MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403088950 · doi:10.1139/cjps-2024-0114

Precipitation and nitrogen management are key drivers of cropping system productivity in the Canadian prairies

2024· article· en· W4403088950 sur OpenAlexaffvenueabout
Guoqi Wen, Kui Liu, Hiroshi Kubota, Gary Peng, Greg Semach, Prabhath Lokuruge, Henry Wai Chau, Mohammad Khakbazan

Notice bibliographique

RevueCanadian Journal of Plant Science · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésCroppingProductivityPrecipitationAgronomyKey (lock)Environmental scienceAgroforestryNitrogenCropping systemAgricultural economicsGeographyBusinessAgricultureEcologyBiologyCropEconomicsChemistryMeteorologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

The performance of cropping systems is a function of crop and management practice interaction in a given growing environment. However, the critical factors affecting productivity remains unclear under varying climate conditions. We conducted a 5 year study at six sites in western Canada to identify the critical factors affecting the productivity, standardized as protein-based yield (PBY), and quantify the relationships between yield and critical factors. We tested six crop rotations, including conventional system (Control), pulse- or oilseed-intensified system (Intensified), diversified system (Diversified), market-driven system (Market-driven), high-risk and potentially high reward system (High-risk), and soil-health enhanced system (Soil-health). The importance index and structural equation modeling were used to identify key factors and explore the underlying relationships among them. Results showed that Market-driven and Diversified rotations outperformed the Control by 2%–6% in PBY, while Soil-health and High-risk yielded 23%–26% lower than the Control. Relative to the Control, all rotations showed an increase trend in PBY over time, with Diversified rotations increasing 13%–28% faster than Market-driven and Intensified rotations. Precipitation and nitrogen (N) management are the primary factors affecting cropping system productivity, explaining 25% and 21% yield variations, respectively. Structural equation modeling analysis revealed that precipitation had a significant indirect effect on yield through affecting biological N fixation of pulse crops, in addition to a significant direct effect. Increasing pulse frequency and rotation complexity mitigated PBY loss by 10%–24% during low rainfall seasons. We recommend integrating pulse crops into cropping systems to enhance N management and mitigate yield loss in low precipitation regions.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,196
Écart entre enseignants0,181 · 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'étudeObservationnel
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

Citations4
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant Science→Même sujetSoil Carbon and Nitrogen Dynamics→Travaux en français237 207→