Determining Soil Hydraulic Properties from Tension Infiltrometer Measurements
Notice bibliographique
Résumé
Tension infiltrometer measurements have been used to measure steady‐state infiltration rates at applied tensions. The measurements can be used to determined soil hydraulic properties through linear or nonlinear regression. Such regression methods are often based on a few imprecise field measurements, and the traditional regression analysis may not yield valid estimates and reliable predictions. The objective of this study is to introduce fuzzy linear regression as an alternative to statistical regression analysis in determining hydraulic properties from tension infiltrometer measurements. Using a tension infiltrometer, in situ steady‐state infiltration rates [ q ∞ ( h )] were measured at six different tensions ( h ) between 3 and 22 cm of water on silty loam and clay loam soils. Hydraulic properties (i.e., field saturated hydraulic conductivity, K fs , and inverse macroscopic capillary length scale, α G ) and their confidence intervals were estimated following the fuzzy least‐square linear regression procedure with the minimum fuzziness criterion and linear least‐squares method (traditional statistical method). Both calculation procedures yielded the same mean hydraulic properties. A comparison between fuzzy and statistical ln q ∞ ( h ) relationship indicated that the confidence bands resulting from both procedures enveloped all the measurement points, but fuzzy regression estimates offered a tighter fit around the midpoint values (least‐square estimates). Fuzzy linear regression is more reliable and may be used as a complement or an alternative to statistical linear regression analysis for determining hydraulic properties from tension infiltrometer 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 | 0,000 |
| 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 | 0,000 |
| 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 ».