A Model for the Soil Freezing Characteristic Curve That Represents the Dominant Role of Salt Exclusion
Notice bibliographique
Résumé
Abstract The phenomenon of freezing point depression in frozen soils results in the co‐existence of ice and liquid water in soil pores at temperatures below 273.15 K (0°C), and is thought to have two causes: (a) capillary and adsorption effects, where the phase transition relationship is modified due to soil‐air‐water‐ice interactions, and (b) solute effects, where the presence of salts lowers the freezing temperature. The soil freezing characteristic curve (SFC) characterizes the relationship between liquid water content and temperature in frozen soils. Most hydrological models represent the SFC using only capillary and adsorption effects with a relationship known as the Generalized Clapeyron Equation (GCE). In this study, we develop and test a salt exclusion model for characterizing the SFC, comparing this with the GCE‐based model and a combined salt‐GCE effect model. We test these models against measured SFCs in laboratory and field experiments with diverse soil textures and salinities. We consistently found that the GCE‐based models under‐predicted freezing‐point depression. We were able to match the observations with the salt exclusion model and the combined model, suggesting that salinity is a dominant control on the SFC in real soils that always contain solutes. In modeling applications where the salinity is unknown, the soil bulk solute concentration can be treated as a single fitting parameter. Improved characterization of the SFC may result in improvements in coupled mass‐heat transport models for simulating hydrological processes in cold regions, particularly the hydraulic properties of frozen soils and the hydraulic head in frozen soils that drives cryosuction.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».