Development and evaluation of a new Canadian spring wheat sub-model for DNDC
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Kröbel, R., Smith, W. N., Grant, B. B., Desjardins, R. L., Campbell, C. A., Tremblay, N., Li, C. S., Zentner, R. P. and McConkey, B. G. 2011. Development and evaluation of a new Canadian spring wheat sub-model for DNDC. Can. J. Soil Sci. 91: 503-520. In this paper, the ability of the DNDC model (version 93) to predict biomass production, grain yield and plant nitrogen content was assessed using data from experiments at Swift Current, Saskatchewan, and St-Blaise, Quebec, Canada. While predicting wheat grain yields reasonably well, the model overestimated the growth of above-ground plant biomass and nitrogen uptake during the first half of the growing season. A new spring wheat sub-model (DNDC-CSW) was introduced with a modified plant biomass growth curve, dynamic plant C/N ratios and modified plant biomass fractioning curves. DNDC-CSW performed considerably better in simulating plant biomass [modeling efficiency (EF): 0.75, average relative error (ARE): 6.0%] and plant nitrogen content (EF: 0.61, ARE: -2.7%) at Swift Current and St-Blaise (EF of 0.75 and ARE of 2.3%), compared with DNDC 93 (biomass SC: EF 0.49, ARE 17.1%, SB: EF 0.02 ARE 33.4%). In comparison with DNDC 93, DNDC-CSW better captured inter-annual variations in crop growth for a range of wheat rotations, increasing the EF from 0.32 to 0.52 for grain and from 0.35 to 0.39 for straw yields. DNDC-CSW also performed considerably better than DNDC 93 in estimating soil carbon changes at Swift Current. Hence, DNDC-CSW has the potential to improve the performance of DNDC 93 in simulating wheat biomass, plant nitrogen, yield and soil carbon at various Canadian sites.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle