Planting density and size-controlling rootstocks influence the performance of Montmorency tart cherry (<i>Prunus cerasus</i> L.)
Notice bibliographique
Résumé
Two multi-year experiments were conducted to determine the influence of planting density and rootstocks on the performance of Montmorency tart cherries (Prunus cerasus L.). Using a constant between-row spacing of 4.5 m, three in-row tree spacings of 4, 3 and 1.5 m were tested with five rootstocks: Weiroot 13, Gisela 6, Krymsk 6, Krymsk 7, and a Prunus mahaleb control. In a second experiment, the comparative effects of five rootstocks spaced 4.5 m × 1.35 m were evaluated: (i) P. mahaleb, (ii) Weiroot 10, (iii) Weiroot 13, (iv) Weiroot 72, and (v) Weiroot 158. With higher tree density, yields increased and tree vigour declined. At higher densities, Weiroot 13 was up to 43% and Gisela 6 16% smaller than Mahaleb, whereas Krymsk 6 and 7 were similar in size to Mahaleb. At the highest density, Mahaleb reduced tree size by 20%. After 7 yr, tree mortality on Krymsk 6 and 7 was greater than the other rootstocks, as was the number of root suckers on Krymsk 7. Cumulative yields, yield efficiency, fruit quality characteristic, and light interception were also markedly influenced by planting density and rootstocks. Overall, evaluated rootstocks ranged in size control from slight to semi-dwarfing, and several showed promise in terms of their induction of high-yield precocity and yield efficiency of the scion. Weiroot selections and Gisela 6 had the greatest beneficial effects on productivity and yield efficiencies. Under experimental conditions, Krymsk 6 and 7 were unsuitable because of their lower cumulative yields and high rate of mortality, respectively.
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 | 0,001 |
| 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 ».