MétaCan
Menu
Retour à la cohorte
Enregistrement W2045202460 · doi:10.2134/agronj2006.0310s

Adaptation of Pulse Crops to the Changing Climate of the Northern Great Plains

2007· article· en· W2045202460 sur OpenAlexaff
H. Cutforth, S. M. McGinn, Kevin McPhee, Perry R. Miller

Notice bibliographique

RevueAgronomy Journal · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensUniversity of LethbridgeAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceClimate changePrecipitationFrost (temperature)Growing seasonMicroclimateAgricultureAgronomyClimatologyGeographyEcologyBiologyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

Climate over the northern Great Plains has generally warmed over the last 60 yr. The rate of warming has varied temporally and spatially, confounding trend analysis for climate indicators such as increased length of the growing season. Change in precipitation has been even more variable. Despite this variability, present‐day trends in temperature and precipitation generally coincide with the predicted direction of climate change. The synchrony of current and future trends reinforces the need for investigating adaptation in agriculture to changing climate. Our review is focused on sustainability of pulse crops in the northern Great Plains and the repercussions of climate change, focusing on the growth and yield response to temperature and water, and the climate restrictions that define their current geographic locations. The resilience of pulse crops to present‐day weather extremes such as drought, excess water, heat, cool weather during grain filling, and early frost are considered to predict adaptation to future climate change. Features discussed include changes to crop water‐use efficiency brought on by increased CO 2 fertilization, accelerated growth rates resulting from higher air temperatures, and total crop failures caused by an increased occurrence and magnitude of weather extremes. Adaptation strategies that are discussed include earlier seeding of pulse crops, use of winter pulses, crop sequencing within crop rotations, and alterations to the microclimate such as direct seeding into standing stubble.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,690
Score d'incertitude au seuil0,712

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,029
Tête enseignante GPT0,235
Écart entre enseignants0,206 · 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'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

Citations114
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetClimate change impacts on agricultureTravaux en français237 207