Evaluation of the CSM‐CROPGRO‐Canola Model for Simulating Canola Growth and Yield at West Nipissing in Eastern Canada
Notice bibliographique
Résumé
With increasing demands for renewable energy and dietary vegetable oils, the production of canola has become widespread in recent years. Modeling canola growth and yield is a helpful approach to predict canola responses to various environments, especially under climate change. However, few studies have been performed for predicting growth and yield of canola in Canada. In this study, we evaluated the CSM‐CROPGRO‐Canola model in Decision Support System for Agrotechnology Transfer v4.6 for simulating spring canola at West Nipissing in Eastern Canada. The model was evaluated using plant and soil data collected from field experiments over three growing seasons (2012–2014). The model could predict the observed crop development and successfully mimic the characteristics of canola regarding light absorption and utilization using combinations of leaves and pods. The accumulations of aboveground biomass were satisfactorily simulated in the life cycle under different nitrogen (N) fertilizer application rates, with a normalized RMSE of 19%. The seed yields were successfully predicted with different N application rates except for an underestimation under zero N application. The underestimation of yield under low N rates was possibly related to the deficiency in the simulated N mineralization that could also be associated with inaccurate input soil data. A better simulation of seed yields under low N application was achieved when the soil organic matter module based on the CENTURY model was used in DSSAT v4.6. The calibrated model simulated soil moisture and inorganic N contents satisfactorily, showing a good performance of the CSM‐CROPGRO‐Canola model for the study region.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».