MétaCan
Menu
Retour à la cohorte
Enregistrement W2562568621 · doi:10.1038/srep39307

Yields and Nutritional of Greenhouse Tomato in Response to Different Soil Aeration Volume at two depths of Subsurface drip irrigation

2016· article· en· W2562568621 sur OpenAlexaff
Yuan Li, Wenquan Niu, Miles Dyck, Jingwei Wang, Xiaoyang Zou

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant responses to water stress
Établissements canadiensUniversity of Alberta
Organismes subventionnairesHigher Education Discipline Innovation Project
Mots-clésAerationSugarIrrigationGreenhouseDrip irrigationAgronomyEnvironmental scienceYield (engineering)Volume (thermodynamics)ChemistryHorticultureAnimal scienceBiologyFood scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

This study investigated the effects of 4 aeration levels (varied by injection of air to the soil through subsurface irrigation lines) at two subsurface irrigation line depths (15 and 40 cm) on plant growth, yield and nutritional quality of greenhouse tomato. In all experiments, fruit number, width and length, yield, vitamin C, lycopene and sugar/acid ratio of tomato markedly increased in response to the aeration treatments. Vitamin C, lycopene, and sugar/acid ratio increased by 41%, 2%, and 43%, respectively, in the 1.5 times standard aeration volume compared with the no-aeration treatment. An interaction between aeration level and depth of irrigation line was also observed with yield, fruit number, fruit length, vitamin C and sugar/acid ratio of greenhouse tomato increasing at each aeration level when irrigation lines were placed at 40 cm depth. However, when the irrigation lines were 15 cm deep, the trend of total fruit yields, fruit width, fruit length and sugar/acid ratio first increased and then decreased with increasing aeration level. Total soluble solids and titrable acid decreased with increasing aeration level both at 15 and 40 cm irrigation line placement. When all of the quality factors, yields and economic benefit are considered together, the combination of 40 cm line depth and "standard" aeration level was the optimum combination.

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)0,001
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 enseignants0,469
Score d'incertitude au seuil0,563

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,217
Écart entre enseignants0,204 · 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

Citations67
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetPlant responses to water stressTravaux en français237 207