MétaCan
Menu
Retour à la cohorte
Enregistrement W2189297728 · doi:10.82308/43765

Impact of climate change on crop water requirements in Eastern Canada

2011· article· en· W2189297728 sur OpenAlexaboutno aff
R. Doria

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesGoddard Space Flight CenterNational Aeronautics and Space Administration
Mots-clésHadCM3DownscalingEnvironmental scienceClimate changeClimatologyPrecipitationClimate modelBaseline (sea)Scale (ratio)General Circulation ModelMeteorologyGeographyGeologyGCM transcription factors

Résumé

récupéré en direct d'OpenAlex

Crop production is highly dependent upon weather; therefore, future climate change could adversely affect the burgeoning global population. The primary objective of this study was to predict the consequences of climate change on agriculture. Since current climate projections use general circulation models (GCMs) on a global scale, a statistical downscaling model (SDSM) was used to downscale these outputs into a local scale, essential for reliable crop model simulations.By linking predicted changes in local climate to soil properties and crop characteristics through field and laboratory studies, thresholds of soil moisture content for efficient irrigation scheduling were defined, and an irrigation requirements model (IRM) was developed. Using the IRM, irrigation was triggered when soil moisture was 18 or 24 mm for peaches grown in clay and sandy soils, respectively, and was also triggered at 56 mm for grapes grown in clay soils. It was noteworthy that the IRM reduced irrigation needs by 20 to 25% without affecting yield of peaches (50 to 60 kg/tree). Regarding predicted increases in temperatures and variability in precipitation, the SDSM-HadCM3 A2 scenario forecast the greatest increases, namely ~3.5 and ~2.5°C in average monthly maximum and minimum temperatures, respectively, during the growing season, compared to a 1961-1990 base period. Moreover, precipitation events were also predicted to be more frequent (8 to 30%) and intense (10 to 50%) during crop growing months.With these future climate change scenarios, irrigated peach yield could increase 5 to 20%, since actual tree transpiration reached 0.8 kg/h (compared to a maximum of 0.4 kg/h without irrigation). Furthermore, with irrigation, fruit firmness, the best indicator of ripening and predictor of peach storage potential, is expected to improve by 20% over the current value of 340 kPa.The most novel aspect of this study was development of the IRM, and its prediction of optimal irrigation needed to sustain or increase crop yield and quality, and concurrently conserve water.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,063
Tête enseignante GPT0,257
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetClimate variability and modelsTravaux en français237 207