Soil moisture, vegetation analysis and raw logger research dataset: Elora Research Station, Elora, Ontario [Canada] May 19, 2015 to September 16, 2016
Notice bibliographique
Résumé
Aaron Berg's Research Group in the Department of Geography, College of Social and Applied Human Sciences, University of Guelph, collects information from five different agricultural fields at the Elora Research Station. The purpose of the study is to evaluate the effect of increased vegetation on backscatter measurements as collected from the RADARSAT-2 satellite. This dataset contains backscatter, soil moisture, dielectric, vegetation water content (W), and leaf area index (LAI) measurements. The POGO probe collects soil moisture and dielectric constant measurements from various sites and depths on each field. The RADARSAT-2 satellite collects backscatter (dB) which can be derived to estimate soil moisture, leaf area index, and volumetric water content measurements. The LAI-2200C Plant Canopy Analyzer was used to measure leaf area index. The study aims to determine the point at with the RADARSAT-2 satellite loses sensitivity in backscatter as a result of increased vegetation growth. This is analyzed by comparing the strength of the relationship between RADARSAT-2 backscatter and field based soil moisture, LAI, and W during vegetation development. Then, using piecewise regression before and after the derived inflection point. This set includes data from May 19th, 2015 to September 16th, 2016.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,010 |
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 ».