Occurrence of extreme temperature events – A Probable risk on natural rubber cultivation
Notice bibliographique
Résumé
<span style="line-height: 107%; font-family: 'Times New Roman','serif'; font-size: 12pt; mso-bidi-language: HI; mso-fareast-font-family: Calibri; mso-fareast-theme-font: minor-latin; mso-ansi-language: EN-GB; mso-fareast-language: EN-US;" lang="EN-GB">Climate change and occurrence of extreme temperature events were studied in Kottayam, a major rubber growing district in Kerala. Occurrence of extreme temperature events can affect the livelihood of rubber growers apart from the ecological impact. The present study was conducted by analysing the occurrence of extreme temperature events in the past 40 years (1970-2010) using the RClimDex package developed by the Expert Team on Climate Change Detection Monitoring and Indices (ETCCDMI), Canada. Temporal variations in trends of occurrence of extreme temperature events were tested with Mann-Kendall trend analysis. The 5-year diurnal temperature range (DTR, difference between monthly mean maximum and minimum temperatures) increased from 7.8 (during 1970-1974) to 9.2 0C (during 2006-2010). The monthly mean maximum temperature increased by 0.035 0C per year. Frequency of occurrence of hot days increased at a rate of 0.56 per cent per year and the highest temperature recorded in a month showed an increase of 0.038 0C per year. As observed, the increasing trends in the occurrence of extreme temperature events may eventually lead to the warming up of the region in future. The study indicates that the projected warming tendency in the traditional rubber growing regions of India may affect the rubber cultivation adversely.</span>
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 | 0,000 |
| 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 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 ».