MétaCan
Menu
Retour à la cohorte
Enregistrement W1972682507 · doi:10.4141/s02-075

An innovative approach for visualization of subsurface soil properties

2004· article· en· W1972682507 sur OpenAlexvenueno aff
Zhiying Hu, Benjamin Bass, Christine W. Chan, Guohe Huang

Notice bibliographique

RevueCanadian Journal of Soil Science · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater flow and contamination studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoil mapEnvironmental scienceSoil scienceEnvironmental remediationSampling (signal processing)Digital soil mappingVisualizationBitmapSoil typeSoil classificationSoil waterComputer scienceContaminationData miningArtificial intelligenceComputer vision

Résumé

récupéré en direct d'OpenAlex

Subsurface characterization is an important requirement in the decision-making process of selecting a remediation technique for petroleum-contaminated sites. The soil type distribution is one of the most important site characteristics, because it affects selection of the site remediation technique. The visualization of soil type distribution and also the contaminant concentration distribution in the subsurface can help the decision-maker understand the site and select the proper remediation technique. In this paper, we describe the software Soil-Visual (1.0, 1.1), which is used for visualizing the soil sampling data, the soil type distribution, and contaminant concentration distribution of a contaminated site. This software has two functions: (1) to determine the soil particle size distribution and contaminant concentration distribution of the entire site from limited soil sampling data; and (2) to visualize the multi-dimensional soil type distribution and contaminant concentration distribution data of each soil layer on a two-dimensional map. The red-green-blue (RGB) color illustration method has been used in this software to convert the multi-dimensional soil sampling data into a bitmap. Key words: RGB bitmap, soil classification, visualization

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,240
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetGroundwater flow and contamination studiesTravaux en français237 207