The Effect of Spectral Quality on Daily Patterns of Gas Exchange, Biomass Gain, and Water-Use-Efficiency in Tomatoes and Lisianthus: An Assessment of Whole Plant Measurements
Notice bibliographique
Résumé
Advancements in light-emitting diode (LED) technology have made them a viable alternative to current lighting systems for both sole and supplemental lighting requirements. Understanding how wavelength specific LED lighting can affect plants is thus an area of great interest. Much research is available on the wavelength specific responses of leaves from multiple crops when exposed to long-term wavelength specific lighting. However, leaf measurements do not always extrapolate linearly to the complexities which are found within a whole plant canopy, namely mutual shading and leaves of different ages. Taken together, both tomato (Solanum lycopersicum) leaves under short-term illumination and lisianthus (Eustoma grandiflorum) and tomato whole plant (WP) diurnal patterns of plants acclimated to specific lighting indicate wavelength specific responses of both H2O and CO2 gas exchanges involved in the major growth parameters of a plant. Tomato leaves grown under a white light source indicated an increase in transpiration rate and internal CO2 concentration and a subsequent decrease in water-use-efficiency (WUE) when exposed to a blue LED light source compared to a green LED light source. Interestingly, the maximum photosynthetic rate was observed to be similar. Using plants grown under wavelength specific supplemental lighting in a greenhouse, a decrease in WP WUE was seen in both crops under both red-blue (RB) and red-white (RW) LEDs when compared to a high pressure sodium (HPS) light. Whole plant WUE was decreased by 31% under the RB LED treatment for both crops compared to the HPS treatment. Tomato WP WUE was decreased by 25% and lisianthus WP WUE was decreased by 15% when compared to the HPS treatment when grown under RW LED. The understanding of the effects of wavelength specific lighting on both leaf and WP gas exchange has significant implications on basic academic research as well as commercial greenhouse production.
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) | 0,000 | 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) | 0,001 | 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 ».