MétaCan
Menu
Retour à la cohorte
Enregistrement W4240636398 · doi:10.25165/j.ijabe.20201301.3905

Performance evaluation and calibration of capacitance sensor for estimating the salinity of reclaimed land

2020· article· en· W4240636398 sur OpenAlexaff
Donggeun Kim, Younghwan Son, Jaesung Park, Taejin Kim, Jihun Jeon

Notice bibliographique

RevueInternational journal of agricultural and biological engineering · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensMcGill University
Organismes subventionnairesNational Research Foundation of KoreaMinistry of Agriculture, Food and Rural AffairsNational Research Foundation
Mots-clésWater contentReflectometrySoil scienceCapacitance probeCapacitanceSalinitySoil salinityEnvironmental scienceSoil waterGravimetric analysisBulk densityPedotransfer functionMaterials scienceRemote sensingTime domainGeotechnical engineeringChemistryHydraulic conductivityGeology

Résumé

récupéré en direct d'OpenAlex

Generally, soil moisture and salinity in reclaimed land are monitored using soil dielectric sensors such as time domain reflectometry, frequency domain reflectometry, and capacitance. The soil dielectric sensor measures apparent dielectric permittivity. However, apparent dielectric permittivity is affected by soil moisture, salinity, and texture. In this study, performance evaluation and calibration of a dielectric sensor (5TE; METER Group, Inc., Pullman, WA, USA) for monitoring soil salinity were performed. Laboratory calibration tests were completed, incorporating various levels of dry density, water content, and salinity. The soil salinity was determined by the electrical conductivity (EC)1:5 method. The volumetric water content as measured by the sensor was affected by dry density and water content. Generally, it linearly increased as dry density and water content increased. However, when dry density or water content was high, the measured value of the sensor increased nonlinearly. The bulk EC measured by sensor had no specific correlation with EC1:5. The EC1:5 measurement had a linear relationship with the gradient of θ and θs. Therefore, it can be estimated with a simple linear equation using θ from the soil test and θs from the capacitance sensor. The R2 value of the EC1:5 estimation equation was 0.98. The proposed equation requires θ from the gravimetric sample and θs from the sensor. Therefore, in the case of monitoring salinity using a sensor, it is recommended to measure the water content with a tensiometer. Keywords: salinity, capacitance sensor, volumetric water content, reclaimed land soil, saline soil DOI: 10.25165/j.ijabe.20201301.3905 Citation: Kim D, Son Y, Park J, Kim T, Jeon J. Performance evaluation and calibration of capacitance sensor for estimating the salinity of reclaimed land. Int J Agric & Biol Eng, 2020; 13(1): 206–210.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,229
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of agricultural and biological engineeringMême sujetSoil Moisture and Remote SensingTravaux en français237 207