MétaCan
Menu
Retour à la cohorte
Enregistrement W7036052524

Application of X-ray computed tomography for the analysis of soil micromorphology

2021· dissertation· en· W7036052524 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueThe Atrium (University of Guelph) · 2021
Typedissertation
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésVoxelVolume (thermodynamics)Computed tomographyData setOrientation (vector space)TomographySample (material)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As a tool for the three-dimensional analysis of intact soil cores, X-ray computed tomography permits the quantification of soil voids characteristics above the micropore scale. The technique extends beyond the two dimensional perspective that has been the limitation of traditional soil thin section analysis, and unlike traditional, destructive laboratory analysis, is inclusive of both the interconnected and isolated fractions of the voids network. It is possible to quantify the frequency, spatial distribution, size, shape, and orientation of voids within a sample core, all of which reflect the interactions of soil forming factors. One previously unexplored phase of the methodology employed during the X-ray CT analysis of soils, is the influence of the method used to set final voxel size on the analysis of the resulting image models. Final voxel size can be established at three different stages: image acquisition, volume model reconstruction, or post-reconstruction re-sampling, The total % of detectable voids, and the distribution of voids by volume, were evaluated in ten three-dimensional models of the same volume space within a sample aggregate, each of which representing a different method used to set final voxel size. The results indicate that different methods used to set final voxel size do influence the quantification of soil voids, suggesting that it might not be possible to compare studies that used the same voxel size, but different methods for setting it. Of particular interest in this study is the influence of tillage management regimes on soil structure (total % of detectable voids, volume of voids, and atomic density of the solid phase). It is understood that management influences soil structure, and by association, the voids network. What is not clear is if those influences are characteristic of specific management regimes, or if the differences are quantifiable. The above-mentioned structural characteristics were evaluated in samples of medium textured soil from the University of Guelph Elora Research Station, representing a range of established long-term tillage regimes. The results do illustrate differences between treatments, suggesting that the tillage regimes might impart some characteristic changes to the soil structure. However, given the limited number of samples collected for this study, it is not possible to conclude that any of the observations are in fact characteristic of the tillage regime, only that it is possible to differentiate between samples based on those measurements. It is suggested that a second, more comprehensive study be undertaken, which evaluates more spatially and temporally distributed samples.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,236
Écart entre enseignants0,226 · 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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Atrium (University of Guelph)Même sujetMachine Learning in Materials ScienceTravaux en français237 207