MétaCan
Menu
Back to cohort
Record W4393900103

Quantifying and modeling crop yields, water and nitrogen fluxes of in situ organic cropping systems

2018· preprint· fr· W4393900103 on OpenAlexaff
Lucia Rakotovololona

Bibliographic record

Venuetheses.fr (ABES) · 2018
Typepreprint
Languagefr
FieldAgricultural and Biological Sciences
TopicAgricultural Economics and Policy
Canadian institutionsImpact
Fundersnot available
KeywordsCroppingIn situEnvironmental scienceNitrogenAgronomyCropCropping systemSoil scienceAgroforestryGeographyEcologyChemistryBiologyAgricultureMeteorology
DOInot available

Abstract

fetched live from OpenAlex

Dans le contexte actuel de changements globaux, faire face au défi multiple et interconnecté de la sécurité alimentaire et des impacts environnementaux s’avère fondamental pour la durabilité des systèmes agricoles. La thèse s’attache ainsi à évaluer les performances agronomiques et environnementales des systèmes en AB, en couplant un suivi expérimental réalisé sur un réseau de 35 parcelles agricoles dans la région Hauts-de-France, avec la modélisation du continuum sol-plante-atmosphère afin de mieux comprendre les processus expliquant les dynamiques de l’eau et de l’azote dans ces systèmes, en vue de promouvoir des pratiques de gestion durables.Dans un premier temps, le drainage d’eau et la lixiviation d’azote ont été quantifiés en couplant les données sol-culture-climat et le modèle LIXIM. L’analyse de la lixiviation des parcelles agricoles a permis de déterminer que les facteurs qui expliquent la variabilité. Outre le fort effet sol et l’importance des conditions climatiques sur le drainage, ils sont principalement liés à la combinaison de précédent cultural et de gestion de la couverture du sol en automne. Ces deux derniers jouent en effet sur la quantité d’azote minéral présent avant la période de drainage et expliquent la position du nitrate dans le profil de sol. Nos résultats ont montré le rôle dichotomique des légumineuses dans les systèmes de grandes cultures en AB, et la faible performance des cultures intermédiaires car semées tardivement en automne dans ce contexte.Dans un second temps, le diagnostic des déterminants de l’écart au rendement des cultures ou yield gap a été réalisé via une approche par modélisation déterministe. Le modèle sol-culture STICS a servi à estimer les différents niveaux de rendement potentiel et décomposer le yield gap, en s’appuyant sur le cas du blé tendre et du triticale. Les résultats montrent que le stress en azote permet d’expliquer la majeure partie du yield gap survenant en AB, et dans une moindre mesure les facteurs liés à la pression biotique, pour des systèmes recourant à peu ou pas d’apport azoté exogène.Finalement, le défi de la fourniture en azote dans les systèmes de grandes cultures en AB a été abordé afin de contribuer à une meilleure efficience d’utilisation de l’azote et une amélioration de la productivité des parcelles. Le modèle STICS a permis de simuler l’impact de pratiques de gestion alternatives de l’azote, par expérimentation numérique menée dans le cadre d’une approche participative, mobilisant les agriculteurs, les conseillers techniques et les chercheurs. Les résultats indiquent l’importance de la succession et des pratiques culturales, en particulier la mise en place de cultures intermédiaires et la gestion du retournement des luzernières. L’optimisation des pratiques des agriculteurs restent ainsi possible, en réduisant les émissions potentielles d’azote par lixiviation ou par pertes gazeuses, sans léser la fourniture en N pour les cultures.Dans les contextes pédo-technico-climatiques étudiés, les systèmes de grandes cultures en AB peuvent ainsi combiner performance agronomique et faibles impacts environnementaux, lorsque la gestion de l’azote est bien maîtrisée.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.030
Threshold uncertainty score0.059

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0010.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.075
GPT teacher head0.257
Teacher spread0.182 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venuetheses.fr (ABES)Same topicAgricultural Economics and PolicyFrench-language works237,207