Recent Advances in Dielectric Properties-Based Soil Water Content Measurements
Notice bibliographique
Résumé
Dielectric properties are crucial in understanding the behavior of water within soil, particularly the soil water content (SWC), as they measure a material’s ability to store an electric charge and are influenced by water and other minerals in the soil. However, a comprehensive review paper is needed that synthesizes the latest developments in this field, identifies the key challenges and limitations, and outlines future research directions. In addition, various factors, such as soil salinity, temperature, texture, probing space, installation gap, density, clay content, sampling volume, and environmental factors, influence the measurement of the dielectric permittivity of the soil. Therefore, this review aims to address the research gap by critically analyzing the current state-of-the-art dielectric properties-based methods for SWC measurements. The motivation for this review is the increasing importance of precise SWC data for various applications such as agriculture, environmental monitoring, and hydrological studies. We examine time domain reflectometry (TDR), frequency domain reflectometry (FDR), ground-penetrating radar (GPR), remote sensing (RS), and capacitance, which are accurate and cost-effective, enabling real-time water resource management and soil health understanding through measuring the travel time of electromagnetic waves in soil and the reflection coefficient of these waves. SWC can be estimated using various approaches, such as TDR, FDR, GPR, and microwave-based techniques. These methods are made possible by increasing the dielectric permittivity and loss factor with SWC. The available dielectric properties are further synthesized on the basis of mathematical models relating apparent permittivity to water content, providing an updated understanding of their development, applications, and monitoring. It also analyzes recent mathematical calibration models, applications, algorithms, challenges, and trends in dielectric permittivity methods for estimating SWC. By consolidating recent advances and highlighting the remaining challenges, this review article aims to guide researchers and practitioners toward more effective strategies for SWC measurements.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».