Mapping topsoil field-saturated hydraulic conductivity from point measurements using different methods
Notice bibliographique
Résumé
Abstract Topsoil field-saturated hydraulic conductivity, Kf s , is a parameter that controls the partition of rainfall between infiltration and runoff and is a key parameter in most distributed hydrological models. There is a mismatch between the scale of local in situ Kf s measurements and the scale at which the parameter is required in models for regional mapping. Therefore methods for extrapolating local Kf s values to larger mapping units are required. The paper explores the feasibility of mapping Kf s in the Cévennes-Vivarais region, in south-east France, using more easily available GIS data concerning geology and land cover. Our analysis makes uses of a data set from infiltration measurements performed in the area and its vicinity for more than ten years. The data set is composed of Kf s derived from infiltration measurements performed using various methods: Guelph permeameters, double ring and single ring infiltrotrometers and tension infiltrometers. The different methods resulted in a large variation in Kf s up to several orders of magnitude. A method is proposed to pool the data from the different infiltration methods to create an equivalent set of Kf s . Statistical tests showed significant differences in Kf s distributions in function of different geological formations and land cover. Thus the mapping of Kf s at regional scale was based on geological formations and land cover. This map was compared to a map based on the Rawls and Brakensiek (RB) pedotransfer function (mainly based on texture) and the two maps showed very different patterns. The RB values did not fit observed equivalent Kf s at the local scale, highlighting that soil texture alone is not a good predictor of Kf s .
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) | 0,001 | 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 | 0,001 |
| 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 ».