The Effect of Irrigation Frequency, Phosphorus Fertigation, and Cultivar on Levels of Phenolic Compounds in Sweet Cherries
Notice bibliographique
Résumé
This work examined the effect of irrigation frequency and phosphorus (P) fertigation on the levels of phenolic compounds present in two sweet cherry cultivars, ‘Skeena’ and ‘Cristalina’, over three growing seasons (2012–14). Two irrigation treatments were tested: a high irrigation frequency (I1) and a low irrigation frequency (I2). Both irrigation treatments applied the same quantities of water [100% evapotranspiration (ET)], but the high irrigation frequency applied water four times daily (0300, 0900, 1500, and 2100 hr ) whereas the low irrigation frequency was applied at one time (0900 hr ) every second day. Three soil management treatments were investigated, including 1) an unmulched control receiving no P, 2) a 10-cm waste wood mulch receiving no P, and 3) a treatment involving annual fertigation of 20 g P/tree at full bloom as ammonium polyphosphate. It was determined that cultivar was the most important factor affecting levels of phenolic compounds in sweet cherries, with generally greater levels associated with ‘Skeena’. The effect of different irrigation and fertilization strategies showed less promising results in terms of influencing levels of phenolic compounds. Both severe and mild water stress did not show an appreciable influence on increasing levels of phenolic compounds in cherries. Furthermore, severe water stress, which occurred during 2012, was associated with the lowest annual concentration of phenolic compounds and an economically unacceptable reduction in fruit size. Phosphorus fertigation influenced cherry phosphorus status positively by increasing leaf and fruit P concentrations consistently, yet these fruit exhibited lower levels of phenolic compounds.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».