MétaCan
Menu
Retour à la cohorte
Enregistrement W2594349958 · doi:10.1002/joc.5015

Evaluation of climatic variables as yield‐limiting factors for maize in Kansas

2017· article· en· W2594349958 sur OpenAlexfundno aff
Qing Ye, Xiaomao Lin, Eric Adee, Doohong Min, Yared Assefa, Dan O’Brien, Ignacio A. Ciampitti

Notice bibliographique

RevueInternational Journal of Climatology · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésGrowing degree-dayAgronomyIrrigationPrecipitationYield (engineering)Growing seasonClimate changeCropEnvironmental scienceProductivityBiologyPhenologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Kansas is situated from the lower Missouri Basin to the high plains lying along the eastern slope of the Rockies so that distinct climates across the state make crop production systems vulnerable to changes in climate. Based on climatic indices such as growing degree‐day (GDD), extreme degree‐day (EDD), and precipitation (P), this study assessed the sensitivity of maize (Zea mays L.) yield to a changing climate for seven diverse cropping areas from 1981 to 2013 across Kansas. Our results indicated that maize yield increased by 2.4 and 3.4% per annum 100 GDD increase under non‐irrigated (i.e. rainfed) and irrigated environments, respectively. Maize yield positive response to changes in GDD during the pre‐silking period was more significantly pronounced for irrigated environments than rainfed sites. Rainfed yields showed a significantly negative response to EDD (−3.0% per +10 EDD) compared with irrigated environments (−1.2% per +10 EDD). This EDD negative effect was more pronounced during post‐silking growth as compared with the pre‐silking period for both irrigated and non‐irrigated conditions. Yield sensitivity to a unit change of P (mm) was less than the sensitivity to a unit change of GDD (in °C days) and EDD (in °C days) indices. Nonetheless, maize productivity has a positive response to post‐silking P with a greater yield gain at rainfed sites compared with irrigated sites. Irrigation could partially mitigate the effect of extreme heat on maize yield potential. Because the frequency of extreme temperatures and P are predicted to increase in Kansas and the Great Plains region, this study might provide guidelines to farmers, crop consultants, and agronomists to manage maize production thereby providing the ability to mitigate or adapt to climate change impacts.

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)0,001
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 enseignants0,064
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,155
Tête enseignante GPT0,375
Écart entre enseignants0,220 · 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

Citations17
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ClimatologyMême sujetClimate change impacts on agricultureTravaux en français237 207