MétaCan
Menu
Retour à la cohorte
Enregistrement W2998089047

ITK Vigne, a decision-support tool to adapt wine production to climate change, with or without irrigation

2015· preprint· en· W2998089047 sur OpenAlexaff
Philippe Stoop, Aline Bsaibes, Marc Gelly, Hernán Ojeda, Éric Lebon, Christophe Jourdan, W. Trambouze, Frédéric Laget, Gabriel Ruetsch, Loïc Debiolles

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2015
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensInuit Tapiriit Kanatami
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)IrrigationWineClimate changeComputer scienceDecision support systemAgricultural engineeringEngineeringArtificial intelligenceEconomicsGeologyChemistryAgronomyMicroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Climate change is an important challenge for most wine producing countries, since wine quality is closely linked to terroir, an interaction between soil, climate and training method. Hence a change in climate should induce a change in viticultural techniques, if one wants to keep the typicity of his appellation wines. In the Mediterranean region, the evolution towards warmer and drier summers has a strong and generally unfavourable influence on vineyard productivity (i.e.: yield and quality). Optimal vine water status dynamics have been therefore defined to produce distinctive wine profiles. However, the latter approach is rarely implemented in practice, since classical methods to measure grapevine water status are either too tedious or too expensive to be implemented on a large scale.To overcome those limits, a model-based decision support system (DSS), named iTKVigne, has been developed by a consortium led by ITK Company. The models included in this DSS were specifically adapted from former work done by INRA and CIRAD, and have been tested in the field from 2009 to 2013. After an initial calibration, this DSS has proven to be able to provide a very satisfactory estimation of pre-dawn water potential according to the soil, climate and vineyard training method at significantly lower cost than classical techniques. Unlike physical water status measurements, iTKVigne does not only allow a more accurate and water saving irrigation (irrigation quantities are generally reduced by about 15% when compared to current irrigation practices), it also allows adapting the training method according to the desired production objective, for winegrowers who cannot or do not want to irrigate. It may also be used as a tool to forecast on a production objective basis the future water requirements of new irrigation perimeters.

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)0,003
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,004

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 Opus0,056
Tête enseignante GPT0,290
Écart entre enseignants0,234 · 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
GenreMéthodes

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetHorticultural and Viticultural ResearchTravaux en français237 207