MétaCan
Menu
Retour à la cohorte
Enregistrement W2032350051 · doi:10.1175/2009jamc2275.1

Observed Long-Term Trends for Agroclimatic Conditions in Canada

2009· article· en· W2032350051 sur OpenAlexaffabout
Budong Qian, Xuebin Zhang, Kai Chen, Yang Feng, T. O'Brien

Notice bibliographique

RevueJournal of Applied Meteorology and Climatology · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensEnvironment and Climate Change CanadaAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésGrowing seasonEnvironmental scienceEvapotranspirationPrecipitationOverwinteringFrost (temperature)Climate changeAgronomyGeographyBiologyEcologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract A set of agroclimatic indices representing Canadian climatic conditions for field crop production are analyzed for long-term trends during 1895–2007. The indices are categorized for three crop types: cool season, warm season, and overwintering. Results indicate a significant lengthening of the growing season due to a significantly earlier start and a significantly later end of the growing season. Significant positive trends are also observed for effective growing degree-days and crop heat units at most locations across the country. The occurrence of extremely low temperatures has become less frequent during the nongrowing season, implying a more favorable climate for overwinter survival. In addition, the total numbers of cool days, frost days, and killing-frost days within a growing season have a decreasing trend. This means that crops may also be less vulnerable to cold stress and injury during the growing season. Extreme daily precipitation amounts and 10-day precipitation totals during the growing season have been increasing. Significant trends associated with increased availability of water during the growing season are identified by the standardized precipitation index and seasonal water deficits. The benefit of the increased precipitation may have been offset by an upward trend in evaporative demand; however, this would depend on the amount of growth and productivity resulting from increased actual evapotranspiration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,254
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations84
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Meteorology and ClimatologyMême sujetClimate change impacts on agricultureTravaux en français237 207