CropSyst model for wheat under deficit irrigation using sprinkler and drip irrigation in sandy soil
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.
Notice bibliographique
Résumé
Abstract CropSyst (Cropping Systems Simulation) is used as an analytic tool for studying irrigation water management to increase wheat productivity. Therefore, two field experiments were conducted to 1) calibrate CropSyst model for wheat grown under sprinkler and drip irrigation systems, 2) to use the simulation results to analyse the relationship between applied irrigation amount and the resulted yield and 3) to simulate the effect of saving irrigation water on wheat yield. Drip irrigation system in three treatments (100%, 75% and 50% of crop evapotranspiration – ETc ) and under sprinkler irrigation system in five treatments (100%, 80%, 60%, 40%, and 20% of ETc ) were imposed on these experiments. Results using CropSyst calibration revealed-that results of using CropSyst calibration revealed that the model was able to predict wheat grain and biological yield, with high degree of accuracy. Using 100% ETc under drip system resulted in very low water stress index ( WSI = 0.008), whereas using 100% ETc sprinkler system resulted in WSI = 0.1, which proved that application of 100% ETc enough to ensure high yield. The rest of deficit irrigation treatments resulted in high yield losses. Simulation of application of 90% ETc not only reduced yield losses to either irrigation system, but also increased land and water productivity. Thus, it can be recommended to apply irrigation water to wheat equal to 90% ETc to save on the applied water and increase water productivity.
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 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 découle