An Efficient Calibration Technique for Heat Dissipation Matric Water Potential Sensors
Notice bibliographique
Résumé
Heat dissipation sensors are used to measure matric potential in soils. A van Genuchten equation can be used to fit the relationship between measured heat dissipation and matric potential. Calibration is required for each probe because of intrinsic variability in the properties of the porous material. However, calibration is time-consuming (months), requiring numerous measurements taken by a pressure plate apparatus over their operational range. Here the feasibility of minimizing the number of measurement points required to reliably characterize the calibration curve is explored. A two parameter (m = 1−1/n) and a three parameter (m is a free parameter) van Genuchten type model is used for the calibration. We explore how reducing the number of calibration measurement points impacts the resulting calibration curve, that is, what is the information content that each measurement provides, and how significantly is the calibration performance degraded by removing measurement points. We also consider how measurement errors during the calibration process, which are understood to be non-uniform over the range of matric potential values, result in uncertainty in the calibration curve, and explore how this uncertainty can be minimized. Different measurement locations (i.e., matric potential values) are found to contain different information content. A two-parameter-model calibration using four calibration points is recommended; and the specific location of these four points is essential to maximize the accuracy and the efficiency of the calibration. As a rule of thumb, the four points should be uniformly distributed on a log-scale over the pressure range from 20 to 1000 kPa.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».