MétaCan
Menu
Retour à la cohorte
Enregistrement W2895149441 · doi:10.1139/cgj-2018-0402

Modelling effects of root growth and decay on soil water retention and permeability

2018· article· en· W2895149441 sur OpenAlexvenueno aff
Junjun Ni, Anthony Kwan Leung, Charles Wang Wai Ng

Notice bibliographique

RevueCanadian Geotechnical Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaHong Kong University of Science and TechnologyMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésSoil waterVoid ratioWater retentionPermeability (electromagnetism)Soil scienceSink (geography)Water retention curveGeotechnical engineeringShrinkageEnvironmental scienceMathematicsGeologyChemistryStatistics

Résumé

récupéré en direct d'OpenAlex

Plant roots can change the soil water retention curve (SWRC) and saturated permeability (k sat ) of vegetated soils. However, there is no model that could capture both the effects of root growth and root decay on these soil hydraulic properties simultaneously. This note proposes a new void ratio function that can model the decrease and increase in soil void ratio due to root occupancy (upon growth) and root shrinkage (upon decay), respectively, in an unsaturated vegetated coarse-grained soil. The function requires two root parameters; namely, root volume ratio and root decay ratio, both of which can be readily measured through root excavation and image-based analysis. The new function is incorporated into a void ratio–dependent SWRC model for predicting the SWRC of vegetated soils. Similarly, the same function can be combined with the Kozeny–Carman equation for predicting k sat . The model prediction is then compared with a set of new field test data and an existing laboratory dataset for a silty sand vegetated with plant species under the family Schefflera. Good agreements are obtained between the measurements and predictions.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,181
Écart entre enseignants0,173 · 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'étudeSimulation ou modélisation
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

Citations123
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetSoil and Unsaturated FlowTravaux en français237 207