MétaCan
Menu
Retour à la cohorte
Enregistrement W2922407351 · doi:10.2134/agronj2018.03.0183

Yield and Water Use in Almond under Deficit Irrigation

2019· article· en· W2922407351 sur OpenAlexaff
Gabriel Collin, Jean Caron, Guillaume Létourneau, Jacques Gallichand

Notice bibliographique

RevueAgronomy Journal · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensMinistère de l'Agriculture, des Pêcheries et de l'Alimentation
Organismes subventionnairesnon disponible
Mots-clésIrrigationEnvironmental scienceDeficit irrigationWater useEvapotranspirationAgronomyOrchardIrrigation managementSan JoaquinYield (engineering)Water-use efficiencySoil waterCropBiology

Résumé

récupéré en direct d'OpenAlex

Core Ideas Maximum yields were obtained with wireless real‐time tensiometers initiating irrigation at –45 kPa. A significant 16% reduction in water use relative to the grower control was achieved by initiating irrigation at –45 kPa with no yield reduction. Almond crop is sensitive to water management, as being too wet (initiation at ‐35 kPa) or too dry (initiation at –55 kPa) reduced yield by about 11.0 and 11.3%, respectively. ABSTRACT In North America, almond [ Prunus dulcis (Mill.) D.A. Webb] trees are grown almost exclusively in the Central Valley of California. Research on deficit irrigation is needed to improve water productivity. Real‐time technology assessing soil water potential to manage irrigation initiation has led to significant improvements in water productivity in other crops. The objective of this study was to examine the possibility of using real‐time tensiometry for irrigation to trigger irrigation events and to generate water savings without affecting crop yield. The yield responses and water consumption of mature almond trees were quantified from 2012 to 2015 for four different irrigation strategies in a commercial orchard located in the San Joaquin Valley in California. Three of the treatments were based on soil water potential threshold (SWPT) measurements and the fourth on the grower’s current management practices, which used estimated crop evapotranspiration (ET c ). The SWPT treatments were based on three different stress levels: wet (–35 kPa), medium (−45 kPa), and dry (−55 kPa). There was no significant difference in marketable yield between the grower irrigation strategy and the medium treatment, although the latter used 139 mm less water as a yearly average. In the dry treatment, there was 10% less water applied relative to the medium treatments and 30% less than the grower treatment but a 10% yield reduction compared with the medium and grower treatments. These results indicate that irrigation management for almond could be optimized by initiating irrigation at –45 kPa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,208
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetIrrigation Practices and Water ManagementTravaux en français237 207