Modeling the Effect of Preharvest Weather Conditions on the Incidence of Soggy Breakdown in ‘Honeycrisp’ Apples
Notice bibliographique
Résumé
‘Honeycrisp’ is a relatively new apple cultivar highly susceptible to physiological disorders, such as soggy breakdown. The overall objective of this study was to identify preharvest weather parameters that influence the incidence of soggy breakdown over the different phases of fruit development. Using weather data and evaluation of fruit quality from three sites in Ontario, two sites in Quebec, and one site in Nova Scotia from 2009 to 2011, and data from four sites in Ontario from 2002 to 2006, a model for soggy breakdown incidence (SBI) was developed to predict the level of susceptibility in ‘Honeycrisp’ apples. This model uses primarily two weather variables during the last phase of fruit development [91 days from full bloom (DFB) to harvest] to accumulate an SBI index during the growing season, from full bloom to harvest. Cool (temperature <5 °C) and wet conditions (precipitation >0.5 mm) during this last phase resulted in increased soggy breakdown susceptibility levels. The predictions of the SBI model resulted in 68% of well-estimated cases (threshold of ±5%) (RMSE = 6.45, EF = 0.28, E = −0.04). Furthermore, firmness was linked to soggy breakdown, in addition to weather conditions, revealing a positive effect of high firmness at harvest on the development of the disorder. However, the effect of fruit quality attributes (e.g., internal ethylene concentration, starch index, firmness, and soluble solid content) by themselves, without considering weather conditions, revealed no relationship with the incidence of soggy breakdown.
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 | 0,001 |
| 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 | 0,001 | 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 ».