The landsat data.frame is a compilation (by Battese et al., 1988) of survey and satellite data. It consists of data on segments (primary sampling unit; 1 segement =approx= 250 hectares) under corn and soybeans for 12 counties in north-central Iowa; see Details, below.
landsat数据框是用汇编(Battese等人,1988)的调查和卫星数据。它由下中北部爱荷华州的12个县中的玉米和大豆的数据段(初级抽样单位,1节段约250公顷),见下面的详细信息,。


用法----------Usage----------


data(landsat)



格式----------Format----------

A data frame with 37 observations on the following 10 variables.
37以下10个变量的观察数据框。

a numeric vector; no. of segments per county
一个数值向量;每个县的段

a numeric vector; sample segment identifier (per county)
一个数值向量;样品段标识符(每县)

a numeric vector; hectares of corn for each sample segment (as reported in the June 1978 Enumerative Survey)
一个数值向量,每个样品段(如在1978年枚举调查报告公顷的玉米)




HASoybeans a numeric vector; hectares of soybeans for each sample segment (as reported in the June 1978 Enumerative Survey)
HASoybeans一个数值向量;公顷的大豆为每个样品段(如在1978年6月枚举调查报告)

a numeric vector; no. of pixels classified as corn for each sample segment (LANDSAT readings)
一个数值向量;列为玉米的像素,每个样品段(LANDSAT读数)

a numeric vector; no. of pixels classified as soybeans for each sample segment (LANDSAT readings)
一个数值向量;像素归类为每个样品段的大豆(LANDSAT读数)

a numeric vector; county mean number of pixels classified as corn
玉米归类为一个数值向量,县平均的像素数

a numeric vector; county mean number of pixels classified as soybeans
一个数值向量,县列为大豆的像素数

a logical vector; flags observation no. 33 as outlier
一个逻辑向量;没有标志观察。 33离群

a factor with levels (i.e., county names) Cerro Gordo Hamilton Worth Humboldt Franklin Pocahontas Winnebago Wright Webster Hancock Kossuth Hardin
同级别的因素(即县名)Cerro GordoHamiltonWorthHumboldtFranklinPocahontasWinnebagoWright WebsterHancockKossuthHardin


Details

详细信息----------Details----------

The landsat data is a compilation (by Battese et al., 1988) of the LANDSAT satellite data from the U.S. Department of Agriculture (USDA) and the 1978 June Enumerative Survey.
landsat数据是从美国农业部(USDA)和1978年6月枚举调查的LANDSAT卫星数据的汇编(Battese等,1988)。

The survey data on the areas under corn and soybeans (reported in hectares) in the 37 segments of the 12 counties (north-central Iowa) have been determined by USDA Statistical Reporting Service staff, who interviewed farm operators. A segment is about 250 hectares.
调查数据管辖的区域,玉米和大豆(报道公顷)的37段的中北部爱荷华州)12个县(已确定由美国农业部的统计报告服务的工作人员,采访了农场经营者。段是约250公顷。

For the LANDSAT satellite data, information is recorded as "pixels". The USDA has been engaged in research toward transforming satellite information into good estimates of crop areas at the individual pixel and segments level. A pixel is about 0.45 hectares. The satellite (LANDSAT) readings were obtained during August and September 1978.
对于地球资源卫星数据,信息被记录为“像素”。美国农业部一直从事研究,对卫星信息转化为作物种植区的良好估计在单个像素,段水平。像素是0.45公顷。 8月和1978年9月期间获得的卫星(LANDSAT)读数。

Data for more than one sample segment are available for several counties (i.e, unbalanced data).
一个以上的样品段的数据可用于几个县(即非平衡数据)。

Observations No. 33 has been flaged as outlier (cf., Battese et al. (1988, p. 28).
观察第33号会员标示离群值(参见Battese等人(1988年,第28页)。


源----------Source----------

The data landsat is from Table 1 of Battese et al. (1988, p. 29).
数据landsat是Battese等从表1中。 (1988年,第29页)。


参考文献----------References----------



实例----------Examples----------


data(landsat)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注:
注1:为了方便大家学习,本文档为生物统计家园网机器人LoveR翻译而成,仅供个人R语言学习参考使用,生物统计家园保留版权。
注2:由于是机器人自动翻译,难免有不准确之处,使用时仔细对照中、英文内容进行反复理解,可以帮助R语言的学习。
注3:如遇到不准确之处,请在本贴的后面进行回帖,我们会逐渐进行修订。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

手机版|小黑屋|生物统计家园 网站价格

GMT+8, 2024-11-27 03:46 , Processed in 0.042420 second(s), 15 queries .

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表