Infrared spectroscopy estimation methods for water-dissolved carbon and amino sugars in diverse Canadian agricultural soils
Notice bibliographique
Résumé
Infrared spectroscopy has the potential to rapidly analyse soil water-dissolved carbon and amino sugars. In this study, mid-infrared (MIR) and near-infrared (NIR) spectra collected from soil water extracts or from bulk soils were analysed with partial least squares regression (PLSr) to estimate the concentrations of water-dissolved carbon and amino sugars in diverse agricultural soils collected from five field sites in two western and two eastern Canadian provinces. The MIR-PLSr models developed from soil water extract spectra estimated hot-water (100 °C) dissolved carbon (HWDC) [R 2 = 0.97–0.70, ratio of prediction to deviation (RPDp) = 6.13–1.83] well, but the MIR-PLSr models did not estimate cold-water (21 °C) dissolved carbon (CWDC) well (R 2 = 0.82–0.50, RPDp = 2.35–1.42). The model estimates of HWDC at the multisite scale (all samples together) and for the two western Canada sites (R 2 = 0.97–0.93, RPDp = 6.13–3.68) surpass the modal estimates for the three eastern Canadian sites (R 2 = 0.81–0.70, RPDp = 2.28–1.83). The MIR- and NIR-PLSr models derived from bulk soil spectra both estimated HWDC well at the multisite scale (R 2 = 0.91–0.88, RPDp = 3.32–2.90) and for the western Canada sites (R 2 = 0.90–0.87, RPDp = 3.18–2.96). Models developed from hot-water extract spectra and bulk soil spectra resulted in poor estimates of soil amino sugars (R 2 = 0.74–0.21, RPDp = 1.99–1.12), except for the approximate quantitative estimation of muramic acid by models based on soil spectra at the western and the multisite scale (R 2 = 0.82–0.80, RPDp = 2.33–2.21). We concluded that MIR and NIR models at regional and multisite scales can be used as a tool to monitor HWDC but that additional research is required for estimating soil amino sugars.
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 | 0,001 |
| 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 ».