MétaCan
Menu
Retour à la cohorte
Enregistrement W2101769017 · doi:10.4141/p06-140

A re-evaluation of crop heat units in the maritime provinces of Canada

2007· article· en· W2101769017 sur OpenAlexaffvenueabout
A. Bootsma, Daniel W. McKenney, Donald E. Anderson, Pia Papadopol

Notice bibliographique

RevueCanadian Journal of Plant Science · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensCanadian Forest ServiceAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésCropZea maysEnvironmental scienceYield (engineering)HybridGlobal warmingAgronomyClimate changeGreenhouse gasCrop yieldClimatologyGeographyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Crop heat units (CHU) are commonly used to rate suitability of corn (Zea mays L.) hybrids and soybean [Glycine max (L.) Merrill] varieties for production in various regions of Canada. The CHU map presently in use for the Maritime provinces is based on climate data from the period 1956 to 1985. This paper presents an updated CHU map for the region using the latest available climate normals (1971 to 2000) and up-to-date interpolation and mapping procedures. Decadal time trends of CHU and water deficits are also examined for seven selected climate stations in the region. Average CHU ratings often increased by 100 units or more for the most recent period, with some exceptions. Station decadal trends from 1955 to 2004 confirmed the warming trend, with an average increase of 86 CHU per decade. Increased CHU have promoted higher potential yields in corn and soybean in the region, although this potential was not likely met during the last decade due to frequent droughts in some areas. However, there is presently little evidence to suggest that higher yield potential will be significantly limited by changing water deficits as a re sult of greenhouse-gas induced global warming in this century. Key words: Corn, Zea mays, soybean, Glycine max, climate trends, yield, water deficits

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,179

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,060
Tête enseignante GPT0,247
Écart entre enseignants0,187 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetClimate change impacts on agricultureTravaux en français237 207