Gamma radiation for the estimation of mineral soil water content in a boreal forest
Notice bibliographique
Résumé
Continuous monitoring of water quantities in different soil horizons is necessary to understand the behavior of infiltrated water in the soil. Under certain conditions, using measurements of natural ground gamma radiation can help us estimate soil water content measurements over a 100 m 2 surface within a 15 cm depth. A CS725 sensor can provide up to four daily estimates of soil water content by detecting the natural emission of gamma radiation. However, in boreal forest environments, gamma radiation mitigated by the water in the thick humus layers (litter, fermented, and humic horizon) can bias the underlying mineral soil water content measurements. The objective of this research was to evaluate the accuracy of methods that incorporate variables describing the surface humus layer into calculations of the underlying mineral soil water content, by measuring the soil’s natural gamma emission with the CS725. Using raw gamma radiation values obtained by CS725 sensors deployed over various boreal soils, we tested two functions. The first one included variables describing the humus layer and the other excluded these variables (manufacturer’s method). The function that included the descriptive humus layer variables showed superior results compared to the function without. The results of this study suggest that the CS725 sensor can adequately estimate mineral soil water content within ±10% absolute of the reference water content when examined with the following humus variables: humus layer thickness, fractioned composition, bulk density, and linear gamma radiation attenuation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».