Upscaling modelled crop yields to regional scale: A case study using DSSAT for spring wheat on the Canadian prairies
Notice bibliographique
Résumé
Huffman, T., Qian, B., De Jong, R., Liu, J., Wang, H., McConkey, B., Brierley, T. and Yang, J. 2015. Upscaling modelled crop yields to regional scale: A case study using DSSAT for spring wheat on the Canadian prairies. Can. J. Soil Sci. 95: 49–61. Dynamic crop models are often operated at the plot or field scale. Upscaling is necessary when the process-based crop models are used for regional applications, such as forecasting regional crop yields and assessing climate change impacts on regional crop productivity. Dynamic crop models often require detailed input data for climate, soil and crop management; thus, their reliability may decrease at the regional scale as the uncertainty of simulation results might increase due to uncertainties in the input data. In this study, we modelled spring wheat yields at the level of numerous individual soils using the CERES-Wheat model in the Decision Support System for Agrotechnology Transfer (DSSAT) and then aggregated the simulated yields from individual soils to regions where crop yields were reported. A comparison between the aggregated and the reported yields was performed to examine the potential of using dynamic crop models with individual soils in a region for the simulation of regional crop yields. The regionally aggregated simulated yields demonstrated reasonable agreement with the reported data, with a correlation coefficient of 0.71 and a root-mean-square error of 266 kg ha-1 (i.e., 15% of the average yield) over 40 regions on the Canadian prairies. Our conclusion is that aggregating simulated crop yields on individual soils with a crop model can be reliable for the estimation of regional crop yields. This demonstrated its potential as a useful approach for using crop models to assess climate change impacts on regional crop productivity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».