Modeling of Surface Runoff Estimation in Tropical Palm Dates Plantations: A Case Study in Aceh Province, Indonesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
One of the most popular surface runoff estimation methods is the rational method. Unfortunately, this method has several concentration-time approaches that have been developed, as one of the parameters, which are specific to the environment to increase the accuracy of the runoff estimation. Therefore, this study aims to estimate surface runoff using a rational method with several concentration-time approaches in order to obtain the best accuracy in tropical palm dates plantations in Aceh Province, Indonesia. The concentration-time approaches studied were Kerby, Kirpich, Manning, Bransby Williams, Federal Aviation Agency (FAA), and Natural Resources Conservation Service (NRCS). This research was conducted by making a test plot in the plantation with the length, width, and slope of 22 m, 4 m, and 25%, respectively. Each side of the test plot is given a barrier plate with a height of 15 cm and embedded as deep as 30 cm. In addition, on the bottom side, there is a runoff collection tank with a capacity of 50 L. The physical properties of the soil on the test plots in the form of structure, texture, porosity, permeability, and organic C were granular, sandy loam, 0.43%, 1.84 cm/day, and 1.25%, respectively. The test was carried out from March to November 2020 with 37 days of rain. The results of this study indicate that there are significant differences between each concentration-time approach being tested. The best runoff estimation uses the Bransby William method in units of l/hr with the root mean square of 7.95.
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.
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 découle