Evaluating CERES-Maize Model Using Planting Dates and Nitrogen Fertilizer in Zambia
Notice bibliographique
Résumé
A field experiment was conducted during the 2013/2014 season to evaluate the performance of CERES-maize model in simulating the effect of date of planting, nitrogen fertilizer and root-zone soil water profile on growth and yield of maize (Zea mays L.) at the Field Research Station of the School of Agricultural Sciences, University of Zambia, Zambia (15°23.6859'S, 28°20.226'E; 1,261 m.a.s.l). The experimental design was a split plot with three replicates, three planting dates (November 24, December 8, and December 22) assigned to main plots and two nitrogen fertilizer rates (112 and 168 kg N ha-1) assigned to sub-plot. Phenological stages and aboveground biomass were used for model evaluation and these were observed at vegetative and reproductive stages. Soil water profiles were monitored using the Diviner 2000 Probe. Planting date significantly affected grain and biomass yield at P < 0.05. The coefficients of variation for grain and biomass yield were below 12% and considered efficient. The Generalized Likelihood Uncertainty Estimation (GLUE) programme was used to estimate the genetic coefficients for the CERES-maize model. The model’s prediction of plant emergence (±1 days), time to anthesis (>= -3 <= ±1 days) and maturity (>= -4 <= 6 days) was good. Simulation of biomass (RMSE = 1135 kg/ha, d = 0.96, EF = 0.86) was reasonably accurate while leaf area index (d = 0.54, EF = -0.65) was simulated with less accuracy due to poor d-stat and forecasting efficiency. The model’s simulation of grain yield was fair (NRMSE = 21.4%) while soil root water availability demonstrated that substantial potential yield may have been lost due to water stress. The results showed that the model can be used to accurately determine optimum planting date, biomass yield and nitrogen fertilizer rates with reasonable accuracy.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».