MétaCan
Menu
Retour à la cohorte
Enregistrement W4416078100 · doi:10.1109/jsen.2025.3628942

A Multiparameter Sensor With Enhanced Performance for Soil Moisture and Water Salinity Monitoring

2025· article· W4416078100 sur OpenAlexaff
Nadira Demik, Mohamed Tellache, Tarek Djerafi

Notice bibliographique

RevueIEEE Sensors Journal · 2025
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésWater contentPermittivitySensitivity (control systems)LoamDielectricSoil waterPrecision agricultureMoistureTemperature measurement

Résumé

récupéré en direct d'OpenAlex

This work presents a multifunctional microwave sensor for soil parameter monitoring, based on a Double Hexagonal Complementary Split Ring Resonator (DH-CSRR) integrated into a tri-band patch antenna. The sensor is designed for simultaneous measurement of soil water content (WC) and irrigation water salinity. Leveraging a triple-resonance architecture, it achieves enhanced dielectric sensitivity across a broad permittivity measurement range (εr= 1–80), while maintaining high precision within narrower intervals (εr= 1–13), with a peak sensitivity of 0.1546 GHz per unit permittivity. This multi-mode operation enables decoupling between material thickness (T) and relative permittivity (εr), allowing accurate dual-parameter extraction in complex soil conditions. Experimental validation using sand and sandy loam samples confirms the sensor’s capability to monitor dynamic water content and detect salinity-induced variations through quality factor (Qf) degradation. Compared to previous designs, the proposed sensor demonstrates up to 5.4× improvement in sensitivity in narrow ranges and expands the measurable permittivity range by a factor of 8. These results are achieved within a compact, fully integrated structure, establishing the sensor as a high-performance platform for precision agriculture and environmental sensing applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetSoil Moisture and Remote SensingTravaux en français237 207