Precipitation Irregularity and Solar Radiation Play a Role in Determining Short-Season Soybean Yield
Notice bibliographique
Résumé
Climate change, resulting from increased atmospheric CO2, will affect temperature (T), and precipitation (ppt) amount and regularity. Changes in solar radiation (SR) have been observed in the recent past. Precipitation irregularity (Pir) is a measure of rainfall distribution during a growing season (calculated as the standard error of the slope from regression of cumulative ppt on day of the growing season). We investigated whether Pir and SR contributed to soybean yield. Fourteen short-season cultivars, released from 1930 to 1992, were grown from 1993 to 2019 at Ottawa, Canada. Stepwise multiple linear regression was used to investigate the contribution to seed yield of Pir and SR, and also previously modeled parameters genetic improvement, annual [CO2], and cumulative ppt and average Tmin during the vegetative, flowering and podding, and seed filling growth stages. While SR and Pir did not trend over the years of our study and Pir was not related to growing season ppt, both were significant factors in our model, accounting for 2.5 and 6.5% respectively of the seed yield variability. Ppt during all three stages were similar as they each accounted for 4 to 7% of seed yield variability. We observed contrasting temperature effects where higher Tmin during vegetative and seed filiing reduced yield, while during flowering and podding increased yield. Estimated yield improvement due to elevated [CO2] was 7.8 kg ha-1 ppm-1 and to genetic improvement over time was 7.1 kg ha-1 year-1. Over the extremes of our study we found that Pir could cause up to a 30% yield reduction.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».