Vis‐Near IR Reflectance Spectroscopy for Soil Organic Carbon Content Measurement in the Canadian Prairies
Notice bibliographique
Résumé
The objective of this study was to measure soil organic carbon (SOC) content for Canadian prairies soils using Vis‐near IR reflectance (VisNIR) spectroscopy. Specifically, the effects of the spectral data pretreatment method and number of latent variables on SOC prediction were determined. In addition, the capability of VisNIR spectroscopy to capture SOC variability was evaluated. For these purposes, 491 soil samples of 0–30 cm from two perpendicular 1600 m long sampling transects (NS and WE transects with 239 and 252 samples, respectively) in the Canadian prairies were scanned by VisNIR spectroscopy. SOC content at one transect was predicted by models calibrated at the other transect. The potential of VisNIR spectroscopy in predicting SOC was verified in this area. Smoothing using cubic smoothing spline outperformed other pretreatment methods. The performance of SOC prediction improved and then worsened with the increase in the number of latent variables in the models. Wavelet transform indicated a similar pattern of high variances in the scale‐location domains between the predicted and measured SOC; the predicted SOC showed a decreased structured variability at the NS transect and increased nugget effect at the WE transect. At both transects, weaker, but with the same levels, spatial dependency and greater correlation length were observed for the predicted SOC compared with the measured SOC. The obtained results can be applicable for SOC measurements with VisNIR spectroscopy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».