The Observation Record Length Necessary to Generate Robust Soil Moisture Percentiles
Notice bibliographique
Résumé
Abstract The ability to use in situ soil moisture for large-scale soil moisture monitoring, model and satellite validation, and climate investigations is contingent on properly standardizing soil moisture observations. Percentiles are a useful method for homogenizing in situ soil moisture. However, very few stations have been continuously monitoring in situ soil moisture for 20 years or more. Therefore, one challenge in evaluating soil moisture is determining whether the period of record is sufficient to produce a stable distribution from which to generate percentiles. In this study daily in situ soil moisture observations, measured at three separate depths in the soil column at 15 stations in the United States and Canada, are used to determine the record length that is necessary to generate a stable soil moisture distribution. The Anderson–Darling test is implemented, both with and without a Bonferroni adjustment, to quantify the necessary record length. The authors evaluate how the necessary record length varies by location, measurement depth, and month. They find that between 3 and 15 years of data are required to produce stable distributions, with the majority of stations requiring only 3–6 years of data. Not surprisingly, more years of data are required to obtain stable estimates of the 5th and 95th percentiles than of the first, second, and third quartiles of the soil moisture distribution. Overall these results suggest that 6 years of continuous, daily in situ soil moisture data will be sufficient in most conditions to create stable and robust percentiles.
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 ».