MétaCan
Menu
Retour à la cohorte
Enregistrement W4403424442 · doi:10.13031/ja.15573

Assessment of the Potential Impacts of Climate Change on the Hydrology and Canola Yield Using the DRAINMOD Model

2024· article· en· W4403424442 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of the ASABE · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceCanolaHydrology (agriculture)Yield (engineering)Climate changeSoil and Water Assessment ToolWater resource managementAgronomyGeographyDrainage basinGeologyStreamflowGeotechnical engineeringOceanographyBiology

Résumé

récupéré en direct d'OpenAlex

Highlights Total precipitation and average temperature are projected to increase in the Interlake region of Manitoba. DRAINMOD model results suggest that controlled drainage (CD) would significantly decrease subsurface drainage. Due to dry stress, canola yield is projected to decrease under free drainage (FD) and controlled drainage (CD). Simulation results suggest that capturing, storing, and reusing drainage water could be an adaptive and mitigative strategy for climate change impacts. Abstract. Climate change is a major concern for agricultural production regions like the Canadian Prairies. Therefore, understanding the hydrologic and crop yield response to climate change is important to developing adaptative and mitigative strategies. Downscaled climate model projections from two GCMs for historical (1981-2010), midcentury (2041-2070), and late-century (2071–2100) periods under three representative concentration pathways (RCP2.6, RCP4.5, and RCP 8.5) were used as climate inputs to drive a calibrated and validated DRAINMOD model under two water management scenarios: free drainage (FD) and controlled drainage (CD). Field data, including water table depth, was collected for two canola growing seasons at the PESAI (Prairies East Sustainable Agriculture Initiative) research site in Arborg, Manitoba, Canada. The model was calibrated and validated using the 2019 and 2020 water table depth. The projected changes in the climatic variables showed a slight increase in the mean annual precipitation and the mean temperature across the seasons. DRAINMOD simulation results suggest that CD would significantly decrease subsurface drainage, while water loss through evapotranspiration (ET) and surface runoff are projected to increase considerably under CD and FD. Furthermore, results showed that the relative canola yield would decrease under FD and CD. Stressor analysis showed that canola yield reduction was driven by dry stress due to the projected temperature rise, which outweighs the slight increase in precipitation. Simulation results suggest that the capture, storage, and reuse of drainage water could be an adaptive and mitigative strategy to address the predicted impacts. Keywords: Canola yield, Climate change, DRAINMOD model, Subsurface drainage.

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.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,650
Score d'incertitude au seuil0,178

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,001
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 Opus0,035
Tête enseignante GPT0,271
Écart entre enseignants0,236 · 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