Comparing the performance of nutritive value predictions in three timothy models
Notice bibliographique
Résumé
Grasslands are the main source of energy and nutrients in ruminant production systems. Nutritive value of grasslands is in most feeding systems described based on energy, i.e. digestibility and cell wall content, and crude protein content of the feed and plays a significant role in the profitability of these production systems. Timothy (Phleum pratense L.) is a widely used forage grass grown either in pure stands or in mixtures with other forage grasses and legumes in cold-temperate regions of the world. Timothy management practices, including cultivar selection, cutting frequency, and fertilization are adapted to the climate and soil conditions as well as to the animal production system this grass is part of. Models exist that can simulate phenological development, dry matter growth, digestibility and nutritive value of timothy as a function of the weather, soil, and management practices. These models differ in how they represent plant processes related to nutritive value. An analysis of these differences is needed to identify the correct process representation, and requires comparing model outputs against data from experiments conducted under different climate, soil, and management conditions. The overall goal of this study was to compare the ability of three simulation models, BASGRA, CATIMO and STICS, to predict fibre and crude protein concentrations along with digestibility. Datasets covering a wide range of climate and soil conditions, cultivars, and management practices in major timothy grass production regions of Canada, Finland, Norway, and Sweden were used for model calibration and validation. Simulations results were then analysed to better understand the strengths and the weaknesses of the modeling approaches used in the evaluated models.
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 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».