Testing the suitability of thermal time models for forecasting spring wheat phenological development in western Canada
Notice bibliographique
Résumé
Predicting crop development stages is fundamental to many aspects of agronomy (e.g., pesticides and fertilizer applications). Temperature is the main factor affecting plant development and its impact on crop development is often measured using thermal-time. We compared different thermal-time models to identify the best model for simulating spring wheat development in western Canada. Models compared include (i) North-Dakota growing-degree-day (NDGDD), (ii) growing-degree-day base-temperature zero (GDD0), (iii) growing-degree-day base-temperature five (GDD5), (iv) beta-function (BF), and (v) modified-beta-function (MBF). We utilised agro-meteorological data collected across western Canada from 2009–2011. Results showed that accumulated heat units/daily growth rates from the different models correlated well with spring wheat phenology with R2 ≥ 0.91 and P < 0.001. However, when the developed models were used to predict time (calendar-days) from planting to anthesis for cultivar AC-Barrie, the BF and MBF models performed poorly. Average predicted times from planting to anthesis by NDGDD, GDD0, GDD5, BF, and MBF models were 63, 63, 62, 65, and 64 d, respectively; while the actual observed time was 60 d. Root-mean-square error (RMSE) for NDGDD was 4 d, 5 d for GDD0 and GDD5, and 6 d for BF and MBF. These findings suggest that simple GDD-based models performed better than more complex BF-based models.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».