MétaCan
Menu
Retour à la cohorte
Enregistrement W2150147638 · doi:10.1002/ird.646

AUTOMATIC <i>IN SITU</i> DETERMINATION OF FIELD CAPACITY USING SOIL MOISTURE SENSORS

2011· article· en· W2150147638 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIrrigation and Drainage · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusKelowna General HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésField capacityWater contentIrrigationEnvironmental scienceField (mathematics)DrainageAgricultural engineeringHydrology (agriculture)Soil scienceEnvironmental engineeringComputer scienceSoil waterEngineeringGeotechnical engineeringMathematicsAgronomy

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Field capacity is a frequently used concept in irrigation systems and agriculture. Although there is some debate on how field capacity is defined, it is generally accepted as being the upper limit on the available water that is stored in a soil profile that can be held against the pull of gravity. Standard methods for determining field capacity require waiting two days before measuring volumetric water content after raising the water content above field capacity. This is time‐consuming and subject to natural water inputs during the monitoring period. The contribution of this work is a method for rapidly estimating field capacity in situ using volumetric water sensors, a specific irrigation schedule, and a nonlinear curve fitting model that predicts field capacity using a drainage model. The result allows for determining field capacity rapidly with very good accuracy and can be used with automatic irrigation systems in landscaping and agriculture. Copyright © 2011 John Wiley &amp; Sons, Ltd.

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 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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,171

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,042
Tête enseignante GPT0,234
Écart entre enseignants0,192 · 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