Towards an improved methodology for modelling climate change impacts on cropping systems in cool climates
Notice bibliographique
Résumé
Assessment of the impact of climate change on agricultural sustainability requires a robust full system estimation of the interdependent soil-plant-atmospheric processes coupled with dynamic farm management. The simplification or exclusion of major feedback mechanisms in modelling approaches can significantly affect model outcomes. Using a biogeochemical model, DNDCv.CAN, at three case-study locations in Canada, we quantified the impact of using commonly employed simplified modelling approaches on model estimates of crop yields, soil organic carbon (SOC) change and nitrogen (N) losses across 4 time periods (1981-2010, 2011-2040, 2041-2070, and 2071-2100). These approaches included using climate with only temperature and precipitation data, annual re-initialization of soil status, fixed fertilizer application rates, and fixed planting dates. These simplified approaches were compared to a more comprehensive reference approach that used detailed climate drivers, dynamic planting dates, dynamic fertilizer rates, and had a continuous estimation of SOC, N and water budgets. Alternative cultivars and rotational impacts were also investigated. At the semi-arid location, the fixed fertilizer, fixed planting date, and soil re-initialization approaches reduced spring wheat (Triticum aestivum L.) yield estimates by 40%, 25%, and 29%, respectively, in the 2071-2100 period relative to the comprehensive reference approach. At both sub-humid locations, the re-initialization of soil status significantly altered SOC levels, N leaching and N runoff in all three time periods from 2011 to 2100. At all locations, SOC levels were impacted when using simplified approaches relative to the reference approach, except for the fixed fertilizer approach at the sub-humid locations. Results indicate that simplified approaches often lack the necessary characterization of the feedbacks between climate, soil, crop and management that are critical for accurately assessing crop system behavior under future climate. We recommend that modellers improve their capabilities of simulating expected changes in agronomy over time and employ tools that consider robust soil-plant-atmospheric processes.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».