Assessing the variability of soil water content with ground-penetrating radar and electromagnetic induction
Notice bibliographique
Résumé
Determining the spatiotemporal variability of soil water content (SWC) in agricultural fields is crucial to ensure efficient water management practices to support precision agriculture. Standard methods are tedious, destructive, and mainly provide point-scale measurements only. Hydrogeophysics uses near-surface geophysical methods to determine the spatiotemporal variability of hydrological and physical soil properties. Integrating near-surface geophysical methods such as Electromagnetic Induction (EMI) and Ground Penetrating Radar (GPR) to support PA is a novel approach. SWC variations derived from soil proxies like apparent electrical conductivity (ECa) from EMI and ground wave velocity (GWV) from GPR can be validated with Time domain reflectometry (TDR) measurements. The objectives of this study were to assess the responses of ECa and GWv to SWC variability under different compactions in a podzolic soil and validate these proxies using TDR measurements. Field data were collected during irrigation and drainage under different compactions at the Pynn's Brook Research Station, Western Newfoundland, Canada. Irrigation was applied at a rate of 0.13 cm/min for 15 min by considering a root depth of 20 cm. ECa and GWV data were collected using an EMI sensor and a 500 MHz frequency GPR system, respectively. The site-specific calibration between TDR and the gravimetric method for loamy sand soil (0-12 cm depth) gave a strong positive correlation (R2 = 0.969, p=0.0000). According to preliminary analyses, the use of ECa and GWV as SWC proxies during irrigation and drainage was successfully validated by TDR. Data analyses are still ongoing, it is expected that this research will improve our understanding on evaluating these proxies for mapping SWC variability. The knowledge gained during the method development and implementation of EMI and GPR for in situ SWC measurements will not only improve the ability to apply in agriculture but may also be extended to other environments such as contaminated sites or forests.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».