Comparison of Two Harvest Methods for Lettuce Production in an Aquaponic System
Notice bibliographique
Résumé
<p>Aquaponics is an integrated food production technology of aquaculture and hydroponics. Lettuce (<em>Lactuca sativa </em>L.) is an economically important vegetable crop that can be grown aquaponically. In addition to selecting the right choice of lettuce cultivars, developing an optimal harvest strategy could increase lettuce production. Lettuce production using two harvest methods, Cut-and-Come-Again (CC) and Once-and-Done (OD), was evaluated using ‘Red Sails’ lettuce in a flow-through aquaponic system rearing trout. With the CC method continual harvesting was possible on a weekly basis after the initial harvest, while it took five weeks for each harvest using the OD method. The total yield of lettuce by the CC method was 6.7 kg from 9 trays, while 22.6 kg of lettuce was harvested by the OD method using 54 trays. In harvests by the OD method, 6 times as many seeds were sown compared to the CC method. The average yield per tray harvested by the CC method (744.4 g/tray) was 78% higher than that by the OD method (418.5 g/tray) because the CC method used 6 times less trays. Productivity, calculated by the average yield per growing week, of the two harvest methods at the first harvest was similar, but 4.8 times higher in the CC method than in the OD method at the second harvest due to the shorter harvest time. However, visual and decay ratings of lettuce harvested by the CC method began to decline afterwards. Together, the OD method after two consecutive harvests by the CC method would help growers to obtain increased yield of quality lettuce.</p>
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».