Application of Multiphase Dielectric Mixing Models for Understanding the Effective Dielectric Permittivity of Frozen Soils
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The time domain reflectometry (TDR)–measured effective permittivity in frozen soil conditions is affected by many complex factors including bound water effects on soil water permittivity, phase changes, soil microstructure and relative positions of soil constituents with respect to each other. The objective of this study was to improve understanding of some of the factors affecting the effective permittivity of frozen soils through the use of dielectric mixing models. Published datasets and frozen and unfrozen soil data measured on western Canadian soils were investigated with multiphase discrete and confocal ellipsoid models available in the literature. The results revealed that adjusting model parameters allowed the mixing models to describe the frozen soil permittivity equally well when bound water effects and temperature‐dependent water permittivity effects were included or not included. Measurement of freezing and thawing curves on western Canadian soils showed significant hysteresis and some mechanisms for this observed hysteresis and its influence on the interpretation of published datasets are discussed. When independent measurements of liquid water, ice and effective permittivity are available, it is possible to find one set of model parameters that reasonably predict effective permittivity for both frozen and unfrozen conditions. In frozen soils the predictive capability of the models is constrained to scenarios where the initial water content prior to freezing (i.e., the total water content) in the sampling volume is constant.
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.
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 | 0,000 |
| 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 découle