Rubidium measured by XRF as a predictor of soil particle size in limestone and siliceous parent materials
Notice bibliographique
Résumé
Abstract Purpose Information about particle size distribution (PSD) and soil texture is essential for understanding soil drainage, porosity, nutrient availability, and trafficability. The sieve-pipette/gravimetric method traditionally used for particle size analysis is labour-intensive and resource-intensive. X-ray fluorescence (XRF) spectrometry may provide a rapid alternative. The study’s aim was to examine the use of XRF for rapid determination of PSD in Irish soils. Methods Soils ( n = 355) from existing archives in Ireland were analysed with a benchtop energy-dispersive XRF (EDXRF). Correlation and regression analyses were determined to compare Rb, Fe, Al, and Si concentrations to % clay, % silt, and % sand. Also, linear regression models were developed to compare % clay, % sand, and % silt measured by the gravimetric method to values predicted by EDXRF. Results The relationship between element concentration and PSD was dependent on parent material. Rb, Al, and Fe showed a significant ( p < 0.05) correlation ( r > 0.50) with % clay and % sand in soils derived from limestone and siliceous stone parent materials. Rb was the best predictor for % clay ( R 2 = 0.49, RMSE = 10.20) in soils derived from limestone and siliceous stone-derived soils. Conclusion Geochemistry and clay mineralogy of the soils’ parent material strongly influenced the EDXRF’s ability to predict particle size. The EDXRF could predict % clay in soils from parent materials which weather easily, but the opposite was true for soils with parent material recalcitrant to weathering. In conclusion, this study has shown that the EDXRF can screen % clay in soils derived from limestone and siliceous stone parent materials.
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 ».