A CMIP5 Ensemble Assessment Of Durum Wheat Production & Climate Change In North Dakota, Usa
Notice bibliographique
Résumé
In the United States (US), North Dakota is the largest producer of Durum Wheat (Triticum durum), hereinafter referred to as Durum. Durum grain has a high protein content and multiple utilities in food products. We investigated the historical trends in Durum production and yield as influenced by changes in precipitation (precip) and temperature (temp). The study accounted for variations in environmental conditions by running a dynamic crop model in thirteen Durum producing counties.\nThe climate of North Dakota is representative of the highly productive agricultural lands of the Northern Great Plains, encompassing five US states and two Canadian provinces. The Eastern part of North Dakota has a humid continental climate while the western part is semi-arid. Creating a distinct West-to-East precip gradient across the state. Low mean average temps (cir. +4 °C), and high-temp variability lead to the relatively short growing season (cir. 130 days). Combined with limited rainfall (cir. 350 mm in the E and 560 mm in the W), it makes agriculture highly dependent on temp and precip. Accordingly, climate change has a high potential impact on crop production in the region.\nThe ALMANAC crop growth model was used to simulate the production of Durum. Model performance was estimated by comparison of simulated yields with historical observations, and was found satisfactory using the NashâSutcliffe model efficiency coefficient (E) and Coefficient of determination (r2) (< 0.50). Uncertainty in projected future climate is addressed using an ensemble of 17 Global Circulation Models (GCMs) run under four scenarios. GCM output data were further downscaled using MarkSim weather, and daily weather was generated for two 30-year periods, characteristic of the 2020âs and the 2050âs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».