Barley, Canola and Spring Wheat Yield Throughout the Canadian Prairies Under the Effect of Climate Change
Notice bibliographique
Résumé
Climate change is expected to have significant effects on crop yield in the Canadian Prairies. The objective of this study was to investigate these possible effects on spring wheat, barley and canola production using the Decision Support System for Agrotechnology Transfer (DSSAT) modelling platform. We applied 21 climate change scenarios from high-resolution (0.22°) regional simulations to three modules, DSSAT-CERES-Wheat, DSSAT-CERES-Barley and CSM-CROPGRO-Canola, using a historical baseline period (1985–2014) and three future periods: near (2015–2040), middle (2041–2070), and far (2071–2100). These simulations are part of CMIP6 (Coupled Model Intercomparison Project Phase 6) and have been processed using statistical downscaling and bias correction by the NASA Earth Exchange 26 Global Daily Downscaled Projections project, referred to as NEX-GDDP-CMIP6. The calibration and validation results surpassed the thresholds for a high level of accuracy. Simulated yield changes indicate that climate change has a positive effect on spring wheat and barley yields with median model increases of 7% and 11.6% in the near future, and 5.5% and 9.2% in the middle future, respectively. However, in the far future, barley production shows a modest increase of 4.4%, while spring wheat yields decline significantly by 17%. Conversely, simulated canola yields demonstrate a substantial decrease over time, with reductions of 25.9%, 46.3%, and 62.8% from the near to the far future, respectively. Agroclimatic indices, such as Number of Frost-Free Days (NFFD), Heating Degree-Days (HDD), Length of Growing Season (GSL), Crop Heat Units (CHU), and Effective Growing Degree Days (EGDD), exhibit significant correlations with spring wheat. Conversely, precipitation indices, such as very wet days and annual 5- and 10-day maximum precipitation, have a stronger correlation with canola yield changes when compared with temperature indices. The results provide key guidance for policymakers to design adaptation strategies and sustain regional food security and economic resilience, particularly for canola production, which is at significant risk under projected climate change scenarios across the Canadian Prairies.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».