Modeling Crop Water Productivity Using a Coupled SWAT–MODSIM Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study examines the water productivity of irrigated wheat and maize yields in Karkheh River Basin (KRB) in the semi-arid region of Iran using a coupled modeling approach consisting of the hydrological model (SWAT) and the river basin water allocation model (MODSIM). Dynamic irrigation requirements instead of constant time series of demand were considered. As the cereal production of KRB plays a major role in supplying the food market of Iran, it is necessary to understand the crop yield-water relations for irrigated wheat and maize in the lower part of KRB (LKRB) where most of the irrigated agricultural plains are located. Irrigated wheat and maize yields (Y) and consumptive water use (AET) were modeled with uncertainty analysis at a subbasin level for 1990–2010. Simulated Y and AET were used to calculate crop water productivity (CWP). The coupled SWAT–MODSIM approach improved the accuracy of SWAT outputs by considering the water allocation derived from MODSIM. The results indicated that the highest CWP across this region was 1.31 kg·m−3 and 1.13 kg·m−3 for wheat and maize, respectively; and the lowest was less than 0.62 kg·m−3 and 0.58 kg·m−3. A close linear relationship was found for CWP and yield. The results showed a continuing increase for AET over the years while CWP peaks and then declines. This is evidence of the existence of a plateau in CWP as AET continues to increase and evidence of the fact that higher AET does not necessarily result in a higher yield.
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.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle