Variabilité spatiale du mouvement de gaz dans le sol
Bibliographic record
Abstract
L'objectif principal de ce travail était d'étudier la variabilité spatiale des mouvements de gaz dans le sol. Trois sous-objectifs ont été complétés: 1) le développement d'une méthodologie pour la mesure de la concentration des gaz dans le sol, 2) l'étude de la variabilité spatiale de la diffusion des gaz dans le sol à l' échelle de monolithes et, 3) l'étude de la variabilité spatiales des émissions de CO₂ à différentes échelles en lien avec plusieurs paramètres physico-chimiques du sol. Pour répondre au premier sous-objectif, plusieurs aspects méthodologiques ont donc été développés. 1) Une méthode d'analyse des gaz (C0₂, N₂0, CH₄ et O₂) a été mise au point sur un appareil portable de chromatographie en phase gazeuse. 2) Des tests de cinétiques 'et d' isothermes de sorption ont été réalisés afin de sélectionner le bouchon de fioles d' échantillonnage le plus adéquat pour l' entreposage des échantillons de gaz. 3) Des courbes de calibration ont été développées pour relier la teneur en eau volumique à la constante diélectrique d'un sol organique à l'aide de la réflectométrie temporelle. La teneur en eau étant nécessaire pour le calcul de la teneur en air du sol, important pour le mouvement de gaz. Les résultats associés au deuxième sous-objectif ont montré que 1) la variabilité des coefficients de diffusion relatifs des gaz dans le sol (Ds/Do) était très élevée avec des coefficients de variation atteignant jusqu'à 125 % dans un sable loameux et 56 % dans un sol organique; 2) la méthode de calcul de Ds/Do, la position des sondes à gaz et les processus d'échantillonnage de gaz dans le profil de sol ont influencé la variabilité apparente de Ds/Do; et 3) "la porosité du sol ainsi que sa teneur en air ont influencé la variabilité de Ds/Do. Ces paramètres à eux seuls n' ont pas permis d'expliquer l'ensemble des variations observées. D'autres facteurs tel que la macroporosité du sol (fissures, galeries de vers de terre) doivent être pris en compte. Les résultats associés au troisième sous-objectif, complété avec l'analyse de la variabilité spatiale multi-échelles multi-variée réalisée à partir de la méthode CRAD, ont montré 1) l'importance d'analyser les relations entre les émissions de CO₂ et les paramètres physico-chimiques à différentes échelles (non-spatiale et spatiales à grande et petite échelles), 2) les corrélations spatiales sont plus fortes lorsque la variable est analysée aux différentes échelles que lorsqu'elle est analysée avec sa distribution totale, 3) les paramètres physico-chimiques du sol les mieux corrélés aux émissions de CO₂ aux différentes échelles sont ceux en lien avec les paramètres gazeux du sol soit, les concentrations en O₂ et CO₂, Ds/Do et, la teneur en air du sol, 4) les paramètres physicochimiques du sol mesurés en profondeur (0.30 m) semblent présenter des corrélations plus fortes que les paramètres du sol mesurés en surface (0.15 m) et 5) seule une portion de la variation des flux de CO₂ semble explicable par la variation des paramètres physico-chimiques du sol aux différentes échelles et . donc, d'autres paramètres nonmesurés comme la macroporosité auraient des impacts importants sur la variabilité des émissions. L'ensemble des résultats de cette étude montre que la variabilité spatiale des paramètres physico-chimiques des sols, notamment ceux en lien avec les paramètres gazeux du sol, influence la variabilité spatiale des mouvements de gaz dans le sol et des émissions vers l'atmosphère. Cependant, les relations sont complexes et dépendantes de l'échelle d'analyse.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".