MétaCan
Menu
Retour à la cohorte
Enregistrement W1966109204 · doi:10.4028/www.scientific.net/amr.709.551

Simulation and Evaluation of DSSAT Model under Long-Term Continuous Maize Production for Agricultural Intelligent Decision Support

2013· article· en· W1966109204 sur OpenAlexaffabout
Hai Long Liu, Ye Zhu, Jing Yang, Ping He, Ji Yun Jin

Notice bibliographique

RevueAdvanced materials research · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésDSSATYield (engineering)AgronomyEnvironmental scienceNitrogenHuman fertilizationAgricultureProduction (economics)NitrateNitrogen fertilizerZea maysAnimal scienceAgricultural engineeringMaterials scienceFertilizerEngineeringCrop yieldChemistryBiologyEcologyComposite material

Résumé

récupéré en direct d'OpenAlex

DSSAT (Decision Support System for Agrotechnology Transfer) -CERES-Maize was employed to characterize maize yield and nitrogen dynamics in a 50-year maize production study at Woodslee, Ontario, Canada. The treatments selected for evaluation included continuous maize/corn with fertilization (CC-F) and continuous maize/corn without fertilization (CC-NF) treatments. The results showed that the DSSAT model could simulate yield of CC-F more precisely than that of CC-NF. The simulated cumulative nitrate loss from CC-F treatment from 1998 to 2000 was consistent with the actual measured value. For CC-NF, The DSSAT model overestimated the cumulative nitrate loss.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,511
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

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

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 Opus0,166
Tête enseignante GPT0,415
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations0
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced materials researchMême sujetCrop Yield and Soil FertilityTravaux en français237 207