Characterizing soil surface roughness using a combined structural and spectral approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Summary The ability to quantitatively and spatially assess soil surface roughness is important in geomorphology and land degradation studies. This paper describes the results of an experiment designed to investigate whether hyperspectral directional reflectance factors can describe fine‐scale variations in soil surface roughness. A Canadian silt loam soil was sieved to an aggregate size range of 1–4.75 mm and exposed to five different artificial rainfall durations to produce soils displaying progressively decreasing levels of surface roughness. Each soil state was measured using a point laser profiling instrument at 2 mm spatial resolution, in order to provide information on the structure and spatial arrangement of soil particles. Hyperspectral directional reflectance factors were measured using an Analytical Spectral Devices FieldSpec Pro Spectroradiometer (range 350–2500 nm), at a range of measurement angles (θ r =−60° to +60°) and illumination angle conditions (θ i = 28°–74°). Directional reflectance factors varied with illumination and view angles, and with soil structure. Geostatistically‐derived indicators of soil surface roughness (sill variance) were regressed with directional reflectance factors. The results showed a strong relationship between directional reflectance and surface roughness ( R 2 = 0.94 where θ r =−60°, θ i = 67°–74°). This fine‐scale quasi‐natural experiment allowed the control of slope, initial aggregate size and rainfall exposure, permitting an investigation into factors affecting a soil’s bidirectional reflectance response. This has highlighted the relationship between fine‐scale variations in surface roughness, illumination angle and reflectance response. The results show how the technique could provide a quantitative measure of surface roughness at fine spatial scales.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle