Magnitude, consequences and correction of<scp>temperature‐derived</scp>errors for absolute pressure transducers under common monitoring scenarios
Notice bibliographique
Résumé
Abstract Continuous water level monitoring using absolute pressure transducers with onboard data logging is common practice in hydrologic studies. While there has been some discussion and study of temperature‐derived error (TDE), there has not been a systematic evaluation of the problem. We sought to answer three questions: (1) are current best practices enough to avoid these errors, (2) can laboratory correction be used to correct field data from varying conditions, and (3) what is the scale of the additional uncertainty of the correction procedure? We evaluated the magnitude of such errors under laboratory conditions that mimicked common monitoring scenarios. Using field data, we also demonstrated the impact of TDEs on calculated daily mean water level and diurnal signal decomposition to estimate evapotranspiration (ET). To address instrument and model uncertainty, we fit 1000 possible correction models using a double‐bootstrap approach. Correction models fit expected error as a function of water and air temperature and rate of change of air temperature. TDEs were a significant source of error, resulting in recorded data outside of manufacturer‐stated instrument uncertainty, with 45% of bootstrap models showing significant but small TDEs under best‐practice deployment. Correction equations did introduce additional error, often on a much smaller scale than instrument uncertainty. When tested against a validation data set, correction equations effectively reduced total measurement uncertainty below instrument uncertainty by up to 65%. The effects of TDEs on case‐study field data resulted in 56% of daily mean values outside of instrument error bounds (errors: −1.5 to 4.2 cm). Our results suggest that a single laboratory correction equation can be used across monitoring scenarios, though we suggest matching deployment conditions as closely as practical. Identification and correction of TDEs is essential to avoid erroneous conclusions, downstream analyses and water resources management.
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 | 0,009 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».