Container-grown Shrubs Respond Differently to Controlled-release Fertilizer Rates in a Temperate Climate
Notice bibliographique
Résumé
To determine the response of container-grown shrubs to controlled-release fertilizer (CRF) rate when grown in a temperate climate, Polyon® 19–04–10 + Minors, an 8–9 month CRF, was incorporated into growing substrates for ‘Gro-Low’ fragrant sumac ( Rhus aromatica Aiton), ‘Goldmound’ spirea ( Spiraea × bumalda Burv.) and ‘Bloomerang’® purple lilac ( Syringa × ‘Penda’) transplants. Also, a 15–06–11 + Micros, a 10–12 month CRF, was incorporated into growing substrates for ‘Green Mound’ boxwood ( Buxus × ‘Green Mound’), ‘Runyan’ yew ( Taxus × media ) and ‘Emerald’ white-cedar (arborvitae) ( Thuja occidentalis L.) transplants, at six rates (0.15, 0.45, 0.75, 1.05, 1.35 and 1.65 kg·m −3 N; 0.25, 0.76, 1.26, 1.77, 2.28 and 2.78 lb·yd −3 N). We observed greater growth index, leaf area, and shoot dry weight at high vs. low CRF rates for the majority of species. Nutrient deficiency symptoms such as light green leaves were observed at low CRF rates for some species, including fragrant sumac, lilac and white-cedar. Optimal species-specific CRF application rates were 1.05 kg·m −3 N (1.77 lb·yd −3 N) for lilac and yew and 0.45 kg·m −3 N (0.76 lb·yd −3 N) for boxwood and white-cedar, while the optimal CRF ranges were 0.75 to 1.35 kg·m −3 N (1.26 to 2.28 lb·yd −3 N) for fragrant sumac and 0.75 to 1.05 kg·m −3 N (1.26 to 1.77 lb·yd −3 N) for spirea. Adjusting CRF application rates based on plant response may provide nursery growers with an efficient tool for managing nursery crop growth and production timing in the temperate climate.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».