Root Water Uptake by Romaine Lettuce in a Muck Soil: Linking Tip Burn to Hydric Deficit
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Canadian lettuce is mostly grown in organic soils in Quebec. Lettuce is highly sensitive to tip burn, a physiological disorder that can lead to significant marketable yield losses. Tip burn losses have been linked to multiple causes, such as inadequate water and Ca fluxes during transpiration, which in turn are linked to the water fluxes in the root zone to and within the plant. The aim of this study was to investigate the dynamic relationship between water fluxes in the root zone and the occurrence of tip burn in romaine lettuce ( Lactuca sativa L.) grown in muck soils. Water fluxes in the root zone were modeled with HYDRUS‐2D using measured soil properties and weather conditions. The model results showed that mean unsaturated hydraulic conductivity in the root zone was sufficient to meet transpiration demands down to a matric potential of −31.14 kPa at a depth of 15 cm. Simulations based on field observations revealed that as soon as a root water uptake deficit of 0.14 mm h −1 was reached, tip burn developed rapidly. Hence, the simulations confirmed that below this matric potential threshold, hydraulic conductivity <1.6 × 10 −4 mm h −1 and water flow velocity in the root zone <4 × 10 −3 mm h −1 became insufficient for plant needs, leading to tip burn occurrence in lettuce, consistent with field observations. Understanding the water root‐zone fluxes to anticipate water stress and reduce tip burn damage in Romaine lettuce is a major improvement for growers, giving them a longer time window to initiate irrigation.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle