Coupling the STICS model and CATIMO equations to simulate the growth and nutritive value of alfalfa
Notice bibliographique
Résumé
Abstract Although alfalfa (Medicago sativa L.) is one of the most cultivated perennial forage crops in the world, little information exists on the possibility of simulating both its growth and nutritive value. Our objectives were to evaluate and improve the performance of the STICS 10.0.0 model in simulating the biomass and leaf area index (LAI) of alfalfa grown in eastern Canada, and the performance of the equations derived from the Canadian timothy model (CATIMO) to predict three attributes of alfalfa nutritive value: neutral detergent fiber (NDF), neutral detergent fiber digestibility (NDFd), and in vitro true digestibility (IVTD) of the dry matter with STICS outputs. STICS was first calibrated, and its performance to simulate the growth of two alfalfa cultivars in spring and summer was evaluated. Leaf and stem biomass outputs from STICS were then used to calibrate and evaluate the CATIMO nutritive value equations. Twenty‐four datasets were used from two cultivars (Oneida VR and Calypso) and five sites in eastern Canada. STICS succeeded in simulating the aboveground biomass (normalized root mean square error [NRMSE] ≤ 27%) and the LAI (NRMSE ≤ 21%). Taproot biomass and aboveground biomass N concentration were also sufficiently well simulated. The new parameterization and modifications of the CATIMO equations allowed the model to accurately simulate the alfalfa nutritive value with NRMSE under or equal to 15%, 11%, and 5% for NDF, NDFd, and IVTD, respectively. STICS, combined with the improved nutritive value equations, is therefore suitable to simulate alfalfa growth and nutritive value in future studies.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».