Investigation of growth vigour, yielding and berry quality of the promising raspberry cultivars in Lithuania.
Notice bibliographique
Résumé
12 raspberry cultivars developed in Russia, Ukraine, Estonia, England, Canada and USA were investigated at the Lithuanian Institute of Horticulture in 2003–2006. The most winterhardy were standard cultivars ‘Novokitajevskaja’ (stem cold injury – 0.5 scores) and ‘Beglianka’ (stem cold injury – 0.4–0.9 scores). Stems of raspberries ‘Meeker’ (2.6–4.5 scores) and ‘Glen Moy’ (2.2–3.7 scores) were the most cold injured. The most productive raspberry cultivars were ‘Siveli’, ‘Novokitajevskaja’, ‘Zorinka’, ‘Beglianka’, ‘Sputnica’, ‘Zviozdocka’ and ‘Husar’ (5.08–4.11 t ha-1), the least productive ones – ‘Meeker’ and ‘Glen Moy’ (1.81–2.87 t ha-1). The biggest berry weight was of cultivars ‘Glen Moy’, ‘Aborigen’, ‘Miraz’ and ‘Meeker’ (2.04–2.68 g). Berries of cultivar ‘Otava’ distinguish themselves with the significantly biggest amount of dry soluble solids (13.7), bigger amount of sugars (7.02%), ascorbic acid (24.4 mg 100g-1) and anthocyanins (22.4 mg 100g-1). In the berries of cultivar ‘Glen Moy’ it was found the bigger amount of anthocyanins (36.96 mg 100g-1) and ascorbic acid (23.6 mg 100g-1). The berries of cultivar ‘Husar’ distinguish themselves with big amount of dry soluble solids (11.8), ascorbic acid (20.4 mg 100g-1) and anthocyanins (32.03 mg 100g-1). The berries of cultivars ‘Miraz’ and ‘Meeker’ distinguish themselves with big amount of ascorbic acid – 24.80 mg 100 g-1 and 24.4 mg 100 g-1, respectively.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».