Estimation of soil hydraulic parameters for fine-textured soils using HYDRUS-1D coupled with PEST
Notice bibliographique
Résumé
Developing strategies for agricultural water management requires robust evaluation of soil hydraulic parameters. In this study, HYDRUS-1D coupled with Parameter ESTimation (PEST) software was used to estimate the van-Genuchten-Mualem soil hydraulic parameters for a fine-textured soil in the Carman-Elm Creek area, Manitoba, Canada over four growing seasons (2016 – 2019). 100 initial parameter sets were generated per season for calibration using field-measured volumetric soil water content within the 0 – 10 cm, 10 – 30 cm, 30 – 70 cm, and 70 – 130 cm soil layers. Coupling HYDRUS-1D with PEST revealed the non-uniqueness of the solutions, as multiple parameter sets yielded comparable model performance. Sequential calibrations with randomized initial parameter sets and performance-based filtering helped to identify stable, maximum-likelihood parameter ranges. Model performance based on the Nash-Sutcliff efficiency coefficient (0.65 – 0.92), percent bias (-9.31 % - 1.48 %), ratio of root mean square error to standard deviation (0.29–0.59), and the coefficient of determination (0.68 – 0.96) was satisfactory for all seasons except for the validation for 2018 due to high variability between calibration and validation periods within the 2018 season. The saturated hydraulic conductivity showed substantial year-to-year variation (120, 10, 21, and 120 cm day −1 for 2016, 2017, 2018, and 2019, respectively) within the top 10 cm layer and remained relatively stable (< 20 cm day −1 ) in deeper layers. These findings underscore the importance of accounting for soil-plant-weather interactions when characterizing soil hydraulic parameters to improve agricultural water management strategies and support adaptation in cold-climate cropping systems. • HYDRUS-1D coupled with PEST sufficiently estimated soil hydraulic parameters in a fine-textured soil in Manitoba. • Maximum likelihood parameter ranges improved the accuracy of hydraulic parameter estimation. • Intra- and inter-season conditions cause deviation from the forcing conditions under which the model was initially calibrated. • Saturated hydraulic conductivity values showed significant year-to-year variation in the top 0 – 10 cm layer.
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 | 0,000 | 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 ».