Vegetative propagation of cannabis by stem cuttings: effects of leaf number, cutting position, rooting hormone, and leaf tip removal
Notice bibliographique
Résumé
This study evaluated the influence of several factors and their interactive effects on the propagation success of stem cuttings of cannabis (Cannabis sativa L.). Factors included (i) leaf number (two or three), (ii) leaf tip removal (one-third of leaf tips removed), (iii) basal/apical position of stem cutting on the stock plant, and (iv) rooting hormone [0.2% indole-3-butyric (IBA) acid gel or 0.2% willow (Salix alba L.) extract gel]. Cuttings were placed in a growth chamber for twelve days and then assessed on their rooting success rate and root quality using a relative root quality scale. The IBA gel delivered a 2.1× higher rooting success rate and 1.6× higher root quality than the willow extract. Removing leaf tips reduced rooting success rate from 71% to 53% without influencing root quality. Cuttings with three leaves had 15% higher root quality compared with those with two, but leaf number did not influence rooting success rate. Position of cutting had little effect on rooting success or quality. To achieve maximum rooting success and root quality, cuttings from either apical or basal positions should have at least three fully expanded uncut leaves and the tested IBA rooting hormone is preferred to the willow-based product.
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 | 0,000 | 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 ».