A cultivar/soil selection protocol for simulating weather impacts on regional crop yield
Notice bibliographique
Résumé
Crop yield simulation can facilitate understanding and support policy response to climate warming. DSSAT modelling is dependable when the crop varieties characterised can manifest realistic yield-responses to weather and hence climate, in a location of interest. We strived to minimise field trial and cultivar calibration resources. Our primary objective was to identify in-built DSSAT cultivars, which when used with representations of local soils can simulate the observed maize and soybean yields of 1987–2016, across 12 counties in Southwestern Ontario. These cultivars/soils were then utilised to disaggregate historic weather contribution to trending yields, but they can otherwise serve climate projection impact studies, as envisioned. Technology had contributed to progressive time-based increases in measured yields. Hence, a mixed nRMSE and r2 factor (MSF ≤ 1) enabled quick and decisive cultivar/soil selections, conditioned on closer matching simulated yield levels and variations with measured. Pio-3563 (maize) and Pio-9202 (soybean) were among the cultivars selected. Northern and southern subregional composites of simulated county yields, from final selections, compared with measured at nRMSE ≤ 0.20 and r2 ≥ 0.53, the best values being nRMSE ≈ 0.08 with r2 ≈ 0.80 (soybean) in the south. Modelling indicated 60% and 52% climate warming contributions to increased maize and soybean yields, respectively, across Southwestern Ontario. These percentages mostly agreed with those of other investigators using statistical methods for weather impact evaluations, which were utilised for final validation of our selections. An additional finding was that northern weather contributed 35%, while southern weather contributed 70% to increased subregional soybean yields.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».