Water management strategies to enhance fruit solids and yield of drip irrigated processing tomato
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Processing tomato (Lycopersicon esculentum Mill.) cv. H9553 was used to investigate the effects of water management strategies on fruit yield, quality and solids production in southwestern Ontario over a 3-yr period (2003-2005). Treatments included four levels of drip irrigation (1.2, 1.0, 0.8 and 0.5 of potential crop evapotranspiration, ETc) during the growing season, three preharvest water cutoff times (4, 3 and 2 wk preharvest) and an unirrigated treatment. Irrigation generally increased total and marketable fruit yield, increased the average fruit weight and reduced green fruit yield and blossom-end rot when compared with the unirrigated treatment. Percent fruit solids were reduced, but total solid yields (t ha -1 ) were increased by irrigation. In a dry year (2005), fruit and total solid yields increased with irrigation water level but were not affected by the preharvest water cutoff time. In wetter years, the irrigation regime that applied the least water (0.5 ETc) reduced the amount of water applied to the crop while maintaining high yields and fruit quality. Fruit maturity, colour, firmness and the amount of culled fruit were not influenced by either the irrigation water level or the preharvest water cutoff time. The irrigation regime that applied the least water when used in combination with an early preharvest water cutoff appeared to counteract the reduction in percent fruit solids associated with irrigation. Some reduction in yield may occur with this irrigation regime and rainfall may interfere with implementation of this strategy. Key words: Lycopersicon esculentum, yield, blossom-end rot
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle