Controlled Warming Effects on Wheat Growth and Yield: Field Measurements and Modeling
Notice bibliographique
Résumé
Climate warming may raise wheat ( Triticum aestivum L.) yields in cooler climates and lower them in warmer climates. To understand these contrasting effects, infrared heating lamps were used to warm irrigated spring wheat by 1.5°C (day) and 3.0°C (night) above unheated controls during different times of the year at Maricopa, AZ. Changes in wheat growth with warming were used to test hypotheses for temperature effects on crop growth in the process model ecosys . Infrared heating substantially raised phytomass growth and grain yield under lower air temperature ( T a ) following plantings from September through December. The same heating, however, lowered growth and yield under higher T a following plantings from January through March. Gains in wheat yield of as much as 200 g C m −2 with heating under lower T a were attributed in the model to more rapid CO 2 fixation and to reduced chilling effects on seed set. These gains were only partially offset by losses from shortened wheat growth periods. Losses in wheat yield of as much as 100 g C m −2 with heating under higher T a were attributed in the model to adverse effects of heating on crop water status and on CO 2 fixation vs. respiration, to greater heat stress effects on seed set, and to shortened crop growth periods. Model hypotheses thus explained contrasting effects of heating on wheat yields under different T a found in the field experiment as well as in many earlier studies. Well‐constrained tests of these hypotheses are vital for models used to project climate change impacts on agricultural ecosystems.
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 | 0,000 | 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 ».