MétaCan
Menu
Retour à la cohorte
Enregistrement W2782450267 · doi:10.2134/agronj2017.02.0076

Simulated Canola Yield Responses to Climate Change and Adaptation in Canada

2018· article· en· W2782450267 sur OpenAlexaffabout
Budong Qian, Qi Jing, Gilles Bélanger, Jiali Shang, Ted Huffman, Jiangui Liu, Gerrit Hoogenboom

Notice bibliographique

RevueAgronomy Journal · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNitrogen and Sulfur Effects on Brassica
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésCanolaSeedingClimate changeEnvironmental sciencePrecipitationYield (engineering)AgronomyBrassicaCrop yieldBaseline (sea)ClimatologyGeographyMeteorologyBiologyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Core Ideas Responses of canola to climate change in Canada were simulated using a crop model. An overall negative impact of climate change on canola yield was simulated. Yield reductions are due to the increased heat stress and/or water stress. The effects of earlier seeding could be very limited as an adaptation measure. Developing canola cultivars tolerant to heat and water stresses is an urgent need. A projected future warmer climate implies significant impacts on canola (Brassica napus L.) production in Canada. We aimed to use a modeling approach to simulate climate change impacts on canola yield in Canada and to evaluate potential adaptation measures. The CSM‐CROPGRO‐Canola model was used to simulate the responses of canola to the projected climate change at Brandon on the Prairies, and West Nipissing and Normandin in eastern Canada. Future climate scenarios for the near (2041–2070) and distant (2071–2100) future under two representative concentration pathways (RCP4.5 and RCP8.5) were developed based on climate change simulations by a regional climate model CanRCM4. Seeding dates were estimated from air temperature, precipitation, and soil moisture to account for the potential of earlier seeding as an adaptation measure. Compared to the baseline climate, simulated seed yield reduction was 42, 21, and 24% in the near future and of 37, 27, and 23% in the distant future, under RCP4.5, respectively for Brandon, West Nipissing, and Normandin. A larger reduction was simulated under RCP8.5, especially in the distant future at Brandon and West Nipissing. The simulated seed yield reduction was associated with increases in heat and water stresses under rainfed conditions with current N fertilizer application rates. Coping with heat and water stresses is a big challenge for canola production in Canada under the projected climate change, especially on the Canadian Prairies.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,242
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'étudeSimulation ou modélisation
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

Citations77
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetNitrogen and Sulfur Effects on BrassicaTravaux en français237 207