Simulating lupin development, growth, and yield in a Mediterranean environment
Notice bibliographique
Résumé
Simulation of narrow-leafed lupin (Lupinus angustifolius L.) production would be a useful tool for assessing agronomic and management options for the crop. This paper reports on the development and testing of a model of lupin development and growth, designed for use in the cropping systems simulator, APSIM (Agricultural Production Systems Simulator). Parameters describing leaf area expansion, phenology, radiation interception, biomass accumulation and partitioning, water use, and nitrogen accumulation were obtained from the literature or derived from field experiments. The model was developed and tested using data from experiments including different locations, cultivars, sowing dates, soil types, and water supplies. Flowering dates ranged from 71 to 109 days after sowing and were predicted by the model with a root mean square deviation (RMSD) of 4–5 days. Observed grain yields ranged from 0.5 to 2.7 t/ha and were simulated by the model with a RMSD of 0.5 t/ha. Simulation of a waterlogging effect on photosynthesis improved the model performance for leaf area index (LAI), biomass, and yield. The effect of variable rainfall in Western Australia and sowing date on yield was analysed using the model and historical weather data. Yield reductions were found with delay in sowing, particularly in water-limited environments. The model can be used for assessing some agronomic and management options and quantifying potential yields for specific locations, soil types, and sowing dates in Western Australia.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».