Model prediction of soil drainage classes over a large area using a limited number of field samples: A case study in the province of Nova Scotia, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Zhao, Z., Ashraf, M. I. and Meng, F.-R. 2013. Model prediction of soil drainage classes over a large area using a limited number of field samples: A case study in the province of Nova Scotia, Canada. Can. J. Soil Sci. 93: 73-83. Soil drainage maps are frequently required for crop, forest, and environmental management. However, modelling soil drainage over a large area (>1000 km2) is difficult due to complex soil-forming processes, large spatial variations, and the limited number of field samples, which are often insufficient to reflect local variations. In this study, a two-stage approach was used to produce soil drainage maps over a large area (the province of Nova Scotia). In the first stage, an existing soil drainage model developed in a small watershed with a sufficient number of field samples that could represent local topography was adopted. As a comparison, an artificial neural network model was built and calibrated with 1545 field samples across the province of Nova Scotia. Both models were used directly to predict soil drainage maps in the province of Nova Scotia. Results indicate that both models produced poor predictions. In the second stage, after dividing the entire provincial area into sub-areas (landforms) based on different division methods, corresponding linear transformation models were subsequently developed to adapt soil drainage classes produced by a base model (the existing soil drainage model) to fit field samples. Parameters of linear transformation models were estimated with field samples. Results indicate that the best linear transformation model was composed of 12 linear equations corresponding to 12 landforms (combinations of ecoregion and texture), and improved the prediction of rapidly drained (9.6%), well-drained (21.3%), moderately well-drained (14.1%), and imperfectly drained (7.5%) plots compared with the base model. Thus, the two-stage approach can obviously improve the accuracy of predicted soil drainage classes over a large area.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle