Soil Moisture Sensor-based Systems are Suitable for Monitoring and Controlling Irrigation of Greenhouse Crops
Notice bibliographique
Résumé
Sensor-based feedback control irrigation systems have been increasingly explored for greenhouse applications. However, the relationships between microclimate variation, plant water usage, and growth are not well understood. A series of trials were conducted to investigate the microclimate variations in different greenhouses and whether a soil moisture sensor-based system can be used in monitoring and controlling irrigation in greenhouse crop productions. Ocimum basilicum ‘Genovese Gigante’ basil and Campanula portenschlagiana ‘Get Mee’ bellflowers were monitored using soil moisture sensors for an entire crop cycle at two commercial greenhouses. Significant variations in greenhouse microclimates were observed within the two commercial greenhouses and within an older research greenhouse. Evaporation rates were measured and used as an integrated indicator of greenhouse microclimate conditions. Evaporation rates varied within all three greenhouses and were almost double the lowest rates within one of the greenhouses, suggesting microclimates within a range of greenhouses. Although these microclimate variations caused large variations in the growing substrate water contents of containers within the greenhouses, the growth and quality of the plants were unaffected. For example, no significant correlations were observed between the growth of bellflower plants and the average volumetric water content (VWC), minimum VWC, or maximum VWC of the growing substrate. The change in VWC at each irrigation (ΔVWC), however, was positively correlated with the fresh weight, dry weight, and growth index (GI) of the bellflowers. For basil, no significant correlations were observed between plant growth and ΔVWC. This suggests that sensor-based feedback irrigation systems can be used for greenhouse crop production when considerations are given to factors such as the magnitude of microclimate variation, crop species and its sensitivity to water stress, and growing substrate.
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 ».