Cultivating the increasingly popular medicinal plant, goldenseal: Review and update
Notice bibliographique
Résumé
Abstract Interest in the cultivation of goldenseal is increasing and this may have benefits for agriculture, human health, and conservation. To enable a better understanding of growing conditions, cultivation methods reported in the literature were reviewed, 21 natural goldenseal populations in the northern portion of its natural range in North America were described and analyzed in terms of population size and health, and 15 successful growers were interviewed on requirements for optimal cultivation. Growing conditions in the wild were compared to those reported in the cultivation literature. Summary of data from natural populations suggests goldenseal grows best in mixed hardwood forests, under 60–65% shade, in moist sandy loam soils high in organic matter, with pH 5.7 to 6.3. Similarly, review of the literature suggests that goldenseal grows best in moist, well-drained loams high in organic matter, with pH 5.5 to 6.5. Reported shade requirements vary but 47–80% shade is considered optimal. Growing conditions reported by growers were also consistent with the cultivation literature and similar to conditions of wild populations. Although optimal growing conditions are similar to those for many crops, goldenseal is relatively robust and can grow well in a variety of conditions including wet, predominantly sandy or clay soils with pH as low as 4.8 and as high as 7.8. Cultivation can utilize a ginseng crop infrastructure and goldenseal has been recommended as a rotation crop for ginseng. Commercial production of goldenseal is potentially advantageous because (1) it is an environmentally friendly crop; (2) it has been grown successfully far outside its natural range, is easy to grow, and is considered potentially profitable; and (3) it is relatively inexpensive, having low energy, land area, and fertilization requirements. Development of a sustainable crop may contribute to the protection of native wild germplasm, which can provide valuable material for crop improvement.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».