MétaCan
Menu
Retour à la cohorte
Enregistrement W2507215622 · doi:10.1175/jamc-d-16-0258.1

Analyzing Temperature and Precipitation Influences on Yield Distributions of Canola and Spring Wheat in Saskatchewan

2017· article· en· W2507215622 sur OpenAlexaffabout
Ting Meng, Richard Carew, Wojciech J. Florkowski, Anna M. Klepacka

Notice bibliographique

RevueJournal of Applied Meteorology and Climatology · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésPrecipitationCanolaEnvironmental scienceGrowing seasonClimate changeCrop yieldYield (engineering)CropAgronomyClimatologyGeographyEcologyMeteorologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The IPCC indicates that global mean temperature increases of 2°C or more above preindustrial levels negatively affect such crops as wheat. Canadian climate model projections show warmer temperatures and variable rainfall will likely affect Saskatchewan’s canola and spring wheat production. Drier weather will have the greatest impact. The major climate change challenges will be summer water availability, greater drought frequencies, and crop adaptation. This study investigates the impact of precipitation and temperature changes on canola and spring wheat yield distributions using Environment Canada weather data and Statistics Canada crop yield and planted area for 20 crop districts over the 1987–2010 period. The moment-based methods (full- and partial-moment-based approaches) are employed to characterize and estimate asymmetric relationships between climate variables and the higher-order moments of crop yields. A stochastic production function and the focus on crop yield’s elasticity imply choosing the natural logarithm function as the mean function transformation prior to higher-moment function estimation. Results show that average crop yields are positively associated with the growing season degree-days and pregrowing season precipitation, while they are negatively affected by extremely high temperatures in the growing season. The climate measures have asymmetric effects on the higher moments of crop yield distribution along with stronger effects of changing temperatures than precipitation on yield distribution. Higher temperatures tend to decrease wheat yields, confirming earlier Saskatchewan studies. This study finds pregrowing season precipitation and precipitation in the early plant growth stages particularly relevant in providing opportunities to develop new crop varieties and agronomic practices to mitigate climate changes.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,592
Score d'incertitude au seuil0,292

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 Opus0,020
Tête enseignante GPT0,257
Écart entre enseignants0,237 · 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'étudeObservationnel
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

Citations37
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Meteorology and ClimatologyMême sujetClimate change impacts on agricultureTravaux en français237 207