MétaCan
Menu
Retour à la cohorte
Enregistrement W3137235415 · doi:10.2166/wcc.2021.248

Risk assessment of possible impacts of climate change and irrigation on wheat yield and quality with a modified CERES-Wheat model

2021· article· en· W3137235415 sur OpenAlexaboutno aff
Jianchao Liu, Wenbin Yao, Meijun Jiang

Notice bibliographique

RevueJournal of Water and Climate Change · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDownscalingEnvironmental scienceClimate changeYield (engineering)IrrigationPrecipitationClimatologyRepresentative Concentration PathwaysClimate change scenarioAgronomyClimate modelAtmospheric sciencesMeteorologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract The effects of climate change on yield and quality in different climate regions have high uncertainty. Risk assessment is an effective measure to assess the seriousness of the projected impacts for decision-makers. A modified quality model was used to simulate integrated impacts of climate change, environment, and management on wheat yield and quality. Then, the Canadian Earth System Model version 5 (CanESM5) was used to forecast the daily meteorological data, and the Statistical Downscaling Model (SDSM V5.2) was used for downscaling. The modified CERES-Wheat was combined with the forecasted meteorological data to simulate the future wheat yield and grain protein concentration (GPC). The risk to wheat yield and quality in three climatic regions in Northwest China under two climate change scenarios of the CanESM5 was assessed. The average temperature increased by 0.22–3.34 °C, and precipitation increased by 10–60 mm from 2018 to 2100. Elevated temperature and precipitation had positive effects on the yields. The risk to yield in most regions with climate change decreased by 3.8–25.1%. The risk to GPC in all regions with climate change decreased by 7.3–27.2%. Irrigation decreased the risk to yield greatly but had different effects in the three climatic regions. The risk to yield with irrigation decreased by 37.7–52.1%. In contrast to previous studies, in this study, the risk to GPC with irrigation substantially increased by 25.8–28.9% in humid regions and 3.9–8.8% in subhumid regions and decreased by 37.7–52.1% in semiarid regions. The irrigation should be discreetly applied for different climatic regions to combat climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,125
Tête enseignante GPT0,314
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water and Climate ChangeMême sujetClimate change impacts on agricultureTravaux en français237 207