Evaluation of the APSIM-Wheat model in terms of different cultivars, management regimes and environmental conditions
Notice bibliographique
Résumé
Zhang, Y., Feng, L., Wang, E., Wang, J. and Li, B. 2012. Evaluation of the APSIM-Wheat model in terms of different cultivars, management regimes and environmental conditions. Can. J. Plant Sci. 92: 937–949. Wheat is one of the most important crops in the world, and wheat models have been widely used to study yield responses to changes in management and climate. However, less information is available on how a wheat model performs in simulation of wheat response to changes in varieties, sowing dates and planting densities across space. This study presents an evaluation of the APSIM-Wheat model using data from field experiments consisting of three sowing dates, two and three crop varieties and three planting densities in a split-split plot design at three ecological sites from 2008 to 2010 in the North China Plain. The results show that the APSIM-Wheat model could capture a large part of the variation in phenology, biomass and yield for the same variety across sites. However, errors of simulation in phenology and yield were increased with delay in sowing date, with the average absolute root mean square errors of 2 d, 3 d, and 3–4 d in phenology, and the normalized root mean square error (RMSEn) of 7–12%, 11–16%, 16–22% in yield at early, medium, and late sowing dates, respectively. Simulation of yield achieved poor results with decreased planting density, with average RMSEn of 9–12%, 11–12%, and 16–19% at high, medium, and low density, respectively. Additionally, the simulation behaved in a complex manner, and the errors varied greatly with different combinations of sowing dates and planting densities. These alerted us that the model should be used cautiously to simulate growth and yield over a wide range of sowing dates and planting densities. Improved modeling of the responses of wheat growth to extreme temperatures during winter and spring periods, and to varying planting densities is needed for better future prediction. Other areas of model improvements are also discussed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».