MétaCan
Menu
Retour à la cohorte
Enregistrement W4254944612 · doi:10.33140/eesrr.03.03.13

Is Diminishing Solar Activity Detrimental to Canadian Prairie Agriculture?

2020· article· en· W4254944612 sur OpenAlexaboutno aff

Notice bibliographique

RevueEarth & Environmental Science Research & Reviews · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrecipitationEnvironmental scienceGrowing degree-dayPacific decadal oscillationCanolaClimate changeArctic foxAtmospheric sciencesGrowing seasonArcticClimatologyEl Niño Southern OscillationAgronomyPhenologyGeographyMeteorologyGeologyOceanographyBiology

Résumé

récupéré en direct d'OpenAlex

During the grain growing months of May-July, the mean temperature on the Canadian prairies has cooled down by 2ºC in the last 30 years. The cooling appears to be most certainly linked to diminishing solar activity as the Sun approaches a Grand Solar Minimum in the next decade or so. This cooling has led to a reduction in Growing Degree Days (GDDs) and has also impacted the precipitation pattern. The GDDs in conjunction with mean temperature and precipitation are important parameters for the growth of various grains (wheat, barley, canola etc.) on the prairies. In this study, we investigate the impact of declining GDDs and associated temperature and precipitation patterns on Prairie grain yields and quality. Our analysis shows that there has been a loss of about 100 GDDs over the time frame of 1985-2019. The loss in GDDs is also linked to some of the large-scale Atmosphere-Ocean parameters like the Pacific Decadal Oscillation (PDO), North Pacific Index (NPI) and Arctic Oscillation (AO). Our analysis suggests grain yield and quality could be significantly impacted in the coming years as solar activity continues to diminish.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,020
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,172
Tête enseignante GPT0,348
Écart entre enseignants0,176 · 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'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'admission1
Résumé présentoui

Explorer davantage

Même revueEarth & Environmental Science Research & ReviewsMême sujetClimate change impacts on agricultureTravaux en français237 207