Modelling Climate Change Impact on Irrigation Water Requirement and Yield of Winter Wheat (Triticum aestivum L.), Barley (Hordeum vulgare L.), and Fodder Maize (Zea mays L.) in the Semi-Arid Qazvin Plateau, Iran
Notice bibliographique
Résumé
It is very important to determine the irrigation water requirement (IR) of crops for optimal irrigation scheduling under the changing climate. This study aimed to investigate the impact of climate change on the future IR and yield of three strategic crops (winter wheat, barley, fodder maize) in the semi-arid Qazvin Plateau, Iran, for the periods 2016–2040, 2041–2065, and 2066–2090. The Canadian Earth System Model (CanESM2), applying IPCC scenarios rcp2.6, rcp4.5, and rcp8.5, was used to project the monthly maximum and minimum temperatures and monthly precipitation of the region. The results indicated that the maximum and minimum temperatures will increase by 1.7 °C and 1.2 °C, respectively, under scenario rcp8.5 in the period 2066–2090. The precipitation will decrease (1%–13%) under all scenarios in all months of the future periods, except in August, September, and October. The IR of winter wheat and barley will increase by 38%–79% under scenarios rcp2.6 and rcp8.5 in the future periods. The increase in the IR of fodder maize will be very slight (0.7%–4.1%). The yield of winter wheat and barley will decrease by ~50%–100% under scenarios rcp2.6 and rcp8.5 in the future periods. The reduction in the yield of maize will be ~4%. Serious attention has to be paid to the water resources management of the region. The use of drought-tolerant cultivars in the region can be a good strategy to deal with the predicted future climatic conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».