Off-Season Flower Induction in Mango Fruits Using Ethephon and Potassium Nitrate
Notice bibliographique
Résumé
Seasonality in mango production is a major factor contributing to high postharvest losses reported in the value chain. Oversupply during the high season is one of the factors that contribute to the high postharvest losses (≥ 50%) in the supply chain in Kenya. Effective strategies to address seasonality can contribute significantly to postharvest loss reduction. Efficacy of two flower induction chemicals, potassium nitrate (KNO3) and ethephon on reproductive growth parameters and yield components were evaluated on two mango varieties: ‘Apple’ and ‘Ngowe’. KNO3 was applied at two concentrations (2 and 4%), and ethephon (600 and 1000 ppm) then compared to control (water). They were applied to trees which failed to flower/set fruit in 2014 season. There effect was established from reproductive growth parameters: days to flowering, number of panicles per tree, fruit set per 20 panicles, fruit fall and hormonal effect. KNO3 (4%) and ethephon increased percentage flowering in both ‘Ngowe’ and ‘Apple’ and AEZs (Agro-Ecological Zones), significantly (p < 0.05) shortened time to flowering and increased fruit set. The findings show that KNO3 and ethephon can be used to induce flowering/fruiting in mango fruits. These technologies can therefore be applied to induce off-season mango production to address seasonality and reduce postharvest losses during the peak season.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».