Comparison of Three Statistical Models Describing Potato Yield Response to Nitrogen Fertilizer
Notice bibliographique
Résumé
Estimation of optimum fertilizer rates is of interest because of growing economic and environmental concerns. Optimum fertilizer rates can be determined by fitting statistical models to yield data collected from N fertilizer experiments. We evaluated quadratic, exponential, and square root models describing the yield response of potato ( Solanum tuberosum L.) to six rates of N fertilization (0–250 kg N ha −1 ) with and without supplemental irrigation at four on‐farm sites in each of three years (1995 to 1997) in New Brunswick, Canada. Economic optimum N rates (N op ) varied among sites and models. The proportion of variability ( R 2 ) explained by the three models was similar. The quadratic model, however, calculated a greater N op value (175 kg N ha −1 ) averaged over all sites than those calculated by the square root (123 kg N ha −1 ) and exponential (80 kg N ha −1 ) models. Regression residues of the quadratic model were closer to a normal distribution than those of the other two models, indicating a less systematic bias. Economic losses were greatest when the quadratic model was the most appropriate model, but the data were fitted to the exponential (loss of $204–240 ha −1 ; all values in Canadian dollars) or square root model (loss of $58–201 ha −1 ). We conclude that the quadratic model is the most appropriate for describing the potato yield response to N fertilizer and predicting N op for areas with a ratio of the cost of N fertilizer to the price of potatoes similar to that in Atlantic Canada.
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 | 0,011 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».