MétaCan
Menu
Retour à la cohorte
Enregistrement W2514796543 · doi:10.1139/cjps-2016-0053

Will summer fallow re-emerge in the Dark Brown soil zone of the Canadian Prairie as a response to net return risk?

2016· article· en· W2514796543 sur OpenAlexafffundvenueabout
Danny LeRoy, Elwin G. Smith, Phyllis Maccallum, H. H. Janzen

Notice bibliographique

RevueCanadian Journal of Plant Science · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Lethbridge
Organismes subventionnairesAlberta Agriculture and Forestry
Mots-clésCrop rotationSummer fallowForageAgronomyLegumeAgricultureManureLivestockMathematicsEnvironmental scienceGeographyCropBiologyEcologyForestryCropping

Résumé

récupéré en direct d'OpenAlex

We assessed the extent to which summer fallow in the Dark Brown soil zone is likely to return as a response to net return (NR) risk. An economic model was used to identify, delineate, and quantify the effects of changes in product prices and input costs on the long-term economic performance of cereal, legume forage, and legume green manure rotations, based on a long-term study at the Agriculture and Agri-Food Canada, Lethbridge Research and Development Centre in Lethbridge, Alberta. The analysis determined NR from the rotations and simulated NR in a stochastic risk model. Each rotation had a different yield distribution and cost profile. The NR risk for the rotations was evaluated using stochastic efficiency with respect to a function. A risk-free return was computed to rank the rotations. Continuous fertilized wheat was the most profitable crop rotation, followed by three-year rotations with fallow and either nitrogen fertilized wheat or livestock manure applied after fallow. Rotations with higher NR used less fallow but had higher risk. Summer fallow is unlikely to re-emerge as only rather risk averse and very risk averse growers would use summer fallow as a means of reducing NR risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,426
Score d'incertitude au seuil0,856

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,209
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2016
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetAgricultural risk and resilienceTravaux en français237 207