Application of DSSAT Model to Simulate Corn Yield under Long-Term Tillage and Residue Practices
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
<abstract> Long-term (1991-2013) field experiments were conducted to study the effects of different tillage and residue management practices on grain corn production in eastern Canada. Three different tillage practices, namely conventional tillage (CT), reduced tillage (RT), and no tillage (NT), along with two residue management practices, namely with residue (R) and without residue (NR), were considered. Field measurements of grain yield, biomass, soil organic carbon (SOC), soil moisture, and mineral nitrogen were used to evaluate the performance of the DSSAT model and to understand the impacts of long-term tillage and residue management practices. The observed corn yield, biomass, LAI, and nitrate-nitrogen (NO<sub>3</sub>-N) were not found to be significantly different under the various tillage and residue practices. The observed soil moisture showed a significant difference in the upper 10 cm soil layer. The SOC pool at 0-20 cm depth was reduced by 9.5% for CT and increased by 17.3% and 7.6% for RT and NT treatments, respectively. The DSSAT model was able to simulate corn and biomass yield, LAI, soil moisture, and SOC with RMSE ranging from 2% to 31%, indicating reasonable model performance. The model did not provide accurate results for NO<sub>3</sub>-N and soil moisture simulations, with RMSE ranging from 34% to 78%. Further improvements in the model are needed to better simulate soil moisture and N dynamics under different tillage and residue practices.
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 | 0,000 |
| 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