Combination of Ascophyllum nodosum Extract and Humic Acid Improve Early Growth and Reduces Post-Harvest Loss of Lettuce and Spinach
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.
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 ».