Analysis of the Effects of Climate Change on Cotton Production in Maharashtra State of India Using Statistical Model and GIS Mapping
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
Cotton is a prominent cash crop cultivated for fiber, edible oil and oil cake. A global environmental issue, like climate change, alters weather parameters necessary for the healthy growth and development of cotton plants, affecting fiber quality and economic yield. The study aims to illustrate the evidence of climate change in Maharashtra and assess its impact on the production of cotton in this region. The study was conducted in the state of Maharashtra, India. Geographic information system (GIS)-based models were created based on the vector data (geopolitical boundaries of the state of Maharashtra and its districts) and the corresponding raster attributes (meteorological data) to examine the changes in the patterns of distribution of temperature, rainfall and severity of drought (Standardized Precipitation Index-SPI) over the study period (1990 to 2015). Further, a statistical multiple linear regression model was developed using district-wise data on yield and climatic parameters obtained from International Crops Research Institute for the Semi-Arid Tropics (ICRISAT) to estimate the relationship between the dependent variable (yield of cotton) and the independent variables (annual rainfall and annual mean temperature). GIS modeling and mapping provide evidence of changes in the spatial distribution of rainfall and temperature. Although the regression analysis seems weak, it is acceptable for natural systems because natural systems are complex and often highly variable, making it difficult to create a perfect model. The multiple linear regression model shows that such changes in climatic parameters have a significant negative impact on the economic yield of cotton.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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