MétaCan
Menu
Retour à la cohorte
Enregistrement W2910598665 · doi:10.3390/w11010135

Field Water Balance Closure with Actively Heated Fiber-Optics and Point-Based Soil Water Sensors

2019· article· en· W2910598665 sur OpenAlexafffund
Duminda N. Vidana Gamage, Asim Biswas, Ian B. Strachan

Notice bibliographique

RevueWater · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensUniversity of GuelphMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésWater balanceEvapotranspirationEnvironmental scienceSoil waterWater contentSoil scienceFiber optic sensorRemote sensingHydrology (agriculture)Water storageOptical fiberGeologyOpticsGeotechnical engineeringPhysicsGeomorphology

Résumé

récupéré en direct d'OpenAlex

While traditional soil water sensors measure soil water content (SWC) at point scale, the actively heated fiber-optics (AHFO) sensor measures the SWC at field scale. This study compared the performance of a distributed (e.g., AHFO) and a point-based sensor on closing the field water balance and estimating the evapotranspiration (ET). Both sensors failed to close the water balance and produced larger errors in estimated ET (ETε), particularly for longer time periods with >60 mm change in soil water storage (ΔSWS), and this was attributed to a lack of SWC measurements from deeper layers (>0.24 m). Performance of the two sensors was different when only the periods of ˂60 mm ΔSWS were considered; significantly lower residual of the water balance (Re) and ETε of the distributed sensor showed that it could capture the small-scale spatial variability of SWC that the point-based sensor missed during wet (70–104 mm SWS) periods of ˂60 mm ΔSWS. Overall, this study showed the potential of the distributed sensor to provide a more accurate value of SWS at field scale and to reduce the errors in water balance for shorter wet periods. It is suggested to include SWC measurements from deeper layers to better evaluate the performance of the distributed sensor, especially for longer time periods of >60 mm ΔSWS, in future studies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 Opus0,003
Tête enseignante GPT0,172
Écart entre enseignants0,169 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations10
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetSoil Moisture and Remote SensingTravaux en français237 207