Sequence of Workable Days for Mechanized Harvest of Sugarcane in Southern Brazil
Notice bibliographique
Résumé
The probabilities of workable days (WD), as well as probability of having a given sequence of days for sugarcane mechanized harvest in Southern Brazil is a very useful information for planning of such operation. Thus, the aim of this study was to determine the simple and conditional probabilities of WD for the abovementioned field operation in the State of São Paulo, Brazil, by means of the Markov Chain, to define the probabilities of sequences of WD. The number of WD (NWD) was determined for 32 years for ten sites using as criteria soil water holding capacity of 40 mm, rainfall ≤ 3 mm and relative soil water storage ≤ 90%. Based on NWD dataset, the simple probabilities of WD and non-workable (NW) days, as well as the conditional probabilities were determined. Finally, the probability of sequences of WD per ten-day period was obtained by the Markov chain. The results showed that Western, Northwestern and Northern, on average, were more likely to have WD compared to Southern and Eastern regions of the state. In addition, the most likely periods of WD were between April and September, being the first ten-day period of July the one with the highest possible probability (≥ 90%). The probability of having a workable day given that the previous day was workable always remained at a minimum of roughly 50% along with a maximum close to 90% at all assessed sites. Finally, the probability of a sequence of eight or more WD per ten-day period was always below 40% along the year, showing that is difficult to have such a long period available for planning sugarcane mechanized harvest in the assessed locations. Therefore, we recommend that fleets sizing should be defined as a function of NWD in conjunction with the probability of the sequence of WD at a given ten-day period.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».