MétaCan
Menu
Retour à la cohorte
Enregistrement W4385332463 · doi:10.1088/2515-7620/acebbd

Estimation of soil water content using electromagnetic induction sensors under different land uses

2023· article· en· W4385332463 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueEnvironmental Research Communications · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNewfoundland and LabradorNatural Sciences and Engineering Research Council of CanadaMemorial University of Newfoundland
Mots-clésEMISoil textureSoil waterSoil scienceEnvironmental scienceReflectometryLinear regressionSampling (signal processing)Electromagnetic interferenceWater contentMean squared errorRemote sensingStatisticsMathematicsGeologyTime domainEngineeringComputer scienceGeotechnical engineeringElectronic engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The complex nature of podzolic soils makes investigating their subsurface challenging. Near-surface geophysical techniques, like electromagnetic induction (EMI), offer significant assistance in studying podzolic soils. Multi-coil (MC-EMI) and multi-frequency (MF-EMI) sensors were selected to maximize soil water content (SWC) prediction in this study. The objectives were to (i) compare apparent electrical conductivity (EC a ) measurements from the MC and MF-EMI sensors under different land use conditions, (ii) investigate the spatial variation of EC a , SWC, texture, soil organic matter (SOM), and bulk density (BD) under different land use conditions, and (iii) use statistical and geostatistical analysis to evaluate the effectiveness of EC a measurements in characterizing SWC under different land use conditions, considering the texture, SOM, and BD contents. The study found that MC-EMI had statistically significant relations (p-value < 0.05) with SWC relative to the MF-EMI. Multiple linear regression (MLR) models were also shown to be more effective in representing SWC variations (higher coefficient of determination and lower root mean square error) than simple linear regression models. MC-EMI sensor provided better SWC predictions compared to the MF-EMI sensor, possibly due to larger sampling depths differences between time domain reflectometry measured SWC (SWC TDR ) and MF-EMI sensor than those between SWC TDR and MC-EMI sensor. Lastly, cokriging of measured SWC was found to offer more accurate maps than cokriging of predicted SWC obtained from MLR across different land use conditions. The study has shown that EMI may not be highly effective for shallow depths, and EC a can be affected by various soil properties, making it difficult to extrapolate other parameters. However, EMI still shows promise as a reliable method for predicting SWC in boreal podzolic soils. Research into EMI’s usefulness for this purpose has yielded promising results, as indicated in this study. Further investigation is needed to fully harness the potential of this promising technique.

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 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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,593

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,145
Tête enseignante GPT0,345
Écart entre enseignants0,201 · 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