Evaluation of Uncoated and Coated Time Domain Reflectometry Probes for High Electrical Conductivity Systems
Notice bibliographique
Résumé
High sample electrical conductivity reduces the quality of a time domain reflectrometry (TDR) waveform by the loss of signal amplitude. Two strategies are examined to obtain higher signal/noise waveforms: (i) waveform differencing by remote diode shorting and (ii) covering probe conductors with resistive coatings. Experiments using electrically conductive water solutions (0–5 dS m −1 ) and three‐rod Zegelin type probes show conventional dual‐tangent waveform analysis and waveform differencing using manual short circuits can accurately determine travel time but the remote diode shorting method can be systematically biased by the electrical properties of the diodes used. Three‐rod Zegelin‐type probes with a high resistance coating on the central rod permit collection of analyzable waveforms for solutions with electrical conductivities at least as high as 70 dS m −1 Dual‐tangent analysis of the raw waveform is found to be more accurate than the remote diode shorting method within water solutions and within silica sand saturated with an electrically conductive water solution. The probe coating creates a nonlinear relationship between the apparent dielectric permittivity estimated using a coated probe and the actual sample apparent dielectric permittivity. Experimental measurements of this relationship can be fitted using an equation of the form for a coaxial cell. A three‐rod coated probe with a single diode at the probe head is a practical means to collect interpretable waveforms in media with high electrical conductivity. However, measurements of travel time alone may not be sufficient to determine water content in soils with high concentrations of dissolved ions in the soil water solution.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».