Effect of Different Irrigation Amount on the Photosynthetic Characteristics and Fruit Quality of Crimson Seedless Grape in Gobi Soil
Notice bibliographique
Résumé
[Objective]This paper studied photosynthetic characteristics and fruit quality of Crimson Seedless grape under drip irrigation different irrigation amount in gobi soil.[Method]CI - 340 Portable Photosynthesis System was used to study the net photosynthetic rates,transpiration rates,stomatal conductances,intercellular CO_2 concentration and water use efficiencies of Crimson Seedless grape under diferent irrigation amount.Experimental research of different irrigation amount on fruit quality of Crimson Seedless.[Result]The annual variation photosynthetic rate was increased at first and decreased subsequently under different irrigation amount.the annual average the net photosynthetic rates are 13.19 and 11.66μmol/ (m~2·s) under 6 750 and 4 500 m~3/hm~2 irrigation amount,which meant a increased of 11.6%.Crimson Seedless grape were 4.18 mmol/(m~2·s) under more water irrigation and 2.91 mmol/(m~2·s) and less water irrigation the average annual transpiration rate under more water irrigation increased by 30.5%compared with that under less water irrigation;the water use efficiency of Crimson Seedless grape under more water irrigation at 3.13 mmol CO_2/molH_2O was lower than the water use efficiency under less water irrigation at 3. 97 mmolCO_2/mol H_2O,which meant a decrease of 26.9%.More water irrigation are increase yield but decrease fruit quality.[Conclusion]Under more water irrigation the photosynthetic rates of Crimson Seedless grape increased and its transpiration rates remarkably increased;under less water irrigation,the transpiration rates of Crimson Seedless grape increased with a decreased increment and its water use efficiencies significantly increased,although its photosynthetic rates appeared to slightly decline.This indicates that high soil moistures significantly can raise the transpiration intensity of Crimson Seedless grape and well - regulated drought is conducive to improving the water use efficiency of Crimson Seedless grape.Others,The steady increase in Crimson Seedless grape yield and fruit quality under irrigation in appropriate conditions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».