Impact of climate change scenarios on the agroclimate of the Canadian prairies
Notice bibliographique
Résumé
Regional climate change scenarios for the Canadian prairies were generated using historic weather data and daily data from two Canadian Climate Centre general circulation models (GCM). Model CGCM1-A was a recent version release while its predecessor was model GCMII. The GCM data were combined with historic values to generate two additional scenarios. All scenarios were used to drive the modified Versatile Soil Moisture Budget model that assessed soil moisture, aridity and other agroclimatic indices. The modelled results for all scenarios were compared to those using the historic climate data. The model predicted earlier seeding dates for spring wheat between 18 and 26 d. Early seeding and harvest was shown to be an appropriate adaptive strategy that avoided more arid conditions in the late summer. The soil water deficit was lower under GCMII than historic values by 46 mm. For CGCM1-A, the soil water deficit was decreased by 8 mm across the Prairie Provinces compared to historic values. GCM scenarios predicted unchanged or increased soil water in the top 120 cm soil across the Canadian prairies compared to the historic scenario. There were some regions such as south eastern Saskatchewan and southern Manitoba where reductions in summer rainfall (for CGCM1-A) were large. These regions experienced the greatest benefit of earlier seeding dates. Key words: Climate change, agriculture, aridity, growing degree-days, soil moisture, seeding date, harvest date
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».