MétaCan
Menu
Retour à la cohorte
Enregistrement W4323832803 · doi:10.1016/j.agrformet.2023.109396

Simulation of evapotranspiration and yield of maize: An inter-comparison among 41 maize models

2023· article· en· W4323832803 sur OpenAlexaff
Bruce A. Kimball, Kelly R. Thorp, Kenneth J. Boote, Claudio Stöckle, Andrew E. Suyker, Steven R. Evett, David Bräuer, Gwen G. Coyle, Karen S. Copeland, Gary W. Marek, Paul D. Colaizzi, Marco Acutis, Seyyedmajid Alimagham, Sotirios V. Archontoulis, Babacar Faye, Zoltán Barcza, Bruno Basso, Patrick Bertuzzi, Julie Constantin, Massimiliano De Antoni Migliorati, Benjamin Dumont, J. L. Durand, Nándor Fodor, Thomas Gaiser, Pasquale Garofalo, Sebastian Gayler, Luisa Giglio, R. F. Grant, Kaiyu Guan, Gerrit Hoogenboom, Qianjing Jiang, Soo‐Hyung Kim, Isaya Kisekka, Jon Lizaso, Sara Masia, Huimin Meng, Valentina Mereu, Mukhtar Ahmed, Alessia Perego, Bin Peng, Eckart Priesack, Zhiming Qi, Vakhtang Shelia, Richard L. Snyder, Afshin Soltani, Donatella Spano, Amit Kumar Srivastava, Aimee Thomson, Dennis Timlin, Antonio Trabucco, Heidi Webber, Tobias K. D. Weber, Magali Willaume, Karina Williams, Michael van der Laan, Domenico Ventrella, Michelle Viswanathan, Xu Xu, Wang Zhou

Notice bibliographique

RevueAgricultural and Forest Meteorology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensMcGill UniversityUniversity of Alberta
Organismes subventionnairesOffice of Experimental Program to Stimulate Competitive ResearchCooperative State Research, Education, and Extension ServiceU.S. Department of AgricultureOffice of ScienceMet OfficeU.S. Department of Energy
Mots-clésEvapotranspirationEnvironmental scienceEddy covarianceIrrigation schedulingIrrigationLysimeterTranspirationSimulation modelingHydrology (agriculture)BiometeorologyCrop simulation modelCrop coefficientCanopyCrop yieldAtmospheric sciencesAgronomySoil waterSoil scienceEcosystemEcologyMathematicsGeologyBiology

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil0,200

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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,225
Écart entre enseignants0,205 · 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'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

Citations51
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueAgricultural and Forest MeteorologyMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207