Scaling analysis of soil water storage with missing measurements using the second‐generation continuous wavelet transform
Notice bibliographique
Résumé
Summary Information on the spatial variability of soil water storage ( SWS ) at different scales is important for understanding various hydrological, ecological and biogeochemical processes in the landscape. However, various obstructions such as roads or water bodies may result in missing measurements and create an irregular spatial series. The wavelet transform can quantify spatial variability at different scales and locations but is restricted to regular measurements. The objective of this study was to analyse the spatial variability of SWS with missing measurements using the second‐generation continuous wavelet transform ( SGCWT ). Soil water content (converted to SWS by multiplying with depth) was measured with a neutron probe and time‐domain reflectrometry along a transect of 128 points. Because there were missing measurements, I used SGCWT to partition the total variation into different scales and locations. Whilst there were some small‐scale variations (< 20 m) along the transect, the medium scale variations (20–70 m with an average of about 30–45 m) were mainly concentrated within the depressions along the transect. The strongest variations were observed at around 90–110 m scale, representing the variations resulting from alternating knolls and depressions. Similar spatial patterns at different scales were observed during different seasons, indicating temporal stability in the spatial pattern of SWS . Among the controlling factors, the wavelet spectra of relative elevation ( RE ) and organic carbon ( OC ) were very similar to that of SWS . The wavelet covariance was also large between SWS and RE and OC at all seasons. As the OC reflects the long‐term history of water availability and might be controlled by topographic setting or elevation, it can be concluded that elevation is an important controlling factor of SWS irrespective of seasons in this type of landscape. The SGCWT provides a new way of analysing the spatial variability of regularly measured soil properties or those with missing measurements.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».