A Farmer’s Account: Case Study on the Effect of Rainfall and Temperature to Grain Cultivation in Southwestern Saskatchewan, Canada
Notice bibliographique
Résumé
The production of cereal, legume and oilseed crops on the prairie region of Canada is largely rainfed, with high variability in the accumulation and timing of precipitation. In turn, the fluctuation of climate imparts change in farming practice. The objective of the current study is to measure the effect of rainfall and temperature on grain yield, based on longitudinal data for multiple crops on a Saskatchewan farming operation. Adjustment was made for days to maturity, fertilizer management, crop inputs, and procedures (e.g., harvest method). Detailed and thorough records of rainfall and farming routine were obtained from a farm operator on different field plots over 33 consecutive growing seasons from 1986 to 2018. The efficacy of multiple adaptive farming practices to crop yield were also evaluated, and included seed treatment, swathing, desiccation, and in-crop spraying of fungicide or pesticide. Statistical models were formulated for the association of these factors to crop yield for canaryseed (Phalaris canariensis L.), canola (Brassica napus L.), lentil (Lens culinaris Medik.) and wheat (Triticum turgidum L.). Results from this study show that temperature and rainfall above the long-term average were negatively associated with wheat yield, although the effect modification between average temperature and cumulative rainfall was positively associated with wheat yield. Over 63% of the observed variation in crop yield was attributable to planting year on this farming operation. Crop diversification is key to mitigate the effects of extreme rainfall and temperature variation on yield in this agroregion.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».