Spatial Variation and Improving Measures of the Utilization Efficiency of Accumulated Temperature
Notice bibliographique
Résumé
ABSTRACT Temperature, especially accumulated temperature, is very important for agricultural productivity. Fully using the heat resource is important for increasing yields of maize ( Zea mays L.). To understand spatial variation and improving measures of the utilization efficiency of accumulated temperature, we conducted experiments during the period of 2007 to 2012 at 52 locations in the north spring maize (NM) and Huanghuaihai summer maize (HM) regions of China. We found that the utilization efficiency of ≥10°C accumulated temperature for the whole year (hereafter, UE10y) and residual accumulated temperature for maize were highly correlated with latitude. The UE10y increased by 1.3 and 1.4% for 1° increases in latitude moving northward for NM and HM, respectively. In NM, the variation in residual accumulated temperature was large across the experiment locations, ranging from 76 to 1655°C degree days. To make full use of the heat resource, we studied the effects of delaying harvest, optimum sowing date, and planting‐adapted cultivars on the UE10y and maize yield. We found that, compared to conventional harvest time, delaying harvest significantly increased UE10y and maize yield. For different sowing dates, maize yield increased significantly with increasing UE10y in the northern area of NM but not in the southern area of NM. Regarding the use of different planting‐adapted cultivars, yield potentials of the longest maturity cultivars and cultivars adapted to mechanical grain harvest averaged 17.12 and 14.39 Mg ha –1 in NM, which were 27.9 and 7.5% higher than the yield potential of traditional cultivars, respectively.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».