Bibliographic record
Abstract
Cette étude a évalué les impacts économiques du changement climatique futur (2010-2039) sur des fermes représentatives dans la production de grandes cultures au Québec à l'aide de modèles de Programmation Linéaire Dynamique Mixte en Nombres Entiers, de Cultivar Référence et Amélioré, et des données de rendements simulés par les modèles de cultures Decision Support System for Agrotechnology Transfer (DSSAT). Quatre scénarios climatiques futurs (Chaud/Sec, Froid/Humide, Médian et le Modèle Régional de Climat Canadien (MRCC) direct 2010-2039), et quatre combinaisons de conditions (avec et sans augmentation de dioxyde de carbone (C02) atmosphérique et limitation en eau) ont été sélectionnés. Les résultats indiquent que les revenus nets des fermes, la production, l'allocation des ressources, la vulnérabilité économique et l'adaptation variaient selon le scénario climatique et la condition, et le type de cultivar (référence ou amélioré) des cultures (mais-grain, blé fourrager, soya et orge) qui ont été considérées. Ils étaient également différents entre les régions (nord, sud) et entre les municipalités d'une même région. La direction et l'importance des impacts étaient amplifiées par les conditions d'augmentation de C02 et la disponibilité de l'eau, et variaient selon les cultures, affectant ainsi la composition des cultures régionales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".