MétaCan
Menu
Retour à la cohorte
Enregistrement W2171266434 · doi:10.14430/arctic617

Climatic Impact on Small Grain Production in the Subarctic Region of the United States

2003· article· en· W2171266434 sur OpenAlex
Brenton Sharratt, Charles W. Knight, F. J. Wooding

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueARCTIC · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubarctic climatePrecipitationGrowing seasonAgronomyEnvironmental scienceHordeum vulgareYield (engineering)GeographyPoaceaeBiologyEcology

Résumé

récupéré en direct d'OpenAlex

The Subarctic comprises the higher mid-latitudinal regions with short, cool, moist summers and long, cold, dry winters. Indeed, the short, cool growing season is often thought of as a barrier to crop growth and diversity in these regions. Little is known, however, concerning the impact of the Subarctic climate on crop production. This study aimed to identify the climatic factors that are most important to the production of small grains in the Subarctic region of Alaska. The impact of climate on 'Galt' and 'Weal' barley (Hordeum vulgare L.), 'Nip' and 'Toral' oat (Avena sativa L.), and 'Gasser' and 'Park' wheat (Triticum aestivum L.) was assessed using climate and grain yield data collected from 1972 to 1989 at Fairbanks. Multiple regression analysis was used to identify the climatic factors that most influence yield. Different factors accounted for the largest proportion of variability in yield across years for the different grains. 1) For barley, variations in precipitation deficit (pan evaporation minus precipitation) and distribution of precipitation events within a growing season accounted for 41% of the variability across years in yield of Galt and Weal cultivars. 2) For oat, variations in the precipitation deficit ratio (ratio between precipitation deficit and pan evaporation) accounted for 44% of the variability across years in yield of Nip and 58% in yield of Toral oat. 3) For wheat, variations in number of days between precipitation events within a growing season, precipitation deficit, and temperature explained 70% of the variability across years in yield of Gasser and Park wheat. Results from our analysis further indicated that small grain production was bolstered in seasons with greater precipitation, more frequent precipitation, or lower evaporative demand (pan evaporation). Only wheat production appeared to be favored by higher minimum air temperatures. This study suggests that, despite the cool growing season in interior Alaska, the primary climatic limitation to crop production is water stress, associated with low precipitation or high evaporative demand. Therefore, land management practices aimed at conserving soil water will likely bolster crop production in the Subarctic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,223
Score d'incertitude au seuil0,172

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,245
Écart entre enseignants0,200 · 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