Wheat crop models underestimate drought stress in semi-arid and Mediterranean environments
Notice bibliographique
Résumé
Under climate change and increasingly extreme weather, projections of water demand and drought stress from process-based crop models can inform risk management and adaptation strategies. Previous studies investigating maize crop models demonstrated considerable error in the simulation of water use, and no similar evaluation of wheat crop models exists. The aims of this study were to (1) evaluate wheat crop models’ performance in reproducing observed daily evapotranspiration (ET) for Mediterranean and semi-arid environments, and (2) identify factors and processes associated with model error and uncertainty. These were assessed with an ensemble of wheat crop models for two experiments, one conducted in Bushland, Texas, USA (three seasons, deficit and full irrigation) and another in Avignon, France (four rainfed seasons) with winter bread and durum wheat, respectively. Models were calibrated with all observed data for crop growth. The model ensemble median underestimated water use in all environments evaluated, suggesting a systematic bias. The relative error in underestimating daily ET was constant across levels of atmospheric evaporative demand; therefore, the absolute error was greater for days with larger evaporative demand. This implies errors in the soil water balance increase more rapidly under high evaporative demand conditions. Using a potential versus reference crop evapotranspiration approach did not explain relative model performance. However, the sensitivity analysis indicated that simulation of atmospheric evaporative demand terms explained much more uncertainty in seasonal water use than terms related to soil depth or root growth. Errors in simulated leaf area index were associated with errors in daily simulated ET, but the relationship varied with the growth stage. Collectively, the results suggest the need to improve simulation of atmospheric ET demand to avoid underestimating projected impacts of drought or required water resource availability for viable production systems.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».