MétaCan
Menu
← Retour à la cohorte
Enregistrement W2985742635 · doi:10.5539/jas.v11n18p63

Models for Estimating Reference Evapotranspiration in Different Periods in Rio Verde, Goiás, Brazil

2019· article· en· W2985742635 sur OpenAlexvenueno aff
P. A. L. de Castro, Gilmar Oliveira Santos, R. G. Diniz

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEvapotranspirationEnvironmental scienceHydrology (agriculture)Hydric soilWater resourcesAgricultureForestryGeographySoil waterEcologySoil science

Résumé

récupéré en direct d'OpenAlex

The water management in irrigated agriculture begins determining the need of water for the culture. Therefore, it was intended to evaluate the performance of the models of estimation reference of evapotranspiration (ETo) with regard to the method Penman-Monteith (PM), standard method, for Brazilian Cerrado Region (tropical grassland/savannah). The climate elements were obtained from the conventional weather station of Rio Verde from January/1972 to December/2016. It was compared the performance of the daily average ETo, during the dry, rainy and annual periods, by the PM method with regard to another 26 methods. Through the coefficient of determination, it was verified the methods of Turc (T) and Radiation-Temperature (RT) approached more to the PM, at any time of the year, being able to replace the standard method. The ETo average in the annual period was 3.8 mm day-1, for the dry period due to the smallest amount of solar radiation, the period submitted lower levels of ETo. The other models in which were used fewer amounts of climate data, they overestimated or underestimated the PM model by up to 57.9% and 60.7% respectively. With the management of water in agriculture, water availability can be increased in the hydric bodies, characterizing it as a tool for water management with the rational use of water resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,184
Score d'incertitude au seuil0,365

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,232
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Science→Même sujetPlant Water Relations and Carbon Dynamics→Travaux en français237 207→