Interaction of Irrigation and Soil Management on Sweet Cherry Productivity and Fruit Quality at Different Crop Loads that Simulate Those Occurring by Environmental Extremes
Notice bibliographique
Résumé
‘Cristalina’ and ‘Skeena’ sweet cherry cultivars ( Prunus avium L.) on Gisela 6 ( Prunus cerasus × Prunus canescens ) rootstock planted in 2005 were maintained since 2006 in a randomly blocked split-split plot experimental design with six blocks of two irrigation frequency main plot treatments within which two cultivar subplots and three soil management sub-subplots were randomly applied. The focus of this study was the growth, yield, and fruit quality response of sweet cherry to water and soil management over three successive fruiting seasons, 2009–11, in a cold climate production area. The final 2 years of the study period were characterized by cool, wet springs resulting in low yield and yield efficiency across all treatments. Soil moisture content (0- to 20-cm depth) during the growing season was often higher in soils that received high-frequency irrigation (HFI) compared with low-frequency irrigation (LFI). HFI and LFI received the same amount of water, but water was applied four times daily in the HFI treatment but every other day in the LFI treatment. Consequently, larger trunk cross-sectional area (TCSA) and higher yield were found on HFI compared with LFI trees. Soil management strategies involving annual bloom time phosphorus (P) fertigation and wood waste mulching did not affect tree vigor and yield. Increased soluble solids concentration (SSC) occurred with LFI. Decreased SSC occurred with delayed harvest maturity in trees receiving P fertigation at bloom. The largest fruit size was correlated for both cultivars with low crop loads ranging from 100 to 200 g fruit/cm 2 TCSA. Overall cool, wet spring weather strongly affected annual yield and fruit quality, often overriding cultivar and soil and water management effects.
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 | 0,000 | 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 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 ».