Salinity Tolerance and Recovery Attributes of Warm-season Turfgrass Cultivars
Notice bibliographique
Résumé
As population growth places greater pressures on potable water supplies, nonpotable recycled irrigation water is becoming widely used on turfgrass areas including golf courses, sports fields, parks, and lawns. Nonpotable recycled waters often have elevated salinity levels, and therefore turfgrasses must, increasingly, have good salinity tolerance to persist in these environments. This greenhouse study evaluated 10 commonly used cultivars representing warm-season turfgrass species of bermudagrass ( Cynodon spp . ), zoysiagrass ( Zoysia spp . ), st. augustinegrass [ Stenotaphrum secundatum (Walt.) Kuntze], and seashore paspalum ( Paspalum vaginatum Swartz) for their comparative salinity tolerance at electrical conductivity (EC) levels of 2.5 (control), 15, 30, and 45 dS·m –1 . Salinity treatments were imposed on the grasses for 10 weeks via subirrigation, followed by a 4-week freshwater recovery period. Attributes, including turf quality, the normalized difference vegetation index (NDVI), canopy firing, and shoot biomass reductions were evaluated before and after salinity stress, as well as after the 4-week freshwater recovery period. Results showed considerable differences in salinity tolerance among the cultivars and species used, with the greatest tolerance to elevated salinity noted within seashore paspalum cultivars and Celebration ® bermudagrass. In comparison with growth in 2.5-dS·m –1 control conditions, increased shoot growth and turf quality were noted for many bermudagrass and seashore paspalum cultivars at 15 dS·m –1 . However, st. augustinegrass and some zoysiagrass cultivars responded to elevated salinity with decreased growth and turf quality. No cultivars that had been exposed to 30- or 45-dS·m –1 salinity recovered to acceptable levels, although bermudagrass and seashore paspalum recovered to acceptable levels after exposure to 15-dS·m –1 salinity. More severe salinity stress was noted during year 2, which coincided with greater greenhouse temperatures relative to year 1.
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 | 0,000 |
| 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 ».