Climate change impacts on crop yield, soil water balance and nitrate leaching in the semiarid and humid regions of Canada
Notice bibliographique
Résumé
The impact of climate change on agricultural systems is a major concern as it can have a significant effect on the world food supply. The objective of this study was to evaluate climate change impacts on crop production and nitrate leaching in two distinct climatic zones in Canada. Spring wheat (Triticum aestivum L.) was selected for the semiarid regions of Western Canada (Swift Current, SK) and maize (Zea mays L.) was chosen for the more humid regions of central Canada (Woodslee, ON). Climate scenarios were based upon simulations from a Canadian Regional Climate Model (CanRCM4) under two Representative Concentration Pathways (RCP4.5 and RCP8.5) and crop simulations were conducted using the Decision Support System for Agrotechnology Transfer (DSSAT) model. Compared to the baseline climate scenario, wheat yields increased by 8, 8, 11, 15%, whereas maize yields decreased by 15, 25, 22, 41% under RCP4.5 2050s (2041-2070), RCP4.5 2080s (2071-2100), RCP8.5 2050s and RCP8.5 2080s scenarios, respectively. Annual nitrate leaching increased by 19, 57, 73, 129% at Swift Current and by 84, 117, 208, 317% at Woodslee under the four scenarios, respectively. Adaptation measures suggested that fertilizer N rate for spring wheat should be increased to 80-100 kg N ha-1 to obtain optimal yields although this will result in an additional risk of 5-8 kg N ha-1 nitrate leaching at Swift Current. The fertilizer N rate of 150 kg N ha-1 was found to be suitable for high maize yields at Woodslee. New wheat and maize cultivars with long growing seasons would enable crop growth to match the phenological stage and hence maintain high crop yields to adapt to increased temperatures in the future.
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 | 0,000 | 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 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 ».