Integrated Sensor for Estimating in situ Soil Water Content in Vertical Profile
Notice bibliographique
Résumé
Many agricultural and hydrological processes require the detailed knowledge of soil water content (SWC) in the vertical profile. Quantifying real-time and in situ SWC is difficult due to time, cost, toil, and technical issues. This paper describes the development of a multi-depth SWC monitoring sensor which can estimate the SWC from 4 vertical depths simultaneously. The probe is a type of electromagnetic (EM) sensor that indirectly measures the SWC on the basis of dielectric theory. The sensor was calibrated with soil samples of three distinct topographical locations. The calibration models were established by fitting linear order equations. The performance of the sensor was evaluated in situ field conditions. A multi-depth SWC curve was investigated to examine the impact of continuous estimations of SWC at specified depths on the sensor performance. The sensor was integrated with vertical interpolation technique to improve the measurement accuracy. The results indicated the optimal range of the SWC measurements, and the estimation error was less than 5%, except irrigation cycles. The linear fit coefficient of determination (R2) ranged from 0.957 to 0.993 and root mean square error (RMSE) was ranging from 1.565 to 4.456. The results showed that the sensor performed consistently better for at least 4 months within acceptable soil conditions. The sensor will be advantageous for continuous estimations of SWC, and managing the irrigation 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».