Postharvest treatments to reduce chilling injury symptoms in stored mangoes
Notice bibliographique
Résumé
The market life of many fruits and vegetables can be extended through storage at low temperatures. Chilling injury (CI) is a major postharvest storage problem for tropical commodities. Storing these products at temperatures below their critical temperature may result in severe physiological disorders known as CI symptoms. Mangoes (Mangifera indica. L) are susceptible to CI when stored below 12 °C. Visual CI symptoms include uneven ripening, surface pitting, discoloration, shriveling and scalding. Research has been conducted to overcome these serious problems using various postharvest treatments such as hot water, methyl jasmonate (MJ) or diphenylamine (DPA) with some reduction of the incidence of CI symptoms in fruits and vegetables. Experiments were performed to assess and compare the potential of the above-mentioned postharvest treatments to reduce the CI symptoms on mango cv. Kent. The obtained results indicated that MJ- and DPA-treatments gave significantly greater percentage of marketable fruits. Experiments were also conducted with mangoes cv. Tommy Atkins treated with MJ and DPA before storing at low temperatures (1, 4, 7 and 10°C). The chemical treatments were successful at reducing CI symptoms of mangoes. Fruit decay was reduced during subsequent ripening. MJ-treated fruits had lower mass loss and higher total soluble solids (TSS) than the control treatment. The overall quality of MJ- and DPA-treated fruits was good with lower surface pitting and scalding compared with the control treatment. The best results were obtained at storage temperatures of 7 and 10°C. Both MJ and DPA postharvest treatments can reduce CI symptoms in mangoes cvs. Kent and Tommy Atkins when the mangoes are stored at below critical temperature.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».