New Method for Determining Water‐Conducting Macro‐ and Mesoporosity from Tension Infiltrometer
Notice bibliographique
Résumé
Characterization of water‐conducting porosity at and near saturation is required in understanding rainfall and snowmelt infiltration and runoff as well as chemical transport in soil. There are methods available to quantify water‐conducting porosity in situ, but with serious limitations. The objective of this paper was to present a general equation for water‐conducting porosity based on ponded‐ and tension‐infiltration measurements. Some analytical solutions are developed for specific unsaturated hydraulic conductivity functions such as the Gardner's exponential and rational power models, Brooks and Corey model, and van Genuchten–Mualem model. Tension infiltrometer measurements were taken at six different pressure heads between −0.3 to −2.2 kPa and double‐ring infiltrometer measurements at a pressure head of 0.35 kPa. The analytical solutions were compared with numerical solutions and existing methods for calculation of water‐conducting porosity. Both the analytical and numerical solutions can reliably determine the water‐conducting porosity of surface soils in situ within the practical pressure head range of the tension infiltrometer. Our method gave consistent water‐conducting porosity, regardless of the width of pressure head ranges. The existing methods overestimated water‐conducting macroporosity by a factor of greater than two and overestimated total water‐conducting porosity by a factor of >10 for measurements taken at large pressure head intervals compared with that of our method. Combining with hydraulic parameter estimation from tension infiltrometer measurements, our method may reduce the number of tension infiltration measurements required to calculate water‐conducting porosity.
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 | 0,001 | 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 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 ».