Zastosowanie metody maksymalnego odchylenia dodatniego w kombinacjach upraw

Patrząc na wrodzoną słabość metody Weavera, która ma tendencję do włączania wszystkich lub większości upraw w szeregu, w którym wynikła kombinacja się uogólniła, Rafiullah (1956) opracował nową metodę odchyleń w swojej pracy Nowe podejście do funkcjonalnej klasyfikacji miast .

Technikę opracowaną przez Rafiullaha można wyrazić następująco:

gdzie d jest odchyleniem, D _p jest dodatnią różnicą, a D _n jest ujemną różnicą od mediany wartości teoretycznej wartości krzywej kombinacji, a N jest liczbą funkcji (upraw) w kombinacji.

Ponieważ jest to względna ranga wartości odchylenia, która jest potrzebna, podrzędny znak może zostać zignorowany w celu zaoszczędzenia żmudnych obliczeń, a formuła może być użyta w następującej formie:

Aby zilustrować maksymalne pozytywne odchylenie Rafiullaha, można podać ilustrację z dystryktu Basti w Uttar Pradesh, w którym ryż zajmuje 54 procent, pszenica 23 procent, jęczmień 9 procent i trzcina cukrowa 5 procent całkowitej powierzchni przyciętej.

W metodzie maksymalnego dodatniego odchylenia, w przeciwieństwie do metody odchylenia standardowego, różnice rzeczywistych wartości są obliczane ze środkowej wartości teoretycznej normy, a zatem ta metoda zapewnia również pożądaną kombinację krytyczną. Zastosowanie metody maksymalnego dodatniego odchylenia w danych rolniczych Uttar Pradesh powoduje rozpoznanie kombinacji 6 roślin. Kombinacje są odwzorowane na rysunku 7.7.

Porównanie rysunków 7.5 i rys. 7.7 pokazuje, że późniejsze jest identyczne w 16 okręgach, niższe w 32 okręgach i wyższe w czterech okręgach. Innymi słowy, metoda maksymalnego dodatniego odchylenia obejmuje mniejszą liczbę upraw w kombinacji, a zatem unika się włączenia nieznacznych plonów z kombinacji.

Technika statystyczna zalecana przez Raffiullah jest bardziej dokładna, obiektywna i naukowa, a zatem dość popularna w wytyczaniu regionów kombinowanych. Ta technika ma zdolność radzenia sobie z wysoce zróżnicowanymi strukturami upraw. Ogólnie kombinacje upraw pogrupowane na podstawie technik statystycznych stanowią solidną podstawę do planowania i rozwoju rolnictwa.