MétaCan
Menu
Retour à la cohorte
Enregistrement W2268014640 · doi:10.82308/31443

What Does the Future Have in Store for Farmers in Quebec?

2008· article· en· W2268014640 sur OpenAlexaboutno aff
Egjigayehu Seyoum-Edjigu

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDSSATCultivarCropCroppingEnvironmental scienceAgricultural scienceClimate changeGeographyGrowing seasonAgronomyForestryMathematicsAgricultural economicsEconomicsAgricultureEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Cette étude a évalué les impacts économiques du changement climatique futur (2010-2039) sur des fermes représentatives dans la production de grandes cultures au Québec à l'aide de modèles de Programmation Linéaire Dynamique Mixte en Nombres Entiers, de Cultivar Référence et Amélioré, et des données de rendements simulés par les modèles de cultures Decision Support System for Agrotechnology Transfer (DSSAT). Quatre scénarios climatiques futurs (Chaud/Sec, Froid/Humide, Médian et le Modèle Régional de Climat Canadien (MRCC) direct 2010-2039), et quatre combinaisons de conditions (avec et sans augmentation de dioxyde de carbone (C02) atmosphérique et limitation en eau) ont été sélectionnés. Les résultats indiquent que les revenus nets des fermes, la production, l'allocation des ressources, la vulnérabilité économique et l'adaptation variaient selon le scénario climatique et la condition, et le type de cultivar (référence ou amélioré) des cultures (mais-grain, blé fourrager, soya et orge) qui ont été considérées. Ils étaient également différents entre les régions (nord, sud) et entre les municipalités d'une même région. La direction et l'importance des impacts étaient amplifiées par les conditions d'augmentation de C02 et la disponibilité de l'eau, et variaient selon les cultures, affectant ainsi la composition des cultures régionales.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,037
Score d'incertitude au seuil0,269

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,001

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 Opus0,032
Tête enseignante GPT0,237
Écart entre enseignants0,205 · 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'étudeObservationnel
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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetClimate change impacts on agricultureTravaux en français237 207