Optimizing Parameters of CSM-CERES-Maize Model to Improve Simulation Performance of Maize Growth and Nitrogen Uptake in Northeast China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Crop models can be useful tools for optimizing fertilizer management for a targeted crop yield while minimizing nutrient losses. In this paper, the parameters of the decision support system for agrotechnology transfer (DSSAT)-CERES-Maize were optimized using a new method to provide a better simulation of maize (Zea mays L.) growth and N uptake in response to different nitrogen application rates. Field data were collected from a 5 yr field experiment (2006-2010) on a Black soil (Typic hapludoll) in Gongzhuling, Jilin Province, Northeast China. After cultivar calibration, the CERES-Maize model was able to simulate aboveground biomass and crop yield of in the evaluation data set (n-RMSE=5.0-14.6%), but the model still over-estimated aboveground N uptake (i.e., with E values from −4.4 to −21.3 kg N ha−1). By analyzing DSSAT equation, N stress coefficient for changes in concentration with growth stage (CTCNP2) is related to N uptake. Further sensitivity analysis of the CTCNP2 showed that the DSSAT model simulated maize nitrogen uptake more precisely after the CTCNP2 coefficient was adjusted to the field site condition. The results indicated that in addition to calibrating 6 coefficients of maize cultivars, radiation use efficiency (RUE), growing degree days for emergence (GDDE), N stress coefficient, CTCNP2, and soil fertility factor (SLPF) also need to be calibrated in order to simulate aboveground biomass, yield and N uptake correctly. Independent validation was conducted using 2008-2010 experiments and the good agreement between the simulated and the measured results indicates that the DSSAT CERES-Maize model could be a useful tool for predicting maize production in Northeast China.
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.
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 découle