Silver lining to a climate crisis in multiple prospects for alleviating crop waterlogging under future climates
Notice bibliographique
Résumé
Extreme weather events threaten food security, yet global assessments of impacts caused by crop waterlogging are rare. Here we first develop a paradigm that distils common stress patterns across environments, genotypes and climate horizons. Second, we embed improved process-based understanding into a farming systems model to discern changes in global crop waterlogging under future climates. Third, we develop avenues for adapting cropping systems to waterlogging contextualised by environment. We find that yield penalties caused by waterlogging increase from 3-11% historically to 10-20% by 2080, with penalties reflecting a trade-off between the duration of waterlogging and the timing of waterlogging relative to crop stage. We document greater potential for waterlogging-tolerant genotypes in environments with longer temperate growing seasons (e.g., UK, France, Russia, China), compared with environments with higher annualised ratios of evapotranspiration to precipitation (e.g., Australia). Under future climates, altering sowing time and adoption of waterlogging-tolerant genotypes reduces yield penalties by 18%, while earlier sowing of winter genotypes alleviates waterlogging by 8%. We highlight the serendipitous outcome wherein waterlogging stress patterns under present conditions are likely to be similar to those in the future, suggesting that adaptations for future climates could be designed using stress patterns realised today.
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 | 0,002 | 0,002 |
| 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 | 0,007 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».