Mango Fruit Yield and Critical Quality Parameters Respond to Foliar and Soil Applications of Zinc and Boron
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mango (Mangifera indica L.), the sixth most important fruit crop worldwide, is likely at risk under a climate change scenario of accelerated soil organic matter mineralization and constrained plant nutrient supplies such as zinc (Zn) and boron (B). We identified the optimum nutrient formulation and application method to possibly rectify nutrient deficits in mango plants grown in one of the warmest and driest regions—Multan, Pakistan. We evaluated the yield and physiological (quality) responses of 20-year-old mango trees to seven treatments of foliar and soil applications of Zn and B. Combined soil application of B and Zn resulted in optimum increases in leaf mineral B and Zn and fruit-set, retention, yield, pulp recovery and total soluble solids at ripening (p = 0.021), while reducing titratable acidity and early fruit shedding (p = 0.034). Additionally, this treatment improved fruit quality (taste, flavour, texture, aroma, acceptability; p ≤ 0.05). Yield was found to be correlated with retention percentage (P ≤ 0.001; R2 = 0.91), which was in turn related to fruit-set number panicle−1 (P = 0.039; R2 = 0.61). Therefore, we suggest that combined soil application of B and Zn mitigates leaf mineral deficiencies and improves the yield and quality of mango more efficiently than other individual or combined foliar or soil treatments used in this study.
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.
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 découle