MétaCan
Menu
Retour à la cohorte
Enregistrement W2745636227 · doi:10.1111/cjag.12149

Crop Yield Response to Climate Variables on Dryland versus Irrigated Lands

2017· article· en· W2745636227 sur OpenAlexafffundvenueabout
Wei Lu, Wiktor Adamowicz, Scott R. Jeffrey, Greg G. Goss, Monireh Faramarzi

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensUniversity of AlbertaAlberta Energy
Organismes subventionnairesAgriculture and Agri-Food CanadaGoddard Space Flight CenterAlberta InnovatesAlberta Agriculture and Forestry
Mots-clésEnvironmental scienceClimate changeCanolaAgronomyPrecipitationIrrigationDryland farmingAgricultureCrop yieldCropAgroforestryGeographyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Key Points We examine the response of barley, canola, and spring wheat yields to a set of climate variables on both dryland and irrigated lands in southern Alberta, Canada. We find that warming and increased precipitation tend to increase crop yields on dryland, increased precipitation in June and July tends to show opposite effects on crop yields on irrigated lands. Based on regional climate change projection scenarios, we find that climate change decreases crop yields for all the three crops under dryland production. However, yields of canola and spring wheat under irrigation are slightly increased. Few researchers have examined the impact of climate change on irrigated agriculture and crop production. This may be due to an assumption by researchers that irrigation management can offset impacts of climate change. We investigate this issue by examining the response of barley, canola, and spring wheat yields to a set of climate variables on both dryland and irrigated lands in southern Alberta, Canada, with a panel data set at the county level from 1983 to 2007. Our results suggest that warming and increased precipitation tend to increase dryland crop yields, while increased precipitation in June and July tends to show opposite effects on crop yields on irrigated lands. Based on regional projected climate change scenarios, we find that climate change decreases crop yields for all the three crops under dryland production. However, yields of canola and spring wheat under irrigation are increased slightly. Peu de chercheurs se sont penchés sur les impacts des changements climatiques sur l'agriculture irriguée et le rendement des cultures. Il se pourrait que ce soit parce que les chercheurs supposent que les régimes d'irrigation peuvent neutralise les impacts des changements climatiques. Nous examinons cet enjeu en étudiant le rendement de l'orge, du canola et du blé de printemps en fonction de variables climatiques à la fois en sols arides et en sols irrigués au sud de l'Alberta, au Canada avec un ensemble de données de panel provenant des comtés de 1983 à 2007. Les résultats démontrent que le réchauffement et l'augmentation des précipitations semblent accroître le rendement des sols arides mais que cette dernière, lorsqu'elle survient en juin ou juillet, semble engendrer l'effet contraire sur le rendement en sols irrigués. Nous constatons, selon les scénarios hypothétiques de changements climatiques régionaux, une diminution du rendement agricole pour les trois cultures en sols arides. Par contre, le rendement des cultures de canola et de blé de printemps en sols irrigués augmenterait légèrement.

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)0,000
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 enseignants0,907
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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)0,0010,000

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 Opus0,062
Tête enseignante GPT0,212
Écart entre enseignants0,150 · 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

Citations24
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetClimate change impacts on agricultureTravaux en français237 207