Phenotypic Characteristics of Ten Garlic Cultivars Grown at Different North American Locations
Notice bibliographique
Résumé
Garlic ( Allium sativum L.) cultivars grown under diverse conditions have highly elastic environmental responses, particularly relating to skin color and yield. Ten diverse garlic cultivars were grown at 12 locations in the United States and Canada for 2 consecutive years to identify the environmentally responsive phenotypic traits of garlic. Clove arrangement, number of topsets, topset size, topset color, number of cloves, clove weight, clove skin color, and clove skin tightness were generally stable for each cultivar regardless of production location and conditions. Scape presence varied with cultivar and location, but for the most part, cultivars classified as hardneck types produced scapes and those classified as softnecks did not produce scapes. Bulbs grown at the northern Colorado, Minnesota, Pennsylvania, Vermont, and Washington locations were generally larger than the other locations. Soil potassium levels were positively correlated with bulb circumference and fresh weight. Soil sulfur and manganese levels were correlated with bulb sulfur and manganese content. Bulb wrapper color and intensity were highly dependent on location and cultivar. The Silverwhite cultivar was consistently white and ‘Ajo Rojo’, ‘German White’, ‘Inchelium’, ‘Sakura’, and ‘Spanish Roja’ were generally white with some faint violet or brown stripes or splotches across the locations. In contrast, cultivars Chesnok Red, Purple Glazer, Red Janice, and Siberian were more likely to have moderate or dark violet stripes, streaks, or splotches, particularly when grown at the northern Colorado, Minnesota, Nevada, New York, Ontario, Pennsylvania, or Washington locations. These results can help farmers identify niche regional markets that provide novel products to consumers. From these results, it was shown that garlic cultivars or classes grown under diverse conditions have highly elastic soil nutrient responses, particularly relating to skin color and yield.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».