MétaCan
Menu
Retour à la cohorte
Enregistrement W2771750192 · doi:10.5539/jas.v10n1p1

Irrigation Scheduling Using Soil Moisture Sensors

2017· article· en· W2771750192 sur OpenAlexvenueno aff
Ruixiu Sui

Notice bibliographique

RevueJournal of Agricultural Science · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater contentIrrigation schedulingEnvironmental scienceIrrigationSoil moisture sensorSoil waterSoil scienceHydrology (agriculture)AgronomyEngineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Irrigation is required to ensure crop production. Practical methods of use sensors to determine soil water status are needed in irrigation scheduling. Soil moisture sensors were evaluated and used for irrigation scheduling in humid region of the Mid-South US. Soil moisture sensors were installed in soil at depths of 15 cm, 30 cm, and 61 cm belowground. Soil volumetric water content was automatically measured by the sensors in a time interval of an hour during the crop growing season. Soil moisture data were wirelessly transferred onto internet through a wireless sensor network (WSN) so that the data could be remotely accessed online. Soil water content measured at the three depths were interpreted using a weighted average method to reflect the status of soil water in plant root zone. A threshold to trigger an irrigation event was determined with sensor-measured soil water content. An antenna mounting device was developed for operation of the WSN. Using the antenna mounting device, the soil moisture measurement was not be interrupted by crop field management practices.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,942
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,253
Écart entre enseignants0,237 · 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.

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

Citations50
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSoil Moisture and Remote SensingTravaux en français237 207