Prediction of water content and normalized evaporation from oil sands soft tailings surface using hyperspectral observations
Notice bibliographique
Résumé
The paper addresses the challenge of measuring water content and evaporative fluxes from oil sands soft tailings surfaces using hyperspectral observations. Hyperspectral time-series laboratory observations were collected from four different mature fine tailings (MFT) samples displaying variations in swelling potential and bitumen concentration. The samples were allowed to evaporate from an initial state of water saturation to an air-dried state. From these data, several spectral features were evaluated to predict water content and normalized evaporation rate from the optically sensed portion of the tailings surface (less than a few hundred micrometres). For the samples tested, the best estimate of moisture content was achieved using the normalized soil moisture index (NSMI) index (coefficient of determination R2 = 0.97). The absolute reflectance at 1920 nm was found to be the best spectral estimator of normalized evaporation (R2 = 0.97), with the NSMI index also being valuable (R2 = 0.95). In both instances, the NSMI index may be of value for estimations attempted in the field. Remote estimation of moisture content and evaporation could help tailings managers assess the drying process to determine when the deposit has stopped drying at the surface and decide when the next lift should be deposited. In future efforts, the models obtained from this laboratory investigation will be assessed for their applicability in field settings and validated using concurrent sampling.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».