Soil moisture and temperature simulation using the versatile soil moisture budget approach
Notice bibliographique
Résumé
Soil moisture and temperature are two important soil parameters that influence many vital agronomic, environmental, engineering processes within the soil. Due to the difficulties arising when measuring these parameters in the field as well as the cost of instrumentation, many models that yield accurate and timely estimation of these parameters on a large scale have been developed as reliable and efficient alternatives. The Versatile Soil Moisture Budget model can be used to stimulate the vertical, one dimensional, water balance in a soil profile. Originally the model was designed to use air temperature and precipitation data to simulate soil water content within the root zone of a cereal crop. It has since undergone modifications and the model can now output, potential evapo-transpiration, actual evapo-transpiration, and surface temperature. The temperature algorithm simulates temperature at the soil surface and has not been rigorously tested for cropping systems. In this study, a simple empirical equation that simulates soil temperature at depth of up to 90 cm was introduced into the model. The model was evaluated and the accuracy of predicted soil moisture and temperature under both perennial and annual cropping systems were tested using two years of data collected at the University of Manitoba Research Station at Carman using soil water and temperature probes. The model’s accuracy in simulating soil moisture was also tested. Observed R2 comparing modelled temperature with observed was greater than 0.90 at the soil surface but decreased to about 0.40 at soil depth greater than 30-45 cm layer. The model was shown to be better at estimating soil temperature than soil moisture. The accuracy of the model was also shown to decrease with depth. These results can be used to improve soil temperature modeling at depth as well as improve farm management planning, irrigation schedules, nutrient management, fertilizer application and drought monitoring.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».