MétaCan
Menu
Retour à la cohorte
Enregistrement W7139958713 · doi:10.57935/agr.29486213

Experimental and simulated data for crop and grassland production and carbon-nitrogen fluxes

2025· article· W7139958713 sur OpenAlexaboutno aff
Renáta Sándor, Fiona Ehrhardt, Peter Grace, Sylvie Recous, Pete Smith, Val Snow, Jean-François Soussana, Bruno Bartelle Basso, Arti Bhatia, Lorenzo Brilli, Jordi Doltra, Christopher D. Dorich, Luca Doro, Nuala Fitton, Brian Grant, Matthew Tom Harrison, Miko Kirschbaum, Katja Klumpp, Patricia Laville, Joël Léonard, Raphaël Martin, Raia Silvia Massad, Andrew Moore, Vasileios Myrgiotis, Elizabeth Pattey, Susanne Rolinski, Joanna Sharp, Ute Skiba, Ward Smith, Lianhai Wu, Qing Zhang, Gianni Bellocchi

Notice bibliographique

RevueAgResearch · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrasslandPrimary productionGrassland ecosystemCropEcosystemStanding cropEcosystem modelGrowing season

Résumé

récupéré en direct d'OpenAlex

Multi-year datasets from field experiments and simulations at five agricultural sites in the Northern Hemisphere were developed for three cropland sites in Ottawa (Canada), Grignon (France) and Delhi (India) and two grassland sites at Laqueuille (France) and Easter Bush (UK). The cropland sites have rotations with wheat, triticale, maize, rapeseed, soybean, phacelia and rice, as well as periods of bare fallow. Cattle (Laqueuille) or mixed cattle and sheep (Easter Bush) graze in the two grassland sites. Field data were collected between 2003 and 2012 for three to eight years, including grain yield/above‐ground net primary productivity, nitrous oxide emissions, carbon fluxes (gross primary production, net ecosystem exchange, ecosystem respiration), together with daily weather data (solar radiation, maximum and minimum temperatures, precipitation, wind speed, relative humidity, vapour pressure), soil properties, and records of crop and grassland management. Simulated outputs are from 23 models: 11 crop models, eight grassland models and four models simulating both 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil0,522

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,374
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgResearchMême sujetClimate change impacts on agricultureTravaux en français237 207