MétaCan
Menu
Retour à la cohorte
Enregistrement W2039166212 · doi:10.1097/ss.0b013e318241119a

Fractal Description of the Spatial and Temporal Variability of Soil Water Content Across an Agricultural Field

2012· article· en· W2039166212 sur OpenAlexaffabout
Eva Vidal‐Vázquez, Jorge Paz‐Ferreiro, Sidney Rosa Vieira, G. C. Topp, José García Vivas Miranda, Antônio Paz González

Notice bibliographique

RevueSoil Science · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésFractalFractal dimensionSoil scienceSpatial variabilityWater contentMathematicsLoamSoil waterTopsoilFractional Brownian motionSampling (signal processing)Environmental scienceHydrology (agriculture)StatisticsGeologyBrownian motionPhysicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

There is an increasing interest in quantifying the space-time variation of soil properties. This issue offers a unique set of problems that have been addressed using various methods. Here, the spatial and temporal scaling behavior of topsoil water content at the field scale was explored using the fractal approach. Results from fractal analysis were compared with those from other methods describing either spatial variability or temporal trends and stability of soil moisture. Time domain reflectometry probes were installed at the 0- to 20-cm depth in a clay loam soil under natural pasture in Ottawa, Ontario, Canada. Soil water content was measured 34 times at 164 points on a square grid with 10-m spacing. Mean soil water content and coefficients of variation showed significant negative linear relationship for both sampling dates (r2 = 0.783) and sampling points (r2 = 0.804). Both spatial and temporal data sets were characterized by a self-affine fractal Brownian motion model that requires two parameters, fractal dimension, D, and crossover length, l. For spatially sampled data sets at different times, D ranged from 2.589 to 2.910 and l ranged from 0.95 to 6.97 m. For temporal data sets measured on 10-m grid nodes, D was between 1.145 and 1.919 and l was from 0.069 to 9.40 days. Fractal analysis added information on the scale dependence of spatially and temporally sampled data sets, which is not taken into account by classical statistics. Also, interpretation of fractal parameters provided further insight when contrasted with temporal stability analysis. Fractal dimension and crossover length of temporal series showed spatial dependence, and ordinary kriging was used to map these two fractal parameters.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,021
Tête enseignante GPT0,233
Écart entre enseignants0,212 · 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'étudeObservationnel
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

Citations14
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoil ScienceMême sujetSoil Moisture and Remote SensingTravaux en français237 207