MétaCan
Menu
Retour à la cohorte
Enregistrement W2119066115 · doi:10.1051/fruits:2006040

Water stress and crop load effects on yield and fruit quality of Elegant Lady peach [ <i>Prunus persica (L.)</i> Batch]

2006· article· en· W2119066115 sur OpenAlexaff
Ahmed Mahhou, Theodore M. DeJong, Ken Shackel, Tiesen Cao

Notice bibliographique

RevueFruits · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPrunusHorticultureYield (engineering)Water stressCropBiologyCrop yieldAgronomy

Résumé

récupéré en direct d'OpenAlex

Introduction . Fruit production is faced with water shortage, especially in areas with a Mediterranean climate characterized by a very long, dry and hot summer. Thus, the growers under such conditions must manage irrigation carefully by finding new strategies, including water stress management. Materials and methods . Effects of water stress (WS) and crop load (CL) on the carbon assimilation rate, fruit growth, crop yield and fruit quality (size and soluble solids content) were evaluated in a 7-year-old ‘Elegant Lady’ peach orchard (Winters, California, USA). The experimental design consisted of a completely randomized block factorial design with 2 × 3 factors: irrigation with two levels (control and WS trees) and crop load with three levels (light, commercial and heavy). Results and discussion . Both CL and WS affected fruit growth during the last stages but not early on. Crop load did not affect trunk water potential (TrWP) which, however, was significantly reduced by WS throughout the day and the season. The stomatal conductance (gs ), transpiration rate (E) and CO2 assimilation rate (A) were not affected by CL, but they were reduced by WS. There were poor correlations between TrWP and either gs or A in control trees, indicating relatively poor coordination between leaf functions in peach trees under optimal conditions. Both WS and CL delayed the harvest date through their effect on ripening. Water stress significantly reduced the average crop fresh yield but hardly affected crop dry yield. Both WS and CL affected the distribution of fruit size categories, with the proportion of large fruit decreasing with the increase in crop load and the severity of WS. Conclusion . Water stress reduced fruit fresh weight and fruit fresh yield but not fruit dry weight or dry yield. Crop load reduced fruit fresh and dry weights and yields. Crop load had a negative effect on soluble solids content, while WS had a positive effect. Thus, CL reduced fruit size and soluble solids content, while WS reduced size but improved soluble solids concentration.

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 enseignants0,005
Score d'incertitude au seuil0,009

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 Opus0,020
Tête enseignante GPT0,230
Écart entre enseignants0,210 · 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

Citations15
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFruitsMême sujetIrrigation Practices and Water ManagementTravaux en français237 207