Combining ground penetrating radar methodologies enables large‐scale mapping of soil horizon thickness and bulk density in boreal forests
Notice bibliographique
Résumé
Abstract Forest soil properties must be observed with the appropriate resolution by depth and landscape area to understand biogeomorphological controls on soil carbon (C). These observations, particularly in boreal forests, have been limited because of the poor resolution and unavailability of physical soil sampling results, especially for soil bulk density measurements. Ground penetrating radar (GPR) has been demonstrated to non‐destructively and continuously estimate forest soil properties required in Cstock estimates, such as soil horizon thickness and soil bulk density, across small spatial scales and shallow depths. Yet, successful small‐scale forest GPR approaches represent a potential opportunity to obtain soil property estimates at relevant resolution and depth across forest landscapes, enabling improvement to much needed soil mapping and stock estimates. This review discusses the existing soil property studies that utilize ground penetrating radar (GPR) and explores how the adaptation of GPR methodology can contribute to investigating soils in forest landscapes. We have identified common GPR surveying practices, data processing steps and interpretation methods employed in multiple studies. These approaches have proven effective in obtaining higher‐resolution estimates of important soil properties, such as bulk density and horizon thickness, within small‐scale forest plots. By applying relevant findings in this review to our own boreal forest investigation across an 80 m hillslope transect, we provide recommendations on how to tailor GPR methodology for landscape‐scale estimates of soil horizon thickness and bulk density to examine forest soil property distribution. These findings should enable the future collection of soil datasets informing the distribution of soil C stocks and their relationship to landscape features, and thus their controls and responses to climate and environmental change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».