Measuring and Predicting Soil Temperature and Moisture Content Beneath Highways in Nova Scotia, Canada: One Year of Observations and Forecasts
Notice bibliographique
Résumé
Heavy traffic during the spring thaw causes faster degradation of the pavement and leads to increased maintenance fees. To reduce the damage, most provinces in Canada implement spring load restrictions for heavy traffic. Given that conditions often veer from climatology, imposing load restrictions at fixed dates every year is not optimal. It can lead to increased road damage or increased costs to the transportation industry. With funding from the Nova Scotia Department of Transportation and Infrastructure Renewal (NSTIR), probes capable of measuring both soil temperature and moisture to a depth of 110 cm were installed at six different locations around Nova Scotia in fall 2010. Immediate uses of the observations by NSTIR are discussed. An objective guidance tool was developed to help departments of transportation to determine the beginning of the seasonal load adjustment periods, far enough in advance for the road transportation industry to adjust their plans. To achieve this, a soil energy and mass balance model was used to predict soil temperature. The model, SNTHERM, is initialized with the probe observations and driven by atmospheric conditions from numerical weather prediction models. Simulations are run daily, out to 5 days for the six Nova Scotia sites and for one site in the Northwest Territories. Results to date are promising and indicate that it is possible to provide advance warning of the spring thaw in roads.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».