Application of proximal soil sensing for environmental characterization of agricultural land
Bibliographic record
Abstract
L'agriculture durable peut être définie comme l'optimisation du rendement et la rentabilité sans compromettre l'environnement. Nécessitant des taux élevés de composés chimiques, qui accélèrent l'activité biologique des sols, les pratiques d'agriculture intensive entraînent l'émission de gaz à effet de serre (GES; CO2, CH4, et N2O), sans pour autant obtenir de meilleurs rendements. Quantifier les émissions de GES provenant des sols agricoles devient alors essentiel lors de l'évaluation de la durabilité des pratiques agricoles. N'ayant pas tenu compte de l'hétérogénéité des champs, les estimations d'émissions de gaz du passé ne consistaient qu'en une extrapolation à partir des émissions d'un petit nombre de sites d'échantillonnage. Des différences inhérentes quant aux propriétés physiques et climatiques des sols et des activités de gestion des cultures peuvent affecter significativement la répartition spatiale (à l'horizontale et en profondeur) et temporelle des émissions de GES. Conséquemment, l'amélioration de la fiabilité d'estimation des émissions de GES est étroitement liée à une connaissance approfondie de l'hétérogénéité des sols. En une première étude, la qualité de la cartographie de la conductivité apparente du sol (ECa), évaluée par induction électromagnétique (IEM) avec des instruments de contact à résistance galvanique (CRG) fut évalués en examinant les effets temporels et opérationnels d'une pelouse trempée (ECa = 5-15 ms m-1). Les effets opérationnels ont inclus la distance au-dessus de la surface (0 ou 0.10 m), et les angles de roulis et de tangage (0ᵒ et ±10ᵒ). Parmi les mesures d'EMI, le capteur DUALEM–21S en mode d'opération de conductivité perpendiculaire coplanaire (CPC) a offert les mesures les plus stables. Les variations en hauteur et roulis inférieures à la tolérance évaluée n'affectèrent pas l'ECa du sol, mais les variations en tangage par rapport à 0° ont réduit l'ECa. D'un point de vue pratique, les mesures de l'ECa du sol ont très peu varié à l'intérieur d'une tolérance en hauteur de 0.10 m, et de roulis et tangage de ±10ᵒ. Face à de gros volumes de données (>30,000 échantillons de gaz) provenant de multiples (103 chambres à gaz à 6 sites) et divers (c.-à-d. sol, récolte, irrigation) emplacements dans l'est du Canada, une seconde étude s'adressa à la gestion des bases de données, le format de normalisation, et aux problèmes de calcul des flux et émissions. Pour ce faire, une série de scriptes MATLAB furent développés. L'estimation des flux et émissions utilisa les pentes médianes de régressions linéaires, une méthode permettant de filtrer les mesures erronées. Dans une troisième étude, les variations temporelles des émissions de GES sous différentes combinaisons de propriétés physiques et taux de décomposition de sols organiques à trois sites disposant de parcelles irriguées ou non irriguées furent suivies à l'aide de réseaux de capteurs sans fil pour le potentiel matriciel du sol, l'humidité du sol, et sa température. Les sols de terre noire émirent plus de N2O lorsque le sol était relativement humide et les conditions climatiques fraîches, tandis que les flux en CH4 furent plus élevés dans les sols détrempés. Les émissions de CO2 furent le plus élevées lorsque l'humidité du sol était modérée et les températures chaudes. Les corrélations entre les flux de GES et les propriétés du sol se révélèrent plutôt faibles, limitant le potentiel de modélisation des flux et des émissions de GES. Les émissions en CH4 étaient particulièrement élevées pour les terres noires (vs sols minéraux) principalement en raison de dépressions dans le champ et de la haute teneur en eau du sol dans ces dépressions. L'évaluation des variations spatiales et temporelles dans les caractéristiques physiques des sols peut aider à mieux comprendre la dynamique des émissions de GES, permettant ainsi de quantifier plus précisément les effets environnementaux des systèmes agricoles modernes.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".