Calibration method affects the measured δ<sup>2</sup>H and δ<sup>18</sup>O in soil water by direct H<sub>2</sub>O<sub>liquid</sub>–H<sub>2</sub>O<sub>vapour</sub> equilibration with laser spectroscopy
Notice bibliographique
Résumé
Abstract The direct H 2 O liquid –H 2 O vapour equilibration method utilizing laser spectroscopy (DVE‐LS) is a way to measure soil pore water stable isotopes. Various equilibration times and calibration methods have been used in DVE‐LS. Yet little is known about their effects on the accuracy of the obtained isotope values. The objective of this study was to evaluate how equilibration time and calibration methods affect the accuracy of DVE‐LS. We did both spiking and field soil experiments. For the spiking experiment, we applied DVE‐LS to four soils of different textures, each of which was subjected to five water contents and six equilibration times. For the field soil experiment, we applied three calibration methods for DVE‐LS to two field soil profiles, and the results were compared with cryogenic vacuum distillation (CVD)‐LS. Results showed that DVE‐LS demonstrated higher δ 2 H and δ 18 O as equilibration time increased, but 12 to 24 hr could be used as optimal equilibration time. For field soil samples, DVE‐LS with liquid waters as standards led to significantly higher δ 2 H and δ 18 O than CVD‐LS, with root mean square error (RMSE) of 8.06‰ for δ 2 H and 0.98‰ for δ 18 O. Calibration with soil texture reduced RMSE to 3.53‰ and 0.72‰ for δ 2 H and δ 18 O, respectively. Further, calibration with both soil texture and water content decreased RMSE to 3.10‰ for δ 2 H and 0.73‰ for δ 18 O. Our findings conclude that the calibration method applied may affect the measured soil water isotope values from DVE‐LS.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».