MétaCan
Menu
Retour à la cohorte
Enregistrement W4408252755 · doi:10.1016/j.agwat.2025.109417

Potential deficit irrigation adaptation strategies under climate change for sustaining cotton production in hyper–arid areas

2025· article· en· W4408252755 sur OpenAlex
Xiaoping Chen, Haibo Dong, Zhiming Qi, Dongwei GUI, Liwang Ma, Kelly R. Thorp, Robert W. Malone, Hao Wu, Bo Liu, Shaoyuan Feng

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAgricultural Water Management · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueResearch in Cotton Cultivation
Établissements canadiensMcGill University
Organismes subventionnairesNatural Science Foundation of Jiangsu Province
Mots-clésAridDeficit irrigationIrrigationProduction (economics)Adaptation (eye)Climate changeEnvironmental scienceClimate change adaptationWater resource managementSemi-arid climateAgroforestryIrrigation managementEconomicsAgronomyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Affected by climate change and elevated atmospheric CO 2 levels, the efficacy of agricultural management practices is of particular concern in a hyper–arid area. The effects of future climate change on cotton ( Gossypium hirsutum L.) yield and water productivity (WP) were assessed under deficit irrigation strategies in China’s southern Xinjiang region. A previously calibrated and validated RZWQM2 model simulated cotton production for two time periods ranging between 2061–2080 and 2081–2100, under automatic irrigation method based on crop plant available water, factorially combined with four irrigation levels (100 %, 80 %, 60 %, and 50 %). Weather data was obtained from ten general circulation models, and two Shared Socioeconomic Pathways were tested. Deficit irrigation under climate change showed a simulated decrease in water use and production of cotton compared to the baseline (1960–2019). For the 2061–2080 period, mean simulated seed cotton yields were 4.43, 4.44, 3.95 and 3.47 Mg ha –1 ( vs. baseline: 4.65, 4.40, 3.58, 2.63 Mg ha −1 ) with the 100 %, 80 %, 60 % and 50 % irrigation levels. A 3.4 %-28.6 % of decrease ( vs. baseline) in seed cotton yield was found under SSP585 scenario in 2081–2100. The 80 %PAW–based irrigation provided the highest WP of 12.8 kg m –3 and 8.4 kg m –3 for 2061–2080 and 2081–2100, respectively, comparing to the baseline WP of 0.82 kg m –3 . Under SSP585 for 2081–2100, the simulated WP declined from 0.19 kg m –3 at 100 % irrigation levels to 0.04 kg m –3 at 50 % irrigation levels. These projections suggests that adequate irrigation is the key to ensure cotton production and moderate deficit irrigation can be applied to mitigate the negative impacts of climate change on cotton yield in a hyper–arid area. • Deficit irrigation reduced cotton yield by 3 %-38 % under climate change. • Deficit irrigation increased cotton water productivity by 4.8 %-12.8 % under SSP245 scenario. • Water productivity decreased by 8.5 %-22 % under SSP585 for the 2081–2100. • The optimal cotton water use was 479–500 mm under climate change in hyper–arid areas.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,920
Score d'incertitude au seuil0,259

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 savante0,0000,001
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 Opus0,045
Tête enseignante GPT0,271
Écart entre enseignants0,226 · 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