Application of the Groenevelt–Grant soil water retention model to predict the hydraulic conductivity
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
We outline several formulations of the Groenevelt–Grant water retention model of 2004 to show how it can be anchored at different points. The model is highly flexible and easy to perform multiple differentiations and integrations on. Among many possible formulations of the model we choose one anchored solely at the saturated water content, θs, to facilitate comparison with the van Genuchten model of 1980 and to obtain a hydraulic conductivity function through analytical integration: SR09198_E27.gif where, k0, k1, and n are fitting parameters. We divided this formulation by θs to obtain the relative water content, θr(h), and inverted the function to produce a form required for integration, namely: SR09198_E28.gif in which the parameter β is introduced to accommodate both the ‘Burdine’ and ‘Mualem’ models. The integrals are identified as incomplete gamma functions and are distinctly different from the incomplete beta functions embodied in the van Genuchten–Mualem models. Rijtema’s data from 1969 for 20 Dutch soils are used to demonstrate the procedures involved. The water retention curves produced by our Groenevelt–Grant model are virtually indistinguishable from those produced by the van Genuchten model. Relative hydraulic conductivities produced by our Mualem and Burdine models produced closer estimates of Rijtema’s measured values than those produced by the van Genuchten–Mualem model for 19 of his 20 soils. This work provides an alternative to the widely used van Genuchten–Mualem approach and represents a preamble for the, as yet unsatisfactory, treatment of the tortuosity component of the unsaturated hydraulic conductivity function.
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 | 0,001 |
| 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