Simulating the Response of Red Bean Yield to Deficit Irrigation and Plant Densities by Applying the Rbean Model
Notice bibliographique
Résumé
The Rbean Model was simulated for deficit irrigation conditions and plant density by using experimental data collected over two consecutive years regarding the cultivation of red bean in the Badjgah region of Shiraz, Iran. A split plot arrangement was conducted in a complete randomized block design during two years. The foremost variable was four levels of irrigation including 60 (I4), 80 (I3), 100 (I2), and 120% (I1) of the potential evapotranspiration under surface irrigation. A second variable was the spacing of 5 cm (S1), 10 cm (S2) and 15 cm (S3) between the plants within each row, and the distance of 30 cm between the rows. The experiment layout was conducted in three replications. Results of the first and second growing seasons of red bean (phaseolus vulgaris L. cv. Akhtar) were used for the calibration and validation of the Rbean model, respectively. According to the NRMSE and the d value indices, the Rbean model presented a very good to fair estimation of actual evapotranspiration, soil water content, canopy cover, dry matter, crop yields and water productivity (WP). The advantage of this model is its simplicity and easy calibration in a range of climatic conditions for the cultivation of bean crop. The prediction of bean yield by this model can be used for a better irrigation management under different plant densities.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».