MétaCan
Menu
Retour à la cohorte
Enregistrement W4399385151 · doi:10.1038/s43247-024-01414-7

Optimal rainfall threshold for monsoon rice production in India varies across space and time

2024· article· en· W4399385151 sur OpenAlexaff
Arabinda Maiti, Md Kamrul Hasan, Srikanta Sannigrahi, Somnath Bar, Suman Chakraborti, Shanti Shwarup Mahto, Sumanta Chatterjee, Suvamoy Pramanik, Francesco Pilla, Jeremy Auerbach, Oliver Sonnentag, Conghe Song

Notice bibliographique

RevueCommunications Earth & Environment · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensUniversité de MontréalCenter for Northern Studies
Organismes subventionnairesNational Science Foundation
Mots-clésMonsoonProduction (economics)Environmental scienceSpace (punctuation)ClimatologyMathematicsGeographyMeteorologyComputer scienceGeologyEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Climate change affects Indian agriculture, which depends heavily on the spatiotemporal distribution of monsoon rainfall. Despite the nonlinear relationship between crop yield and rainfall, little is known about the optimal rainfall threshold, particularly for monsoon rice. Here, we investigate the responses of rice yield to monsoon rainfall in India by analyzing historical rice production statistics and climate data from 1990 to 2017. Results show that excessive and deficit rainfall reduces rice yield by 33.7% and 19%, respectively. The overall optimal rainfall threshold nationwide is 1621 ± 34 mm beyond which rice yield declines by 6.4 kg per hectare per 100 mm of rainfall, while the identifiable thresholds vary spatially across 14 states. The temporal variations in rice yield are influenced by rainfall anomalies featured by El Niño-Southern Oscillation events.

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 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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,793
Score d'incertitude au seuil0,171

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 Opus0,028
Tête enseignante GPT0,250
Écart entre enseignants0,221 · 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'étudeExpérimental (laboratoire)
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

Citations26
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetRice Cultivation and Yield ImprovementTravaux en français237 207