In-Situ Estimation of Soil Water Retention Curve in Silt Loam and Loamy Sand Soils at Different Soil Depths
Notice bibliographique
Résumé
The soil water retention curve (SWRC) shows the relationship between soil water (θ) and water potential (ψ) and provides fundamental information for quantifying and modeling soil water entry, storage, flow, and groundwater recharge processes. While traditionally it is measured in a laboratory through cumbersome and time-intensive methods, soil sensors measuring in-situ θ and ψ show strong potential to estimate in-situ SWRC. The objective of this study was to estimate in-situ SWRC at different depths under two different soil types by integrating measured θ and ψ using two commercial sensors: time-domain reflectometer (TDR) and dielectric field water potential (e.g., MPS-6) principles. Parametric models were used to quantify θ—ψ relationships at various depths and were compared to laboratory-measured SWRC. The results of the study show that combining TDR and MPS-6 sensors can be used to estimate plant-available water and SWRC, with a mean difference of −0.03 to 0.23 m3m−3 between the modeled data and laboratory data, which could be caused by the sensors’ lack of site-specific calibration or possible air entrapment of field soil. However, consistent trends (with magnitude differences) indicated the potential to use these sensors in estimating in-situ and dynamic SWRC at depths and provided a way forward in overcoming resource-intensive laboratory measurements.
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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».