MétaCan
Menu
Retour à la cohorte
Enregistrement W3100076762 · doi:10.2134/agronj2002.3450

Timothy Yield and Nutritive Value by the CATIMO Model

2002· article· en· W3100076762 sur OpenAlexaffabout
Helge Bonesmo, Gilles Bélanger

Notice bibliographique

RevueAgronomy Journal · 2002
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésForageDry matterMean squared errorAnimal scienceAgronomyYield (engineering)MathematicsBiologyStatisticsMaterials science

Résumé

récupéré en direct d'OpenAlex

Growth and nutritive value of forage crops have rarely been integrated into one mechanistic computer simulation model. In a companion paper, we described the growth and N concentration modules of an integrated model of timothy ( Phleum pratense L.) primary growth and nutritive value, known as CATIMO (Canadian Timothy Model). In this paper, we describe the digestibility module, which features the cell wall (CW) digestibility and CW concentration for each of the plant morphological components derived from the growth module of the model. The model parameters were calibrated to key model attributes: concentration and digestibility of CW in leaves, stems, and forage and dry matter (DM) digestibility of leaves, stems, and forage. Calibration measurements were taken weekly on timothy primary growth in four different years at one location (Fredericton, NB, Canada). The model satisfactorily fitted the measured values with root mean square errors of estimation (RMSE) of 0.051 g g −1 DM for forage CW concentration, 0.026 g g −1 CW for forage CW digestibility, and 0.018 g g −1 DM for forage DM digestibility. The leaf and stem CW concentration (RMSE ≤ 0.044 g g −1 DM), CW digestibility (RMSE ≤ 0.019 g g −1 CW), and DM digestibility (RMSE ≤ 0.018 g g −1 DM) were also calculated satisfactorily by the model. The CATIMO model is a promising tool because of its mechanistic and flexible approach and the good agreement between measured and simulated values.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,272
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,030
Tête enseignante GPT0,207
Écart entre enseignants0,177 · 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'étudeSans objet
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

Citations23
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207