MétaCan
Menu
Retour à la cohorte
Enregistrement W2735740224 · doi:10.4236/ojss.2017.77012

Relating Cone Penetration and Rutting Resistance to Variations in Forest Soil Properties and Daily Moisture Fluctuations

2017· article· en· W2735740224 sur OpenAlexaffabout
Marie-France Jones, Paul A. Arp

Notice bibliographique

RevueOpen Journal of Soil Science · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensCanadian Forest ServiceUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésPenetrometerLoamEnvironmental scienceWater contentSoil textureSoil scienceHydrology (agriculture)Soil waterRutBulk densityMoistureSnowInfiltration (HVAC)GeologyGeotechnical engineeringGeographyMeteorologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Soil resistance to penetration and rutting depends on variations in soil texture, density and weather-affected changes in moisture content. It is therefore difficult to know when and where off-road traffic could lead to rutting-induced soil disturbances. To establish some of the empirical means needed to enable the “when” and “where” determinations, an effort was made to model the soil resistance to penetration over time for three contrasting forest locations in Fredericton, New Brunswick: a loam and a clay loam on ablation/ basal till, and a sandy loam on alluvium. Measurements were taken manually with a soil moisture probe and a cone penetrometer from spring to fall at weekly intervals. Soil moisture was measured at 7.5 cm soil depth, and modelled at 15, 30, 45 and 60 cm depth using the Forest Hydrology Model (ForHyM). Cone penetration in the form of the cone index (CI) was determined at the same depths. These determinations were not only correlated with measured soil moisture but were also affected by soil density (or pore space), texture, and coarse fragment and organic matter content (R2 = 0.54; all locations and soil depths). The resulting regression-derived CI model was used to emulate how CI would generally change at each of the three locations based on daily weather records for rain, snow, and air temperature. This was done through location-initialized and calibrated hydrological and geospatial modelling. For practical interpretation purposes, the resulting CI projections were transformed into rut-depth estimates regarding multi-pass off-road all-terrain vehicle traffic.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,028
Tête enseignante GPT0,254
Écart entre enseignants0,227 · 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
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

Citations24
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Soil ScienceMême sujetForest Biomass Utilization and ManagementTravaux en français237 207