Tensiometer‐based irrigation scheduling and water use efficiency of field‐grown strawberries
Notice bibliographique
Résumé
Abstract In recent decades, moisture‐based subsurface drip irrigation management strategies lead to water savings while maintaining strawberry yields in open fields. Most soils in the Québec City area are characterized by a high proportion of schist fragments and high hydraulic conductivity, causing substantial water losses following irrigation. Until now, little was known about the efficiency of soil‐moisture‐based irrigation strategies used on moderately coarse‐textured soils and their potential to improve water use efficiency (WUE). The first objective of this study was to test two tensiometer‐based irrigation managements for strawberry plants grown in a conventional system. Since field fumigation is increasingly restricted in field‐grown strawberries, we designed a raised‐bed trough system for use in the field and tested its productivity potential. The two irrigation methods included two treatments using pulsed irrigation: one with a constant irrigation threshold of −15 kPa (Pl), and the other with a variable threshold (−15/−30 kPa) adjusted daily to the predicted crop evapotranspiration (PlETc), in addition to a soilless treatment (SL) using a peat substrate and an irrigation threshold of −5 kPa. Compared to conventional irrigation, the PlETc treatment increased the WUE by 8 to 44% while maintaining marketable yields and fruit quality. Thus, this pulsed irrigation strategy is recommended for strawberry plants grown in clay loam soils. Strawberry plants grown in the soilless system gave 73 to 98% higher early marketable yield than soil cultivation. These results may encourage North American farmers to consider the soilless raised‐bed trough system as a viable alternative to conventional strawberry production systems.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».