MétaCan
Menu
Retour à la cohorte
Enregistrement W2132448824 · doi:10.5539/jas.v5n2p56

Trend Effect and an Isotropy of Soil Particle Composition in the Chengdu Plain

2013· article· en· W2132448824 sur OpenAlexvenueno aff
Wenhong Li, Changquan Wang, Mei Yang, Lei Wang, Bing Li

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSiltAnisotropyIsotropyKrigingParticle (ecology)GeologySoil scienceInterpolation (computer graphics)MineralogyMathematicsGeomorphologyStatisticsPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

This paper studies the spatial variation characteristics of soil particle composition on both sides of Qingbaijiang River (Chengdu Xin Du District of Sichuan province) by using the geostatistical component of ArcGIS and GS software. The results have shown that the trends of sand contents in the east-west direction and the north-south direction were first order and second order, respectively. And the trends of both silt particle and clay particle contents were first order in the east-west direction, and second order in the north-south direction. The anisotropy semi variance models of sand particle content showed that the ranges in the long axis direction were 718.77 m and 677.01 m and the ranges in the short axis direction were 273.78 m and 276.63 m with first order and second order. The results showed that the difference between the ranges in the short axis direction and the ranges in long axis direction changed little, while the anisotropy semi variance model had longer ranges than the isotropy model with the trend parameters of first order. From the error analysis and the result that reflect regional and local trend, it indicated that Kriging interpolation method considering the study about soil particle composition along Qingbaijiang River with the second order trend effect was the best, comparing the contour maps of sand particle content under different trend effects and anisotropy 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,874
Score d'incertitude au seuil0,094

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,215 · 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 tête enseignante, 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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSoil Geostatistics and MappingTravaux en français237 207