Intercomparison of timothy models in northern countries
Notice bibliographique
Résumé
Forage-based livestock and dairy production are the economic backbone of agriculture in many northern countries. In northern Europe and eastern Canada, forage grasses are commonly grown intensively for silage and hay as a part of crop rotation. In those regions, timothy (Phleum pratense L.) is one of the most widely grown grass species. Models that simulate the development of yield and nutritive quality have been developed for timothy, but the performance of different models has not been compared so far. In this study, we compare the performance of the models BASGRA, CATIMO, and STICS for the predictions of timothy yield at 7 sites located in Finland, Norway, Sweden, and Canada. In addition to yield, model predictions of additional variables, such as leaf area index, specific leaf area, and nutritive quality are gathered on a daily basis. Observed data will be used for two distinct calibrations: 1) Cultivar-specific and 2) ”global”, using all cultivars. The performance of the models will be tested by simulating all sites and years with both the 5 cultivar-specific parameter sets and the global parameter set. The first results of the comparison will be presented with a particular emphasis on dry matter yield predictions. The results will provide information about the uncertainties related to yield predictions of different timothy models and calibrations, the strengths and weaknesses of different modelling approaches, and the sensitivity of models to cultivar-specific parameters.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».