MétaCan
Menu
Retour à la cohorte
Enregistrement W4283657574 · doi:10.5194/ems2022-273

The new Irish Soil Moisture Observation Network – ISMON: an Umbrella for Integrating Several Recent Soil Moisture Measurements Initiatives

2022· preprint· en· W4283657574 sur OpenAlexaff
Klara Finkele, Tamara Hochstrasser, Paul Murphy, Eve Daly, Caren Jarmain, Karl G. Richards, Owen Fenton, Thomas Cummins, Matthew Saunders, Paul Johnston, Michael Bruen, Kenneth A. Byrne, Declan Delaney, Rowan Fealy, Stuart Green, Suzanne Higgins, Natalya Hunter Williams, Gary Lanigan, Tim McCarthy, Ted McCormack, Per‐Erik Mellander, Oliver Nicholson, Ciaran Nugent, Fiachra O’Loughlin, Brian Tobin, Patrick Tuohy, Rebecca L. Whetton

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceWater contentHydrology (agriculture)MoistureSoil scienceGeographyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

Real-time soil moisture measurements are essential to manage for adaptive dynamic management of climate change adaptation and reduction of nutrient losses and greenhouse gas emissions from agriculture and forestry. Soil moisture status influences crop growth, run-off, groundwater recharge, land surface-atmospheric exchange dynamics and greenhouse gas emissions as well as the risk of forest fire danger. Here we present the new Irish Soil Moisture Observation Network (ISMON) as an umbrella to bring together several recently established long-term environmental observational networks. These are: 1) initiative of the AGMET group (agmet.ie), 2) COSMOS UK – Northern Ireland, 3) Teagasc NASCO (National Agricultural Soil Carbon Observatory) and 4) Terrain-AI, all of which include several different methodologies for measuring soil moisture at field scale. For instance, AGMET is installing novel cosmic ray neutron sensors which can provide field averaged soil moisture estimates (400m diameter) and Teagasc NASCO and Terrain AI are using Time Domain Reflectometry probes. Such networks are seen as necessary to resolving the problem of scale between point, field-based measurements and satellite-derived soil moisture products and are important in monitoring key biogeochemical processes that vary rapidly in time and space. In the initial phase of the implementation of the ISMON network, the current distribution of the stations in relation to the other networks are presented. The ISMON aims to represent the most relevant soil types, land cover, and regional climate regimes to corroborate direct measurements of soil moisture; it will adapt its design to improve the monitoring network as required. The ISMON will make a valuable contribution to, and expand the international soil moisture monitoring network.

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)0,005
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,007

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 Opus0,084
Tête enseignante GPT0,305
Écart entre enseignants0,221 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil Moisture and Remote SensingTravaux en français237 207