MétaCan
Menu
Retour à la cohorte
Enregistrement W2559984691 · doi:10.2136/vzj2014.07.0081

Laboratory Calibration Procedures of the Hydra Probe Soil Moisture Sensor:Infiltration Wet-Up vs. Dry-Down

2014· article· en· W2559984691 sur OpenAlexafffundabout
Travis Burns, Justin R. Adams, Aaron Berg

Notice bibliographique

RevueVadose Zone Journal · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensUniversity of Guelph
Organismes subventionnairesEnvironment CanadaNatural Sciences and Engineering Research Council of CanadaCanadian Space Agency
Mots-clésInfiltration (HVAC)Water contentCalibrationMean squared errorMoistureEnvironmental scienceSoil scienceSoil waterRemote sensingMathematicsGeologyMaterials scienceGeotechnical engineeringStatisticsComposite material

Résumé

récupéré en direct d'OpenAlex

Impedance probes are popular electromagnetic soil moisture monitoring devices used for a variety of applications but require site-specific calibrations to provide accurate measurements. Several calibration techniques have been reported in the literature, although laboratory-based procedures involving wet-up (via upward or downward infiltration) and dry-down are commonly performed for permanently installed sensors. Wet-up calibrations can be completed substantially faster (<1 d) than dry-down calibrations (1–2 wk), but it is uncertain which technique is preferable to provide the most accurate calibration. The objective of this study was to compare the results obtained from laboratory-based infiltration wet-up and dry-down calibrations of the Stevens Hydra Probe soil moisture sensor. Soil samples for this study were obtained from agricultural sites in Saskatchewan, Canada, at depths of 5, 20, and 50 cm across a variety of textural compositions. Results demonstrate that utilizing either infiltration wet-up (according to the procedure in this study) or dry-down procedures provides accuracies of <0.061 m3 m−3 root mean square error (RMSE), which was superior to manufacturer calibration accuracy across all samples. However, superior calibration accuracies (i.e., the lowest RMSE) were achieved using the dry-down procedure across all soil samples, resulting in a lower RMSE of 0.01 to 0.04 m3 m−3 (at 95% confidence). A significant correlation (r value = 0.61, p < 0.05) exists between the differences in infiltration wet-up and dry-down calibration RMSEs and clay content. This suggests that the difference between the two procedures tested in this study is more significant in finer textured soils. The findings of this study indicate that the dry-down procedure produced the lowest RMSE and is therefore the preferred calibration procedure, particularly for finer textured soils.

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)0,000
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 enseignants0,586
Score d'incertitude au seuil0,419

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,193
Écart entre enseignants0,189 · 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

Citations35
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueVadose Zone JournalMême sujetSoil Moisture and Remote SensingTravaux en français237 207