Simulation of alfalfa yield with AquaCrop
Notice bibliographique
Résumé
The AquaCrop simulation model, originally designed for annual crops, is expanded here to simulate alfalfa, a perennial forage crop. A new routine was added to the model to mimic the assimilate partitioning between above and below-ground plant parts to account for the utilization of reserves in Spring and for their storage in the Fall. The simulation of the transfer of assimilates requires only three extra crop parameters which makes the model also easy to calibrate. To evaluate the model, yield data collected in Louvain-La-Neuve (Belgium), Isparta (Turkey), and Ottawa (Canada) for different alfalfa cultivars, various years and field and irrigation management strategies were used. To assess the accuracy and robustness of the simple assimilate remobilization process, simulations were run for the three different environments with a common set of crop parameters which were parameterized. The dispersion between the observed and simulated cumulative dry above-ground biomass during the growing cycle was small (r² = 0.97; nRMSE = 11%; Nash-Sutcliffe model EF = 0.97), and a systematic over- or underestimation by the model was not observed (Willmott’s index of agreement, d = 0.99). When evaluating the goodness of fit of the 81 individual harvest events, the results were still very satisfactory although the nRMSE doubled. The simulations indicated that the AquaCrop model adapted to perennial crops and with a novel storage-remobilization routine, could predict well alfalfa yields in various climates and environments, with and without water and fertility stress, and for three different alfalfa cultivars.
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 ».