Thermal conductivity of soils by weighted average model with transitional air/water inter-phase
Notice bibliographique
Résumé
This study presents two straightforward weighted average models for estimating the thermal conductivity of unsaturated soils. The first model ( WAM TAWI -1 ) incorporates the weighted average contributions from primary soil constituents (i.e., quartz ) and residual soil minerals , which are surrounded by a single continuous phase ( a transitional air/water inter-phase fluid ) with continuously changing thermal conductivity ( λ ) within its boundary values representing air ( λ a ) and water ( λ w ) . Similarly, the second model ( WAM TAWI -2 ) incorporates the weighted average contributions from all soil minerals and the transitional air/water inter-phase fluid. In contrast to the original model by de Vries in 1963, these models are free of complex latent heat transfer expressions, water/air shape fitting factors, and critical water content for changing continuous medium between air and water; consequently, they are exceptionally easy to use. The WAM TAWI -1 model is recommended because it only requires commonly available data: soil porosity , grain size distribution , and quartz content, while the WAM TAWI -2 model requires full mineral composition of a soil which is rarely available. The WAM TAWI -1 model was effectively validated with respect to λ data of 39 Canadian field soils, three standard sands, and 10 Chinese soils. The average standard deviations ( SD ) were ± 0.093 W⋅m −1 ⋅K −1 for 17 coarse soils, ±0.068 W⋅m −1 ⋅K −1 for 22 fine soils, and ± 0.079 W⋅m −1 ⋅K −1 for all Canadian soils. For the three standard sands, the average SD was ±0.143 W⋅m −1 ⋅K −1 , demonstrating good performance. Among the 10 Chinese soils, the model demonstrated good performance of ±0.142 W⋅m −1 ⋅K −1 for five coarse soils, while delivering superior estimates of ±0.094 W⋅m −1 ⋅K −1 for the remaining five fine soils. The results confirm the outstanding superiority of the model with respect to the original model by de Vries, in terms of its simplicity and λ predictions.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».