MétaCan
Menu
Retour à la cohorte
Enregistrement W2004492229 · doi:10.2136/vzj2010.0063

Using Soil Water Content Sensors to Characterize Tillage Effects on Preferential Flow

2011· article· en· W2004492229 sur OpenAlexafffund
Priyantha B. Kulasekera, Gary W. Parkin, P. von Bertoldi

Notice bibliographique

RevueVadose Zone Journal · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMacroporeInfiltration (HVAC)GroundwaterTillageEnvironmental scienceSoil scienceSoil waterHydrology (agriculture)Soil horizonSurface runoffTransectWater flowWater contentGeologyAgronomyGeographyEcologyChemistryGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Because groundwater is a source of drinking water for many people, there is great concern to protect groundwater resources. Preferential flow through the unsaturated zone is considered one of the main contributory factors in groundwater pollution, which is influenced primarily by soil heterogeneity and management practices. To characterize the degree of preferential flow, the soil water content dynamics during short‐ and long‐term periods in the shallow zone (0–40‐cm depth) of two plots with no‐till (NT) and conventional tillage (CT) soil management practices were investigated for 2 yr using soil water sensors placed horizontally in a rectangular grid along transects across crop rows. Analysis of response times and water content changes during rainfall events confirmed the existence of short‐term preferential flow at the site and that macropores and heterogeneities in soil hydraulic parameters in the shallow zone may have contributed to infiltration into the deeper layers in the NT plot. In the longer term, the pathways of infiltration and redistribution were different between the growing and non‐growing seasons; however, these differences were relatively stable in both plots during the 2‐yr study period.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,703

Scores Codex et Gemma par catégorie

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

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 Opus0,061
Tête enseignante GPT0,215
Écart entre enseignants0,154 · 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 tête enseignante, 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

Citations27
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVadose Zone JournalMême sujetSoil and Unsaturated FlowTravaux en français237 207