Hi-sAFe: A 3D Agroforestry Model for Integrating Dynamic Tree–Crop Interactions
Notice bibliographique
Résumé
Agroforestry, the intentional integration of trees with crops and/or livestock, can lead to multiple economic and ecological benefits compared to trees and crops/livestock grown separately. Field experimentation has been the primary approach to understanding the tree–crop interactions inherent in agroforestry. However, the number of field experiments has been limited by slow tree maturation and difficulty in obtaining consistent funding. Models have the potential to overcome these hurdles and rapidly advance understanding of agroforestry systems. Hi-sAFe is a mechanistic, biophysical model designed to explore the interactions within agroforestry systems that mix trees with crops. The model couples the pre-existing STICS crop model to a new tree model that includes several plasticity mechanisms responsive to tree–tree and tree–crop competition for light, water, and nitrogen. Monoculture crop and tree systems can also be simulated, enabling calculation of the land equivalent ratio. The model’s 3D and spatially explicit form is key for accurately representing many competition and facilitation processes. Hi-sAFe is a novel tool for exploring agroforestry designs (e.g., tree spacing, crop type, tree row orientation), management strategies (e.g., thinning, branch pruning, root pruning, fertilization, irrigation), and responses to environmental variation (e.g., latitude, climate change, soil depth, soil structure and fertility, fluctuating water table). By improving our understanding of the complex interactions within agroforestry systems, Hi-sAFe can ultimately facilitate adoption of agroforestry as a sustainable land-use practice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».