Assessing Future Climate Change Impacts on Potato Yields — A Case Study for Prince Edward Island, Canada
Notice bibliographique
Résumé
Crop yields are adversely affected by climate change; therefore, it is crucial to develop climate adaptation strategies to mitigate the impacts of increasing climate variability on the agriculture system to ensure food security. As one of the largest potato-producing provinces in Canada, Prince Edward Island (PEI) has recently experienced significant instability in potato production. PEI’s local farmers and stakeholders are extremely concerned about the prospects for the future of potato farming industries in the context of climate change. This study aims to use the Decision Support System for Agrotechnology Transfer (DSSAT) potato model to simulate future potato yields under the Coupled Model Intercomparison Project Phase 6 (CMIP6) climate scenarios (including SSP1–1.9, SSP1–2.6, SSP2–4.5, SSP3–7.0, and SSP5–8.5). The study evaluates the combined effects of changing climatic conditions at local scales (i.e., warming temperature and changing precipitation patterns) and increasing carbon dioxide (CO2) concentration in the atmosphere. The results indicate future significant declines in potato yield in PEI under the current farming practices. In particular, under the high-emission scenarios (e.g., SSP3–7.0 and SSP5–8.5), the potato yield in PEI would decline by 48% and 60% in the 2070s and by 63% and 80% by 2090s; even under the low-emission scenarios (i.e., SSP1–1.9 and SSP1–2.6), the potato yield in PEI would still decline by 6–10%. This implies that it is important to develop effective climate adaptation measures (e.g., adjusting farming practices and introducing supplemental irrigation plans) to ensure the long-term sustainability of potato production in PEI.
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 | 0,000 | 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 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 ».