MétaCan
Menu
Retour à la cohorte
Enregistrement W3016609882 · doi:10.3390/s20082330

Comparison of Multi-Frequency and Multi-Coil Electromagnetic Induction (EMI) for Mapping Properties in Shallow Podsolic Soils

2020· article· en· W3016609882 sur OpenAlexaffabout
Daniel Altdorff, Kamaleswaran Sadatcharam, Adrian Unc, Manokarajah Krishnapillai, Lakshman Galagedara

Notice bibliographique

RevueSensors · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSoil waterSiltWater contentSoil scienceSoil textureEnvironmental scienceElectromagnetic inductionConductivityBulk densityEMICation-exchange capacityElectromagnetic interferenceGeologyGeotechnical engineeringElectromagnetic coilChemistryPhysicsEngineeringElectronic engineering

Résumé

récupéré en direct d'OpenAlex

Electromagnetic induction (EMI) technique is an established method to measure the apparent electrical conductivity (ECa) of soil as a proxy for its physicochemical properties. Multi-frequency (MF) and multi-coil (MC) are the two types of commercially available EMI sensors. Although the working principles are similar, their theoretical and effective depth of investigation and their resolution capacity can vary. Given the recent emphasis on non-invasive mapping of soil properties, the selection of the most appropriate instrument is critical to support robust relationships between ECa and the targeted properties. In this study, we compared the performance of MC and MF sensors by their ability to define relationships between ECa (i.e., MF–ECa and MC–ECa) and shallow soil properties. Field experiments were conducted under wet and dry conditions on a silage-corn field in western Newfoundland, Canada. Relationships between temporally stable properties, such as texture and bulk density, and temporally variable properties, such as soil water content (SWC), cation exchange capacity (CEC) and pore water electrical conductivity (ECw) were investigated. Results revealed significant (p < 0.05) positive correlations of ECa to silt content, SWC and CEC for both sensors under dry conditions, higher correlated for MC–ECa. Under wet conditions, correlation of MF–ECa to temporally variable properties decreased, particularly to SWC, while the correlations to sand and silt increased. We concluded that the MF sensor is more sensitive to changes in SWC which influenced its ability to map temporally variable properties. The performance of the MC sensor was less affected by variable weather conditions, providing overall stronger correlations to both, temporally stable or variable soil properties for the tested Podzol and hence the more suitable sensor toward various precision agricultural 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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,780
Score d'incertitude au seuil0,445

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)0,0000,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,277
Écart entre enseignants0,206 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations25
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetSoil Moisture and Remote SensingTravaux en français237 207