MétaCan
Menu
Retour à la cohorte
Enregistrement W2044639425 · doi:10.5539/jfr.v4n4p18

Impact of Chemical and Non-Chemical Thinning Treatments on Yield and Fruit Quality of Date Palm

2015· article· en· W2044639425 sur OpenAlexvenueno aff
Mohamed S. Al Saikhan, A.A. Sallam

Notice bibliographique

RevueJournal of Food Research · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDate Palm Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesKing Faisal UniversityDeanship of Scientific Research, King Faisal University
Mots-clésThinningEthephonHorticultureRandomized block designPalmYield (engineering)PollinationCultivarWater contentBiologyAgronomyChemistryBotanyMaterials sciencePollenEthylene

Résumé

récupéré en direct d'OpenAlex

The fruit thinning process is employed for the production of high quality large-sized fruits and prevent the production of compact bunches. It is also one way to reduce the alternate bearing habits in date palm. In this study, seven thinning treatments (i.e. without spraying water after pollination, spraying water at 3 minutes after 3, 4 and 5 h, spraying Ethephon at 0, 500 and 1000 ppm after ten days from pollination) are used for Khalas and Ruzeiz date palm cultivars. The factorial experiment in a randomized completely block design with three replicates was done. The results reveal that, spraying water after mechanical pollination has reduced fruit set% and increased fruit shees%. Most thinning treatments reduced fruit yield/palm in both Khalas and Ruzeiz. Spraying water after 5 h enhanced fruit quality compared with the other thinning treatments in besr and tamr stages. Spraying with ethephon at 1000 ppm gave the increased sugars content and TSS, whereas reduced the moisture content in besr stage. Spraying water after 5 h from mechanical pollination or Ethephon at 1000 ppm after 10 days are suitable for obtaining economic yield with best fruit quality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,352
Tête enseignante GPT0,465
Écart entre enseignants0,113 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetDate Palm Research StudiesTravaux en français237 207