A Bayesian Ensemble Projection of Climate Change and Technological Impacts on Future Crop Yields
气候变化与技术影响下未来作物产量的贝叶斯集成预测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要围绕全球小麦生产的未来情景预测、样本外概率准确性及预测不确定性展开，因此归入宏观预测方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
气候变化与技术影响下未来作物产量的贝叶斯集成预测
- 研究问题
- 如何在不同温室气体排放情景下预测未来作物产量，并区分气候模型、排放情景与作物模型参数带来的不确定性？
- 方法与思路
- 作者提出贝叶斯层级概率模型，在既有多元作物产量模型中加入国家特定误差方差，并进行模型选择及不确定性分解。
- 材料陈述的贡献
- 摘要称全球小麦生产的样本内外分析显示预测校准与概率准确性改善，并使预测不确定性的来源能够透明分解。
- 阅读关注点
- 应核对技术变化如何进入模型、国家差异如何估计、情景和模型权重如何设定，以及样本外比较采用的基准与评分。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收状态未核实；摘要未说明技术效应的具体建模方式、预测期限或改善幅度。
原文摘要
This paper introduces a Bayesian hierarchical modeling framework within a fully probabilistic setting for crop yield estimation, model selection, and uncertainty forecasting under multiple future greenhouse gas emission scenarios. By informing on regional agricultural impacts, this approach addresses broader risks to global food security. Extending an established multivariate econometric crop-yield model to incorporate country-specific error variances, the framework systematically relaxes restrictive homogeneity assumptions and enables transparent decomposition of predictive uncertainty into contributions from climate models, emission scenarios, and crop model parameters. In both in-sample and out-of-sample analyses focused on global wheat production, the results demonstrate significant improvements in calibration and probabilistic accuracy of yield projections. These advances provide policymakers and stakeholders with detailed, risk-sensitive information to support the development of more resilient and adaptive agricultural and climate strategies in response to escalating climate-related risks.