MétaCan
Menu
Retour à la cohorte
Enregistrement W1987068243 · doi:10.1002/ird.88

Field evaluation and comparison of two models for simulation of soil‐water dynamics

2003· article· en· W1987068243 sur OpenAlexaff
Masoud Parsinejad, Yong Feng

Notice bibliographique

RevueIrrigation and Drainage · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDrainageSoil waterEnvironmental scienceCredibilityPrecipitationSimulation modelingSoil scienceHydrology (agriculture)Agricultural engineeringMathematicsMeteorologyGeotechnical engineeringEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The growing interest in simulation of water and solute movement in soils is in response to the need for development of solutions for various agricultural and environmental management problems. In order to be able to adopt models for simulation of the effects of various soil management practices with confidence, it is important that the capabilities of these models and credibility of their results be tested. In this study, predicted soil‐water contents by the simple LEACHW and comprehensive ecosys models are compared against field measurements using TDR during a selected period with heavy precipitation. A detailed examination of actual soil‐water status, during and after intense precipitation events showed an underestimation of actual drainage fluxes by LEACHW. Such events contribute most in the production of drainage fluxes. Differences in algorithm adopted by the two models are presented and discussed. The algorithm of ecosys resulted in more dynamic water fluxes between layers, which has resulted in better‐predicted results than LEACHW, especially at the soil surface. Overall, performance of the two models was found to be reasonable for prediction of soil‐water. Copyright © 2003 John Wiley & Sons, Ltd.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,297
Écart entre enseignants0,269 · 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'étudeSimulation ou modélisation
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

Citations6
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIrrigation and DrainageMême sujetSoil and Unsaturated FlowTravaux en français237 207