MétaCan
Menu
Retour à la cohorte
Enregistrement W2104431429 · doi:10.21273/hortsci.35.7.1215

Trellising System and Cane Density Affect Yield and Fruit Quality of Red Raspberry

2000· article· en· W2104431429 sur OpenAlexaffabout
Justine E. Vanden Heuvel, John Proctor, J. Alan Sullivan

Notice bibliographique

RevueHortScience · 2000
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBerry genetics and cultivation research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCaneTrellis (graph)CanopyMicroclimateBlowing a raspberryRubusYield (engineering)HorticultureAgronomyMathematicsBotanyBiologyFood scienceEcologyStatistics

Résumé

récupéré en direct d'OpenAlex

Trellising and cane density treatments were applied to vigorous raspberry ( Rubus idaeus L.) cv. Titan plants in Southern Ontario to determine their effects on yield, yield potential, and canopy microclimate during the 1997 and 1998 seasons. The trellising treatments compared were hedgerow (control), V-trellis, and single-sided shift-trellis (shift-trellis). Cane densities (9, 16, 23, and 30 canes/m 2 ) were established before budbreak each season. The treatments significantly affected yield and yield components. Path analysis indicated that interrelationships among yield components were significantly affected by trellising system. In the second season, plants trained on the V-trellis yielded more than did those in a hedgerow system, while those trained on a shift-trellis had the lowest yield because of a smaller fruiting framework. Fruit quality was lower on the shifttrellis than in the other two systems. These differences were related to light penetration into the three canopies. While an optimum cane density was not found for any system, the maximum cane density (30 canes/m 2 ) produced the highest yields. Yield potential per cane decreased as cane density increased; however, the increase in cane number compensated for this decrease, resulting in an increase in total yield per unit area. Fruit quality also decreased as cane density increased, but cane density did not affect canopy microclimate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil0,194

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,063
Tête enseignante GPT0,282
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations23
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHortScienceMême sujetBerry genetics and cultivation researchTravaux en français237 207