The use of in situ volumetric water content at field capacity to improve the prediction of soil water retention properties
Notice bibliographique
Résumé
Most pedotransfer functions (PTF) developed over the past three decades to generate water retention characteristics use soil texture, bulk density and organic carbon content as predictors. Despite the high number of PTFs published, most being class- or continuous-PTFs, the accuracy of prediction remains limited. In this study, we compared the performance of different class- and continuous-PTFs developed with a regional database. Results showed that the use of in situ volumetric water content at field capacity as a predictor led to much better estimation of water retention properties compared with using predictors derived from the texture, or the organic carbon content and bulk density. This was true regardless of the complexity of the PTFs developed. Results also showed that the best prediction quality was achieved by using the in situ volumetric water content at field capacity after stratification by texture. Comparison of in situ volumetric water content at field capacity, with the water retained at different matric potentials as measured in the laboratory, showed field capacity to approximate 100 hPa, whatever the soil texture. Finally, the lack accuracy of PTFs that do not use the in situ volumetric water content at field capacity as predictor did not appear due to the test soils being unrepresentative of the soils used to develop the PTFs, but were instead related to poor correlations between the predictors used and the water retention properties. Key words: Pedotransfer functions, root mean square error, mean error of prediction, standard deviation of prediction, texture, bulk density, organic carbon content
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».