MétaCan
Menu
Retour à la cohorte
Enregistrement W2341523398 · doi:10.21273/hortsci.48.4.474

Effects of Preharvest Weather Conditions on Firmness of ‘McIntosh’ Apples at Harvest Time

2013· article· en· W2341523398 sur OpenAlexafffundabout
Maude Lachapelle, Gaétan Bourgeois, Jennifer R. DeEll

Notice bibliographique

RevueHortScience · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Physiology and Cultivation Studies
Établissements canadiensAgriculture and Agri-Food CanadaMinistry of Agriculture, Food and Rural Affairs
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésPreharvestMalusHarvest seasonHorticultureHarvest timeGrowing seasonBiologyAgronomyEnvironmental sciencePostharvest

Résumé

récupéré en direct d'OpenAlex

Apple fruit firmness is one of the main attributes indicating fruit quality at harvest. It is affected by numerous factors during the entire growing season. The effects of weather conditions during apple development are often mentioned as a result of their impact on attributes linked to fruit firmness: fruit size, calcium concentration, water content, etc. In this study, the effects of weather conditions on ‘McIntosh’ apple ( Malus × domestica Borkh. cv. McIntosh) firmness at harvest time were analyzed. Fruit were harvested at nine sites in Quebec and Ontario over 15 years (1996–2011). For each case, weather parameters were analyzed from full bloom until harvest, either in monthly subperiods from May until September or in terms of days from full bloom (DFB) until harvest. Regression results highlighted the negative effect of lower air temperature conditions from 31 to 60 DFB, higher air temperature conditions and precipitations from 61 to 90 DFB, and higher temperature conditions from 91 DFB until harvest on ‘McIntosh’ apple firmness level at harvest. Precipitation from 61 to 90 DFB alone explained 39% of ‘McIntosh’ apple firmness variation at harvest time. The prediction of apple firmness at harvest time could be helpful for producers to adjust their marketing and storage strategies according to apple quality level.

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)0,000
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 enseignants0,832
Score d'incertitude au seuil0,603

Scores Codex et Gemma par catégorie

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 Opus0,007
Tête enseignante GPT0,189
Écart entre enseignants0,182 · 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

Citations25
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHortScienceMême sujetPlant Physiology and Cultivation StudiesTravaux en français237 207