MétaCan
Menu
Retour à la cohorte
Enregistrement W2177152377 · doi:10.1614/p2002-109

Calibration and validation of a common lambsquarters (<i>Chenopodium album</i>) seedling emergence model

2004· article· en· W2177152377 sur OpenAlexafffund
Maryse L. Leblanc, D. C. Cloutier, Katrine A. Stewart, Chantal Hamel

Notice bibliographique

RevueWeed Science · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensAgriculture and Agri-Food CanadaMcGill UniversitySte. Anne's Hospital
Organismes subventionnairesMinistère de l'Agriculture et de l'AlimentationMinistère de l'Agriculture, des Pêcheries et de l'Alimentation
Mots-clésLambsquartersSeedbedWeedSeedlingSoil textureEnvironmental scienceChenopodiumCalibrationAgronomySoil scienceMathematicsStatisticsSoil waterBiology

Résumé

récupéré en direct d'OpenAlex

Studies were conducted to calibrate and validate a mathematical model previously developed to predict common lambsquarters seedling emergence at different corn seedbed preparation times. The model was calibrated for different types of soil by adjusting the base temperature of common lambsquarters seedling emergence to the soil texture. A relationship was established with the sand mineral fraction of the soil and was integrated into the model. The calibrated model provided a good fit of the field data and was accurate in predicting cumulative weed emergence in different soil types. The validation was done using data collected independently at a site located 80 km from the original experimental area. There were no differences between observed and predicted values. The accuracy of the model is very satisfactory because the emergence of common lambsquarters populations was accurately predicted at the 95% probability level. This model is one of the first to take into consideration seedbed preparation time and soil texture. This common lambsquarters emergence model could be adapted to model other weed species whose emergence is limited by low spring temperature.

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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil0,541

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 Opus0,018
Tête enseignante GPT0,232
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations19
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWeed ScienceMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207