Recherche Data Gouv
Not a member yet
4753 research outputs found
Sort by
Crop Suitability Lathyrus sativus
No full textCrop Suitability Index for Lathyrus sativus for the GMD, based on ECMWF ERA5 reanalysis data (2006-2020
Genotyping SVs on 571 samples
No full textStructural variants (large deletions and insertions) genotyped of 571 samples based on a variation graph created from 176 long-read samples
Replication data for : "Free-Range versus Conventional: A comparison of microbial composition and Campylobacter contamination in broiler carcasses after chiling"
No full textThis dataset includes the ASV table, the taxonomic table, and the metadata required to generate the results presented in the article “Free-Range versus Conventional: A comparison of microbial composition and Campylobacter contamination in broiler carcasses after chilling.”
It also contains the quantification of Campylobacter and total viable counts (TVC), as well as two interactive figures described in the same article, which illustrate the bacterial composition of broiler carcasses from conventional and free-range production systems
Replication data for "CNW-Wheat: A Functional-Structural Plant Model Integrating Metabolic and Hydraulic Interactions in Grass Leaf Growth"
No full textThe dataset originates from simulations from the structural-functional plant model CNW-Wheat. CNW-Wheat is an innovative whole plant model coupling the effects of turgor pressure and C-N metabolism on leaf growth in interaction with aboveground and belowground abiotic factors.
It contains the simulation outputs of a wheat plant grown from the leaf 3 stage for a period of 104 days during winter in Grignon (France). The inputs and the model version are also available to be use
Indicateurs des séries par horizons temporels issus des projections hydrologiques Explore2 pour le modèle SIM2 sous RCP 8.5
No full textIndicateurs des séries par horizons temporels issus des débits journaliers simulés par le modèle hydrologique SIM2 pour l'ensemble des projections climatiques Explore2 sous RCP 8.5. Ces fichiers résultent de l'agrégation temporelle des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement dans la collection Explore2 - Projections hydrologiques.
Ce dépôt regroupe un tableau par indicateur et chaîne de simulation, c'est-à-dire, scénario d'émission RCP, couple GCM/RCM, correction de biais BC et modèle hydrologique HM. Ces données sont brutes et contiennent donc des chaînes de projections jugées aberrantes / horsains qu'il est possible de filtrer grâce à des métadonnées supplémentaires. Pour des raisons techniques, ces indicateurs sont regroupés par dossiers compressés selon les différentes phases du régime hydrologique.
La description des chaines de modélisation du climat et celle des modèles hydrologiques sont, respectivement, disponibles dans le rapport https://doi.org/10.57745/PUR7ML et dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Métadonnées supplémentaires : Récapitulatif de l'ensemble des indicateurs hydrologiques : https://doi.org/10.57745/JVNHQL Récapitulatif de l'ensemble des chaînes de simulation : https://doi.org/10.57745/R6HG5X Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5 Liste des chaînes de modélisation jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ Récapitulatif des années pivots utilisées pour la TRACC : https://doi.org/10.57745/DCOQM6
Décomposition des chaînes de caractères formant le nom des fichiers parquet, séparées par des "_" : {1} Indicateur : Le nom de l’indicateur, du type de statistique calculée {2} Échantillonnage : Échantillonnage temporel sur laquelle est calculé l’indicateur → {1}_{2} Variable : Variable résultante d'un indicateur temporellement contextualisé {3} HX : Horizon futur (H[123]) → {1}_{2}_{3} Série : Série d'une variable pour un horizon temporel, défini dans le récapitulatif des indicateurs hydrologiques {4} EXP : Identifiant de l’expérience historique (post 2005) ou future (post 2005) {5} GCM : Identifiant du GCM forçeur {6} RCM : Identifiant du RCM {7} BC : Identifiant de la méthode de correction de biais statistique {8} HM : Identifiant du modèle hydrologique {9} Futur : Période futur (fut-YYYYMMDD-YYYYMMDD)
Les colonnes des fichiers parquet sont : EXP : Voir ci-dessus GCM : Voir ci-dessus RCM : Voir ci-dessus BC : Voir ci-dessus HM : Voir ci-dessus code : Code à 10 caractères du point de simulation fourni dans la description des points de simulation date : (optionnelle) Date associée à l'agrégation (plus d'information dans les métadonnées de variable) *Série* : Voir ci-dessus
Retrouvez des scripts d'aide pour utiliser ces données parquet
Root tensile traits and soil moisture data for two herbaceous species collected during two seasons in central China
No full textRoot tensile strength (Tr) is a fundamental root mechanical trait and serves as a key parameter for assessing the contribution of vegetation to soil stability. Tr is known to exhibit high intraspecific variability, but whether Tr varies with season remains unclear. Here, we investigated the seasonal variation in Tr in two commonly seen herbaceous species, i.e., Artemisia argyi and Cirsium setosum, both of which can be future candidates for revegetating species along roadsides in temperate and subtropical regions. We examined the Tr of their first- (closest to the stem base) and third-order lat-eral roots sampled in the southwest of Henan, China, in two distinct periods: September (late growing season) and December (dormant season)
Robustness of high-throughput prediction of leaf ecophysiological traits using near infra-red spectroscopy and poro-fluorometry.
No full textThis dataset comes from two experiments performed on a diversity panel of 279 grapevine (Vitis Vinifera L.) cultivars, designed to be representative of the genetic diversity of the worldwide diversity of cultivated grapevine (Nicolas et al., 2016, doi : 10.1186/s12870-016-0754-z). The panel was first studied in July 2021 on 10 3-years-old potted plants per cultivar, which were grown outdoors within an experimental vineyard in Montpellier, South France, under non-limiting water availability. On the next year (May 2022, 4-years-old plants), 6 plants of each cultivar from this outdoor experiment were placed in the PhenoArch phenotyping platform (https://eng-lepse.montpellier.hub.inrae.fr/platforms-m3p/montpellier-plant-phenotyping-platforms-m3p) and conducted under 3 water treatments: Well-Watered (WW), moderate Water Deficit (WD1) and severe Water Deficit (WD2). Two plants per cultivar and water treatment were studied, hence a total of 1476 plants in the greenhouse. In both experiments (outdoors 2021 and greenhouse 2022), near infrared spectroscopy, porometry and fluorescence data were collected using high-throughput devices on all plants. Simultaneously, measurements of leaf ecophysiological traits, using conventional and mostly low-throughput methods, were acquired on a subset of plants:
Poro-fluorimetry data (high-throughput) were collected with a Li600 device.
Spectra (high-throughput) were taken in situ using two complementary spectrometers i/ MicroNIR with a spectral range from 950 nm to 1650 nm and ii/ NeoSpectra with a spectral range from 1350 nm to 2500 nm. Leaves disks were sampled from the measured leaf, weighted and oven-dried at 60°C. A third spectrometer was then used to get spectra from dried leaves: iii/ ASD with a spectral range from 350 nm to 2500 nm.
Conventional, mostly low-throughput methods, were used to access leaf mass per area water content, water quantity, net CO2 assimilation, water potential and both water use efficiency intrinsic and instantaneous. Variable number of plants were measured depending on the trait considered.
This dataset was used to evaluate the performance and the robustness of predictive models built using high-throughput data to predict ecophysiological traits. Calibration models using Partial Least Square Regression (PLSR) were constructed in order to relate high-throughput data (spectral or poro-fluorimetry data) to the ground-truth measures of the traits of interest. The robustness of PLSR models was evaluated using different combinations of calibration and validation sets. The robustness of the predictive model of leaf mass per area using spectral data was tested across experiments. The greenhouse experiment was useful to evaluate the predictive ability of PLSR models across the three water treatments using spectral or poro-fluorescence data. Once the predictive model was considered good enough in predicting the trait of interest, the corresponding PLSR model was used to predict this trait of interest on the 1476 plants of the greenhouse experiment. The ultimate goal of this study was to investigate the broad-sense heritability of such predicted traits.
The associated publication is: Coindre E, Boulord R, Chir L, Freitas V, Ryckewaert M, Laisné T, Bouckenooghe V, Lis M, Cabrera-Bosquet L, Doligez A, Simonneau T, Pallas B, Coupel-Ledru A, Segura V Robustness of high-throughput prediction of leaf ecophysiological traits using near infra-red spectroscopy (NIRS) and poro-fluorimetry. (submitted)
The scripts for prediction analyses are publicly available in GitLab at https://forgemia.inra.fr/eva.coindre/robustness_ht_prediction_ecophysiological_traits
Indicateurs des changements par horizons temporels issus des projections hydrologiques Explore2 pour le modèle EROS sous RCP 8.5 (référence 1976-2005)
No full textIndicateurs des changements par horizons temporels issus des débits journaliers simulés par le modèle hydrologique EROS pour l'ensemble des projections climatiques Explore2 sous RCP 8.5. Ces fichiers résultent de l'agrégation temporelle des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement dans la collection Explore2 - Projections hydrologiques.
Ce dépôt regroupe un tableau par indicateur, horizon temporel et chaîne de simulation, c'est-à-dire, scénario d'émission RCP, couple GCM/RCM, correction de biais BC et modèle hydrologique HM. Ces données sont brutes et contiennent donc des chaînes de projections jugées aberrantes / horsains qu'il est possible de filtrer grâce à des métadonnées supplémentaires. Pour des raisons techniques, ces indicateurs sont regroupés par dossiers compressés selon les différentes phases du régime hydrologique.
La description des chaines de modélisation du climat et celle des modèles hydrologiques sont, respectivement, disponibles dans le rapport https://doi.org/10.57745/PUR7ML et dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Métadonnées supplémentaires : Récapitulatif de l'ensemble des indicateurs hydrologiques : https://doi.org/10.57745/JVNHQL Récapitulatif de l'ensemble des chaînes de simulation : https://doi.org/10.57745/R6HG5X Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5 Liste des chaînes de modélisation jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ Récapitulatif des années pivots utilisées pour la TRACC : https://doi.org/10.57745/DCOQM6
Décomposition des chaînes de caractères formant le nom des fichiers parquet, séparées par des "_" : {1} Indicateur : Le nom de l’indicateur, du type de statistique calculée {2} Échantillonnage : Échantillonnage temporel sur laquelle est calculé l’indicateur → {1}_{2} Variable : Variable résultante d'un indicateur temporellement contextualisé {3} HX : Horizon futur (H[123]) → {1}_{2}_{3} Changement : Changement d'une variable pour un horizon temporel par rapport à une période de référence, défini dans le récapitulatif des indicateurs hydrologiques {4} EXP : Identifiant de l’expérience historique (post 2005) ou future (post 2005) {5} GCM : Identifiant du GCM forçeur {6} RCM : Identifiant du RCM {7} BC : Identifiant de la méthode de correction de biais statistique {8} HM : Identifiant du modèle hydrologique {9} Référence : Période de référence (ref-YYYYMMDD-YYYYMMDD) {10} Futur : Période futur (fut-YYYYMMDD-YYYYMMDD)
Les colonnes des fichiers parquet sont : EXP : Voir ci-dessus GCM : Voir ci-dessus RCM : Voir ci-dessus BC : Voir ci-dessus HM : Voir ci-dessus code : Code à 10 caractères du point de simulation fourni dans la description des points de simulation *Changement* : Voir ci-dessus
Retrouvez des scripts d'aide pour utiliser ces données parquet
Indicateurs des changements par horizons temporels issus des projections hydrologiques Explore2 pour le modèle EROS sous RCP 4.5 (référence 1976-2005)
No full textIndicateurs des changements par horizons temporels issus des débits journaliers simulés par le modèle hydrologique EROS pour l'ensemble des projections climatiques Explore2 sous RCP 4.5. Ces fichiers résultent de l'agrégation temporelle des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement dans la collection Explore2 - Projections hydrologiques.
Ce dépôt regroupe un tableau par indicateur, horizon temporel et chaîne de simulation, c'est-à-dire, scénario d'émission RCP, couple GCM/RCM, correction de biais BC et modèle hydrologique HM. Ces données sont brutes et contiennent donc des chaînes de projections jugées aberrantes / horsains qu'il est possible de filtrer grâce à des métadonnées supplémentaires. Pour des raisons techniques, ces indicateurs sont regroupés par dossiers compressés selon les différentes phases du régime hydrologique.
La description des chaines de modélisation du climat et celle des modèles hydrologiques sont, respectivement, disponibles dans le rapport https://doi.org/10.57745/PUR7ML et dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Métadonnées supplémentaires : Récapitulatif de l'ensemble des indicateurs hydrologiques : https://doi.org/10.57745/JVNHQL Récapitulatif de l'ensemble des chaînes de simulation : https://doi.org/10.57745/R6HG5X Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5 Liste des chaînes de modélisation jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ Récapitulatif des années pivots utilisées pour la TRACC : https://doi.org/10.57745/DCOQM6
Décomposition des chaînes de caractères formant le nom des fichiers parquet, séparées par des "_" : {1} Indicateur : Le nom de l’indicateur, du type de statistique calculée {2} Échantillonnage : Échantillonnage temporel sur laquelle est calculé l’indicateur → {1}_{2} Variable : Variable résultante d'un indicateur temporellement contextualisé {3} HX : Horizon futur (H[123]) → {1}_{2}_{3} Changement : Changement d'une variable pour un horizon temporel par rapport à une période de référence, défini dans le récapitulatif des indicateurs hydrologiques {4} EXP : Identifiant de l’expérience historique (post 2005) ou future (post 2005) {5} GCM : Identifiant du GCM forçeur {6} RCM : Identifiant du RCM {7} BC : Identifiant de la méthode de correction de biais statistique {8} HM : Identifiant du modèle hydrologique {9} Référence : Période de référence (ref-YYYYMMDD-YYYYMMDD) {10} Futur : Période futur (fut-YYYYMMDD-YYYYMMDD)
Les colonnes des fichiers parquet sont : EXP : Voir ci-dessus GCM : Voir ci-dessus RCM : Voir ci-dessus BC : Voir ci-dessus HM : Voir ci-dessus code : Code à 10 caractères du point de simulation fourni dans la description des points de simulation *Changement* : Voir ci-dessus
Retrouvez des scripts d'aide pour utiliser ces données parquet
Soil organic carbon mineralization in response to changes in soil moisture and temperatures increasing in two long-term experiments in France
No full textThese data sets represent measurements made during incubation experiments in the laboratory. The aim of these experiments was to assess the sensitivity of carbon stored by agroecological practices to extreme climatic events such as changes in soil moisture regime and increases in temperature. To do so, we monitored soil carbon mineralization from two long-term experiments where agroecological practices have been implemented since 1998. These datasets present incubation measurements including daily absolute carbon mineralization (in µg Cmin/ g dry soil/ day), cumulative absolute carbon mineralization (in µg Cmin/ g dry soil) and cumulative specific carbon mineralization (in µg Cmin/g.SOC).
Moisture treatments tested:
WET represents a continuously wet scenario at pF 1.5;
MWET a continuously moderated wet scenario at pF 2.5;
DWC represents a dry-wet cycles scenario and
DRY a continuously dry scenario at pF 4.2.
All moisture treatments were incubated at same temparature, i.e., 20°C.
For temperature, the soils were incubated at either 20°C, 28°C and 35°C. All temperature treatments were maintained at the same moisture, i.e., pF 2.5.
Agricultural practices concerned in the Cage experiment:
CON-LC represents the conventional agriculture;
ORG represents the organic agriculture and
CA represents the conservation agriculture.
Agricultural practices concerned in the QualiAgro experiment :
CON-QA represents the conventional agriculture without organic inputs
MSW represents the Municipal solid waste compost;
BIOW represents the biowaste compost and
FYM represents the Farmayard manure.
<br