Long-term climate and weather patterns in relation to crop yield: a minireview
Notice bibliographique
Résumé
It is accepted knowledge that weather affects yields and climate dictates which crops will grow in a region. Specific weather events, such as drought or hail, that affect yield or quality, are known, as are the general climatic conditions required for groups of crops such as cool season vegetables or tropical crops. However, more precise information on how changes in long-term weather and climate influence the yield of specific vegetable crops is not available. Studies of yield over long periods have the advantage of reflecting the combined effects of numerous environmental variables, including climate effects on physiological stress, pests, and diseases. A study of yields of cool season vegetable crops in Ontario revealed that a decrease in yields is related to an increase in the number of hot days with maximum temperatures over 30 °C. A clear warming trend in Ontario weather is evident, beginning in the mid-1980s, with increasing numbers of hot days and more variable temperatures from year to year. Furthermore, yields of cole crops declined by 10% for every 10 d with temperatures >30 °C in the growing season. Several other studies on agronomic crops worldwide show reductions in yield resulting from warmer temperatures. For example, in a study of rice in the Philippines, yield was reduced by 10% for every 1 °C increase in minimum temperature during the dry season. Methods for evaluating long-term climate effects on crop yield are discussed.
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 ».