MétaCan
Menu
Retour à la cohorte
Enregistrement W2407334310 · doi:10.1038/srep25755

An integrated soil-crop system model for water and nitrogen management in North China

2016· article· en· W2407334310 sur OpenAlexaff
Hao Liang, Kelin Hu, William D. Batchelor, Zhiming Qi, Baoguo Li

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensMcGill University
Organismes subventionnairesProgram for Changjiang Scholars and Innovative Research Team in UniversityLeibniz-GemeinschaftNational Natural Science Foundation of China
Mots-clésEnvironmental scienceSoil waterAgronomySoil carbonSoil organic matterSoil scienceHydrology (agriculture)GeologyBiology

Résumé

récupéré en direct d'OpenAlex

An integrated model WHCNS (soil Water Heat Carbon Nitrogen Simulator) was developed to assess water and nitrogen (N) management in North China. It included five main modules: soil water, soil temperature, soil carbon (C), soil N, and crop growth. The model integrated some features of several widely used crop and soil models, and some modifications were made in order to apply the WHCNS model under the complex conditions of intensive cropping systems in North China. The WHCNS model was evaluated using an open access dataset from the European International Conference on Modeling Soil Water and N Dynamics. WHCNS gave better estimations of soil water and N dynamics, dry matter accumulation and N uptake than 14 other models. The model was tested against data from four experimental sites in North China under various soil, crop, climate, and management practices. Simulated soil water content, soil nitrate concentrations, crop dry matter, leaf area index and grain yields all agreed well with measured values. This study indicates that the WHCNS model can be used to analyze and evaluate the effects of various field management practices on crop yield, fate of N, and water and N use efficiencies in North China.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,196
Écart entre enseignants0,188 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations124
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSoil and Unsaturated FlowTravaux en français237 207