MétaCan
Menu
Retour à la cohorte
Enregistrement W2953841595 · doi:10.1002/joc.6210

Performance of multivariate and multiscalar drought indices in identifying impacts on crop production

2019· article· en· W2953841595 sur OpenAlexafffundabout
M. B. Masud, Budong Qian, Monireh Faramarzi

Notice bibliographique

RevueInternational Journal of Climatology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Livestock and Meat Agency
Mots-clésEnvironmental scienceEvapotranspirationPrecipitationDrynessClimatologyMultivariate statisticsCrop yieldHydrology (agriculture)Physical geographyAgronomyGeographyEcologyGeologyStatisticsMathematicsBiologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract The assessment of drought characteristics often depends on drought indices, geographic location, hydro‐climatic condition, and timescale. In this study, we examined the spatiotemporal characteristics of drought events using the Standardized Precipitation Evapotranspiration Index (SPEI) and the Multivariate Standardized Drought Index (MSDI). We developed a novel framework using hydro‐climatic variables from a high‐resolution process‐based hydrologic model to understand factors that alter drought indices at various timescales, and their impact on crop yields in a large agricultural region of western Canada. These indices were used to quantify droughts for each month of the year by examining 1–12‐month drought timescales in 2255 sub‐basins, simulated in 17 main river basins across Alberta, for 1981–2017. Temporal variations of the Standardized Yield Residuals Series (SYRS) of three major cereal crops (spring wheat, barley, and canola) were analysed for 1981–2017. Drought characteristics resulting from two indices varied due to differences in the input variables and timescales. The MSDI‐based results showed more frequent droughts during the fall and winter for shorter timescales, while the SPEI‐based results showed more during spring and summer. Comparing drought frequencies at the decadal scale, we found more droughts during 1996–2005 than during 1986–1995 and 2006–2015. The spatial evolution of drought events based on the MSDI showed more sub‐basins with increasing dryness during the study period than did results from the SPEI. The relationship between detrended drought indices and the SYRS varied depending on timescale, geographic location, and growth stage of crops. Overall, both indices performed similarly for agricultural impact assessment; however, the MSDI performed better early in the growing season for wheat and barley, indicating high crop production sensitivity to soil moisture deficiency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,322

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,286
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ClimatologyMême sujetHydrology and Drought AnalysisTravaux en français237 207