MétaCan
Menu
Retour à la cohorte
Enregistrement W2312931934 · doi:10.1080/14620316.2011.11512756

Effect of fruit maturity on the incidence of bitter pit, senescent breakdown, and other post-harvest disorders in ‘Honeycrisp’<sup>tm</sup>apple

2011· article· en· W2312931934 sur OpenAlexaffabout
Robert K. Prange, John M. DeLong, Doug Nichols, Peter L. Harrison

Notice bibliographique

RevueThe Journal of Horticultural Science and Biotechnology · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Physiology and Cultivation Studies
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésHorticultureMalusBiologyCropHarvest timeBotanyAgronomy

Résumé

récupéré en direct d'OpenAlex

SummaryThis study examined the effect of harvest date (fruit maturity) on the occurrence of post-harvest disorders in 'Honeycrisp'tm apple (Malus × domestica Borkh.). Fruit were sampled from six commercial orchards in the Annapolis Valley, Nova Scotia, Canada over two growing seasons and seven (in 2008) or nine harvest dates (in 2009). After 3 months storage in refrigerated air at 3.5ºC without delayed-cooling, soft scald, low temperature breakdown (LTB; also called soggy breakdown), bitter pit, and senescent breakdown developed in the fruit and the incidence of each varied with harvest date. Bitter pit developed in immature fruit and declined with harvest date, whereas senescent breakdown was non-existent in immature fruit and increased with harvest date. Minimum bitter pit plus senescent breakdown (combined) occurred at the mid-point of the harvest period (at approx. week-5), when internal ethylene was just beginning to appear in the fruit. An increase in fruit size (to ≥ 250 g) appeared to increase the occurrence of these two disorders. This study has shown that there is an optimum maturity (harvest date) in 'Honeycrisp'tm apples, when the fruit are of sufficient size and colour to meet market requirements, with minimum risk of manifesting the two calcium-related disorders, bitter pit and senescent breakdown. The incidence of these two disorders may increase if fruit are picked earlier (bitter pit) or later (senescent breakdown), especially in larger fruit (≥ 250 g).

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,689
Score d'incertitude au seuil0,567

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 technologies0,0000,002
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 Opus0,012
Tête enseignante GPT0,218
Écart entre enseignants0,206 · 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'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

Citations40
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Horticultural Science and BiotechnologyMême sujetPlant Physiology and Cultivation StudiesTravaux en français237 207