MétaCan
Menu
Retour à la cohorte
Enregistrement W2183884497

2011 Fall Soil Moisture Survey

2011· article· en· W2183884497 sur OpenAlexaboutno aff
Marla Riekman, Mike Wroblewski, Andy Nadler, J. Heard, Ian Kirby

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPermanent wilting pointWater contentSoil scienceEnvironmental scienceField capacitySoil waterMoistureAvailable water capacityHydrology (agriculture)Spatial variabilitySoil surveySoil testSampling (signal processing)Bulk densityMathematicsGeologyGeographyStatisticsGeotechnical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Each sampling site was chosen based on the soil properties that best represent each area and the most common cropping system in the region. Soil samples were collected from 101 locations at five depths throughout the root zone: 0-15 cm, 15-30 cm, 30-60 cm, 60-90 cm, and 90-120 cm. Samples were placed in sealed containers and subsequently weighed, oven dried, and re-weighed to determine their gravimetric moisture content. Soil samples were classified based on their similarities to other well characterized soils in Manitoba according to Haluschak et al (2004). This enabled us to assign a bulk density, wilting point, field capacity, and available water holding capacity value to each depth from each sample location. From there, soil moisture by weight was converted to percent moisture by volume. Then available water and soil moisture as a percent of available water holding capacity were calculated and mapped. An inverse distance weighted (IDW) interpolation technique with minimal smoothing was used to retain the spatial variability of the results. The interpolation was performed between the actual values of the sample sites without accounting for soil variability between those locations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,009

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 Opus0,027
Tête enseignante GPT0,190
Écart entre enseignants0,163 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreJeu de données

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil and Unsaturated FlowTravaux en français237 207