MétaCan
Menu
Retour à la cohorte
Enregistrement W4401621789 · doi:10.1002/agj2.21654

Simulating the development and growth of lentil using the CSM‐CROPGRO model

2024· article· en· W4401621789 sur OpenAlexafffundabout
Qi Jing, Kenneth J. Boote, Kui Liu, Gerrit Hoogenboom, Jeffrey W. White, Ward Smith, Guillaume Jégo, Brian Grant, Marianne Crépeau, Jiali Shang, Jiangui Liu, Aston Chipanshi, Budong Qian

Notice bibliographique

RevueAgronomy Journal · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésAgronomyCroppingCropDSSATEnvironmental scienceCrop simulation modelBiomass (ecology)AdaptabilityVicia fabaCropping systemMathematicsBiologyAgricultureEcology

Résumé

récupéré en direct d'OpenAlex

Abstract The pulse crop lentil (Lens culinaris Medik.) is often grown in crop rotations to provide nitrogen (N) and water benefits for subsequent crops. Lentil yields vary greatly with environmental factors and management. A reliable crop model for lentil could assist efforts to assess the effects of management practices to mitigate environmental stresses and maximize lentil yields. However, few crop models simulate the development and growth of lentil. In this study, we adapted the CSM‐CROPGRO model in the Decision Support System for Agrotechnology Transfer to simulate lentil development and growth based on data collected from six experiments conducted from 2001 to 2021 globally. The initial parameter values taken from faba bean (Vicia faba L.) were modified based on reported information and analysis of observed data. Those values were fine‐tuned to minimize the gaps between the simulated and observed crop attributes. The model simulated well development stages with root mean square error (RMSE) of 4 days and aboveground biomass with normalized root mean square error (nRMSE ≤ 23%). Seed yields were generally well simulated across experiments in calibration and validation (nRMSE = 19%) datasets, except for overestimation under the humid environment of Quebec in Canada, which may have resulted from excessive vegetative growth. The underlying mechanisms leading to excessive vegetative growth need to be explored further and included in the model for evaluating the adaptability of lentils to specific regions. Overall, the CSM‐CROPGRO‐Lentil model is ready for simulating lentil production under various scenarios, which may identify ways to improve the productivity and resiliency of cropping systems that include lentil.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,222

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,077
Tête enseignante GPT0,270
Écart entre enseignants0,193 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetClimate change impacts on agricultureTravaux en français237 207