Combination of Ascophyllum nodosum Extract and Humic Acid Improve Early Growth and Reduces Post-Harvest Loss of Lettuce and Spinach
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
Leafy vegetables like lettuce and spinach are prone to significant post-harvest losses during handling and storage. The pre-harvest treatment of crops with biostimulants offers a sustainable strategy for reducing post-harvest losses. Earlier studies focused on the effect of plant biostimulants applied individually. In this study, we studied the efficacy of a combined application of two commonly used plant biostimulants: Ascophyllum nodosum extract (ANE) and humic acid (HA). Interestingly, the combination of both biostimulants improved early growth of lettuce and spinach compared to ANE and HA alone. Among the combinations used in this study, 0.25% ANE + 0.2% HA produced significantly higher fresh and dry biomass in lettuce and spinach compared to the other treatments and the control. Pre-harvest treatment of combination of 0.25% ANE and 0.2% HA significantly reduced the loss of fresh biomass during post-harvest storage. The combination of 0.25% ANE and 0.2% HA reduced lipid peroxidation during storage with an increase in total ascorbate, phenolic, and antioxidant capacity of spinach and lettuce. These results suggest that a combination of ANE and HA reduces post-harvest losses of spinach and lettuce more effectively than when applied individually.
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