Evaluation and Improvement of Crop Production Functions for Simulation Winter Wheat Yields with Two Types of Yield Response Factors
Notice bibliographique
Résumé
Water is an important item of crop production and Irrigation water is limiting for crop production in arid and semi-arid areas. On the other hand, considering the population growth and increasing the water and food needs and also limited resources of water, the optimization of water consumption, especially in section of agriculture is important. For this purpose, in first step, the production function of expected products in any region should be obtained acceptably, because in this case, the models are totally dependent on the production function. Thus, finding the optimal production function has the lowest error in the estimation of risk-taking and decision-making power in the future will be important. So this study was conducted in Esmaeil Abad in Qazvin plain in Iran in the growing season of 2009-2012. Deficit Irrigations applied on different growth stages of winter wheat. The maximum evapotranspiration 641 mm and maximum attainable yield 5847 kg/ha was determined. After that the different production functions were studied and these methods have been tried to improve a new method with the least error. On the other hand yield response factor (Ky) per month was defined as either one of the standard values by FAO and the other using correction values by Najarchi et al. (2011). The result showed that the new model in this study is normalized with yield response factors of Najarchi et al. (2011) with 5% normal root mean square (NRMSE) has the lowest error. Therefore this technique for estimating water deficits of winter wheat in the Qazvin Plain was suggested.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».