Increasing Inflorescence Dry Weight and Cannabinoid Content in Medical Cannabis Using Controlled Drought Stress
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
Controlled application of drought can increase secondary metabolite concentrations in some essential oil-producing crops. To evaluate the effects of drought on cannabis ( Cannabis sativa L.) inflorescence dry weight and cannabinoid content, drought stress was applied to container-grown cannabis plants through gradual growing substrate drying under controlled environment. Fertigation was withheld during week 7 in the flowering stage until midday plant water potential (WP) was approximately −1.5 MPa (drought stress threshold). This occurred after 11 days without fertigation. A well-irrigated control was used for comparison. Leaf net photosynthetic rate (P n ), plant WP, wilting (leaf angle), and volumetric moisture content (VMC) were monitored throughout the drying period until the day after the drought group was fertigated. At the drought stress threshold, P n was 42% lower and plant WP was 50% lower in the drought group than the control. Upon harvest, drought-stressed plants had increased concentrations of major cannabinoids tetrahydrocannabinol acid (THCA) and cannabidiolic acid (CBDA) by 12% and 13%, respectively, compared with the control. Further, yield per unit growing area of THCA was 43% higher than the control, CBDA yield was 47% higher, ∆ 9 -tetrahydrocannabinol (THC) yield was 50% higher, and cannabidiol (CBD) yield was 67% higher. Controlled drought stress may therefore be an effective horticultural management technique to maximize both inflorescence dry weight and cannabinoid yield in cannabis, although results may differ by cannabis cultivar or chemotype.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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