MétaCan
Menu
Retour à la cohorte
Enregistrement W3083945973 · doi:10.32393/csme.2020.1166

Potatoes Sustainability in Prince Edward Island

2020· article· en· W3083945973 sur OpenAlexaffabout
Junaid Maqsood, Aitazaz A. Farooque, Farhat Abbas

Notice bibliographique

RevueProgress in Canadian Mechanical Engineering. Volume 3 · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésSustainabilityGeographyEnvironmental ethicsHistoryEcologyPhilosophyBiology

Résumé

récupéré en direct d'OpenAlex

Potato is the major food crop in Prince Edward Island, Canada and agriculture is highly dependent on local weather and climate especially in rain-fed areas. This research focuses on finding different climate extreme indices for growing season (May-October) and examining their impacts on tuber yield in Island. Changing patterns of different temperature and precipitation extreme indices for 30 years period from data of five meteorological stations (East Point, Charlottetown, New Glasgow, Summerside and Alberton) were calculated using ClimPACT2. Statistically significance of the trends and their slope magnitude were determined by using Mann-Kendall test and Sen's slope estimates respectively. Data of the selected meteorological stations were averaged to calculate the climate extreme indices for the whole Island. There were increasing trends at most of the stations for continuous dry days, warm and warmest nights, summer days, tropical nights and decreasing trends for total precipitation, daily temperature range, frost days, cold days and cold nights. The patterns of climate extreme indices in the growing season helped in examining the effects of the climate change on tuber yield. The stepwise regression (forward selection) model showed that 43.99% of tuber yield variance was attributed to Continuous Dry Days (CDD), Daily Temperature Range (DTR), Daily Maximum Temperature (TXx) and Tropical Nights (TR) climatic factors.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,522
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,010
Tête enseignante GPT0,226
Écart entre enseignants0,216 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProgress in Canadian Mechanical Engineering. Volume 3Même sujetPotato Plant ResearchTravaux en français237 207