Potential deficit irrigation adaptation strategies under climate change for sustaining cotton production in hyper–arid areas
Notice bibliographique
Résumé
Abstract Affected by climate change and elevated atmospheric CO2 levels, the efficacy of agricultural management practices is of particular concern in a hyper–arid area. Herein, the effects of future climate change on cotton (Gossypium hirsutum L.) yield and water use efficiency (WUE) was assessed under deficit irrigation strategies in China’s southern Xinjiang region. A previously calibrated and validated RZWQM2 model simulated cotton production for two time periods ranging between 2061–2080 and 2081–2100, under two automatic irrigation methods [crop evapotranspiration (ET–based) and plant available water (PAW–based)], factorially combined with four irrigation levels (100%, 80%, 60%, and 50%). Weather information was obtained from ten general circulation models, and three Shared Socioeconomic Pathways were tested. Simulation results showed that the irrigation strategy had a greater impact than climatic change on water use and crop production of cotton. Under climate change, both ET– and PAW–based irrigation methods with deficit irrigation showed a simulated decrease in water use and production of cotton compared to the baseline (1960–2019). Under future climate conditions, for a given irrigation level, PAW–based irrigation led to 35.3 mm–135 mm (7.4–53.9%) greater water use for cotton than did ET–based irrigation. For the 2061–2080 period, mean simulated seed cotton yields were 4.47, 3.69, 2.29 and 1.63 Mg ha–1 with the 100%, 80%, 60% and 50% ET–based irrigation protocols, respectively, and 4.46, 4.41, 3.85 and 3.34 Mg ha–1 with the equivalent PAW–based irrigation protocols. Similar yields were simulated for the 2081–2100 period. In addition, the 80% PAW–based or 100% ET–based irrigation protocols under future climate change provided the greatest cotton WUE in southern Xinjiang.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».