Optimizing irrigation scheduling for winter wheat using the AquaCrop model in Xinjiang, China
Notice bibliographique
Résumé
Introduction: Establishing an appropriate irrigation schedule is fundamental for the sustainable management of agricultural water resources, effectively alleviating water scarcity and ensuring regional food security. Methods: In this study, the AquaCrop model was calibrated and validated using field experimental data of winter wheat collected from 2022 to 2024. Irrigation schedules for three typical rainfall years-wet, normal, and dry-were determined, and a multi-objective optimization approach was proposed by coupling the AquaCrop model with the entropy weight method. Results: The results showed that the AquaCrop model accurately simulated canopy cover, aboveground biomass, soil water storage, and yield of winter wheat. To achieve the maximum yield, 15, 16, and 18 irrigation events were required in wet, normal, and dry years, respectively, with an irrigation quota of 30 mm per event and a lower soil water content threshold maintained at 50% of readily available water (RAW). In contrast, when the objective shifts from maximizing yield to maximizing water use efficiency (WUE), the highest WUE was achieved with 3, 4, and 5 irrigations in wet, normal, and dry years, respectively, with RAW thresholds of 90%, 90%, and 80%, and an irrigation quota of 80 mm. When considering multi-objective optimization to minimize irrigation water while maximizing yield and WUE, the recommended irrigation schedules were 3 irrigations for wet years and 4 irrigations for both normal and dry years, with RAW thresholds of 90%, 90%, and 110%, respectively, and an irrigation quota of 80 mm. Discussion: The findings provide a theoretical basis and technical support for developing optimized irrigation schedules and making informed irrigation decisions for winter wheat in arid regions.
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) | 0,001 | 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 ».