MétaCan
Menu
Retour à la cohorte
Enregistrement W2182956653

Integrating proximal soil sensing techniques and terrain indexes to generate 3D maps of soil restrictive layers in the Palouse region, Washington, USA

2015· article· en· W2182956653 sur OpenAlexaboutno aff
Matteo Poggio, David J. Brown, Caley K. Gasch, Erin Brooks, M. A. Yourek

Notice bibliographique

RevueEGU General Assembly Conference Abstracts · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPenetrometerTerrainSoil scienceKrigingDigital soil mappingInfiltration (HVAC)Soil waterHydrology (agriculture)Bulk densityGeologySoil mapGridSpatial variabilitySoil horizonEnvironmental scienceRemote sensingCartographyGeotechnical engineeringGeographyMathematicsGeodesy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In the Palouse region of eastern Washington and northern Idaho (USA), spatially discontinuous restrictive layers impede rooting growth and water infiltration. Consequently, accurate maps showing the depth and spatial extent of these restrictive layers are essential for watershed hydrologic modeling appropriate for precision agriculture. In this presentation, we report on the use of a Visible and Near-Infrared (VisNIR) penetrometer fore optic to construct detailed maps of three wheat fields in the Palouse region. The VisNIR penetrometer was used to deliver in situ soil reflectance to an Analytical Spectral Devices (ASD, Boulder, CO, USA) spectrometer and simultaneously acquire insertion force. With a hydraulic push-type soil coring systems for insertion (e.g. Giddings), we collected soil spectra and insertion force data along 41m x 41m grid points (2 fields) and 50m x 50m grid points (1 field) to 80cm depth, in addition to interrogation points at 36 representative instrumented locations per field. At each of the 36 instrumented locations, two soil cores were extracted for laboratory determination of clay content and bulk density. We developed calibration models of soil clay content and bulk density with spectra and insertion force collected in situ, using partial least squares regression 2 (PLSR2). Applying spline functions, we delineated clay and bulk density profiles at each points (grid and 24 locations). The soil profiles were then used as inputs in a regression-kriging model with terrain indexes and ECa data (derived from an EM38 field survey, Geonics, Mississauga, Ontario, Canada) as covariates to generate 3D soil maps. Preliminary results show that the VisNIR penetrometer can capture the spatial patterns of restrictive layers. Work is ongoing to evaluate the prediction accuracy of penetrometer-derived 3D clay content and restriction layer maps.

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 enseignants0,417
Score d'incertitude au seuil0,992

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 savante0,0000,000
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 Opus0,034
Tête enseignante GPT0,262
Écart entre enseignants0,228 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEGU General Assembly Conference AbstractsMême sujetSoil Geostatistics and MappingTravaux en français237 207