Notice bibliographique
Résumé
The soil moisture has an important effect on growth and development of highbush blueberry (HB), mainly because the root system, devoid of root hairs, is superficial. Moreover, the texture and organic matter content of Korean soil is different from the main producing counties, such as USA and Canada. To facilitate the growth and development of HB and long-term maintenance of productivity, the research related to soil moisture condition in Korea should be the priority. This study was performed to investigate the growth properties of the HB in various soil moisture conditions in order to determine the irrigation trigger point and optimum soil water potential. The texture of soil used in this experiment was loam. For the experiments, the soil was mixed with peatmoss at a rates 30% (v/v). Irrigation was scheduled at -3, -4, -5, -8, -15 and -22 kPa soil water potential then investigated leaf macronutrient, bush growth, and fruit properties. The leaf K content of HB showed the same trend in the soil water potential, but Leaf P and Mg content was highest in -5 and -22 kPa, respectively. The productivity and growth amount of HB showed the peak at the range of -4~-8 kPa as normal distribution pattern, and greatly decreased at above -15 kPa. Total dry weight and Cane diameter were highest at -4 kPa, plant width, fruit weight and yield were highest at -5 kPa, and plant height, cane number and shoot tension were highest at -8 kPa. Soluble solids content showed same trend in the soil water potential, but titratable acidity, anthocyanins and total polyphenols were not significantly different. Therefore, the optimal soil water potential for the development and a maximum production of HB were a range of -4~-8 kPa, and the recommended ideal irrigation trigger point was within -15 kPa.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».