Estimation of Water Retention Curve for Soils of Bahia, Brazil, Based on Soil Particle-Size Analysis
Notice bibliographique
Résumé
Soil water retention curve (SWRC) is an important soil attribute because it is a soil quality indicator and is fundamental to study water dynamics in the soil-plant-atmosphere system. Since the conventional SWRC determination is laborious and time-consuming, making it difficult to process a large volume of samples, pedotransfer functions have been used to estimate it by using other soil physical attributes easily determined. Thus, this study aimed to apply Arya-Paris model to SWRC estimation for soils of Bahia state, Brazil, based on soil particle-size analysis, and to compare estimated and determined data of SWRC. Samples were collected from horizons A and AB and/or B and/or C, for a total of 15 soils and 62 horizons. Particle-size was determined by automatic soil particle-size analyzer (PSA) based on g-ray attenuation and traditional Bouyoucos’ hydrometer (BH) method. Arya-Paris model showed better SWRC predictions for sandy soils, followed by clayey, loamy, and very clayey soils. Good model performance was observed for all soils together. The α 1 scaling factor provided better predictions, followed by α 3, and α 2 showed unsatisfactory behavior. BH method, using only 7 soil particle-size fractions, gave slightly higher predictions than PSA using 30 soil particle-size fractions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 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 ».