Calibration models for interpretation of soil salinity measurements using an electromagnetic induction technique
Notice bibliographique
Résumé
A commercially available salinity sensor (model EM-38 of Geonics Ltd., Canada) has been developed for diagnosing and quantifying soil salinity in the field. There is a need, however, to calibrate the instrument reading against a more commonly used measure of soil salinity. Linear regression equations are reported that allow the interpretation of field instrument readings in terms of electrical conductivity of the saturation extract (ECe) measured in the laboratory. Instrument measurements and soil samples were taken at some 110 sites on various irrigation schemes distributed across South Africa. Samples were analysed in the laboratory and soils categorized according to texture, water status and salinity distribution with depth. Calibration equations were developed firstly by relating field instrument readings, taken either in the vertical or horizontal position, to a depth-integrated ECe value which was weighted for depth according to instrument response. Secondly, the mean of the readings taken in the vertical and horizontal positions at each site was related to the arithmetic mean ECe for the 0- to 1.2-m soil depth. A set of 12 linear regression equations was established in the first approach, and eight in the second. Two of the relationships showed statistical significance at the 5% level, the remainder at the 1% level. These equations enable the user of the EM-38 to derive a realistic index of soil salinity in terms of ECe, but calibration of the instrument for local soil conditions is preferable.
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 | 0,001 |
| 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 ».