MétaCan
Menu
Retour à la cohorte
Enregistrement W4309090265 · doi:10.3390/rs14215519

An Extensive Field-Scale Dataset of Topsoil Organic Carbon Content Aimed to Assess Remote Sensed Datasets and Data-Derived Products from Modeling Approaches

2022· article· en· W4309090265 sur OpenAlexaffabout
Ahmed Laamrani, Paul Voroney, Daniel D. Saurette, Aaron Berg, Line Blackburn, Adam Gillespie, Ralph C. Martin

Notice bibliographique

RevueRemote Sensing · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensMinistry of Agriculture, Food and Rural AffairsUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésTopsoilEnvironmental scienceRemote sensingDigital soil mappingGeoreferenceSampling (signal processing)Soil surveyNormalized Difference Vegetation IndexSoil carbonScale (ratio)Soil mapVegetation (pathology)Computer scienceSoil scienceSoil waterCartographyPhysical geographyGeographyGeologyClimate change

Résumé

récupéré en direct d'OpenAlex

The geosciences suffer from a lack of large georeferenced datasets that can be used to assess and monitor the role of soil organic carbon (SOC) in plant growth, soil fertility, and CO2 sequestration. Publicly available, large field-scale georeferenced datasets are often limited in number and design to serve these purposes. This study provides the first publicly accessible dataset of georeferenced topsoil SOC measurements (n = 840) over a 26-hectare (ha) agricultural field located in southern Ontario, Canada, with a sampling density of ~32 points per ha. As SOC is usually influenced by site topography (i.e., slope and landscape position), each point of the database is associated with a wide range of remote sensing topographic derivatives; as well as with normalized difference vegetation index (NDVI) based value. The NDVI data were extracted from remote sensing Sentinel-2 imagery from over a five-year period (2017–2021). In this paper, the methodology for topsoil sampling, SOC measurement in the lab, as well as producing the suite of topographic derivatives is described. We discuss the opportunities that the database offers in terms of spatially explicit and continuous soil information to support international efforts in digital soil mapping (i.e., SoilGrids250m) as well as other potential applications detailed in the discussion section. We believe that the database with very dense point location measurements can help in conducting carbon stocks and sequestration studies. Such information can be used to help bridge the gap between ground data and remotely sensed datasets or data-derived products from modeling approaches intended to evaluate field-scale rates of agricultural carbon accumulation. The generated topsoil database in this study is archived and publicly available on the Zenodo open-access repository.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,962
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

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

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 Opus0,116
Tête enseignante GPT0,278
Écart entre enseignants0,162 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetSoil Geostatistics and MappingTravaux en français237 207