Climate change impacts on Canadian yields of spring wheat, canola and maize for global warming levels of 1.5 °C, 2.0 °C, 2.5 °C and 3.0 °C
Notice bibliographique
Résumé
Abstract Science-based assessments of climate change impacts on cropping systems under different levels of global warming are essential for informing stakeholders which global climate targets and potential adaptation strategies may be effective. A comprehensive evaluation of climate change impacts on Canada’s crop production under different levels of global warming is currently lacking. The DayCent, DNDC and DSSAT models were employed to estimate changes in crop yield and production for three prominent crops including spring wheat, canola and maize in current agricultural regions of Canada. Four warming scenarios with global mean temperature changes of 1.5 °C, 2.0 °C, 2.5 °C and 3.0 °C above the pre-industrial level were investigated. Climate scenarios from 20 Global Climate Models, included in the Coupled Model Intercomparison Project Phase 5 and downscaled with a multivariate quantile mapping bias correction method, were used to drive the crop simulation models. Simulated yield changes demonstrate a potentially positive impact on spring wheat and canola yields at all four temperature levels, particularly when shifting planting date is considered in the simulations. There was less consensus for the currently utilized short-season maize cultivars, as yields were only projected to increase by DNDC compared to a slight decrease by DayCent and a slight increase up to 2.5 °C followed by a decrease at 3.0 °C by DSSAT. These findings indicate that climate at the global warming levels up to 3.0 °C above the pre-industrial level could be beneficial for crop production of small grains in Canada. However, these benefits declined after warming reached 2.5 °C.
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 ».