Effects of Different Concentrations of Organic Waste on Selected Traits of Individuals Capsicum Chinense Jacq.
Notice bibliographique
Résumé
At present, excessive waste production makes it necessary to carry out research aimed to minimize the problems arising from waste generation and inadequate disposal. In this sense, this study aimed to analyze plant growth, fruit production, antioxidative enzyme activities and organic solute contents in fruits of Capsicum chinense Jacq. plants (BRS Moema cultivar) growing in substrates with different concentrations of municipal organic solid waste (MW) or shrimp waste (SW) under greenhouse conditions. A completely randomized design was used with seven treatments (control; MW at 50, 100 and 200% of recommendation; and SW also at 50, 100 and 200%) and five replications. The MW and SW were mixed with the soil. When plants already had fruits, 122 days after sowing (DAS), shoot height, stem diameter and number of leaves were determined, and 134 DAS, the visibly ripe fruits were collected and stored at -20 °C for subsequent biochemical analysis. The MW and SW provided a linear increase in the parameters of shoot height, stem diameter and number of leaves. The numbers of fruits in the treatments were quite variable, but it can be concluded that the MW 200 and SW 100 treatments provided higher fruit production. The best results for the activities of catalase (CAT), ascorbate peroxidase (APX) and guaiacol peroxidase (GPX) in the fruits occurred in the MW 100 and SW 200 treatments. Both provided an increase in CAT and reductions in APX and GPX, which can contribute to greater postharvest life of C. chinense Jacq. fruits. In relation to soluble protein and carbohydrate contents, the MW 100 and SW 100 treatments did not contribute to their increase; in the other residue concentrations, the results were variable. However, considering all parameters analysed in this study, the most suitable treatments would be MW 100 and SW 100. Therefore, the results demonstrate the susceptibility of using substrates with MW and SW in the cultivation of C. chinense Jacq. plants.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».