MétaCan
Menu
Retour à la cohorte
Enregistrement W3024022018 · doi:10.1038/s41598-020-63925-5

Effect of water soluble humic acid applied to potato foliage on plant growth, photosynthesis characteristics and fresh tuber yield under different water deficits

2020· article· en· W3024022018 sur OpenAlexaff
Yang Man-hong, Shengtao Xu, Neil B. McLaughlin

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Growth Enhancement Techniques
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésTranspirationPhotosynthesisStomatal conductanceWater-use efficiencyAgronomyHumic acidBiomass (ecology)Abiotic componentSoil waterShootPhotosynthetic capacityGrowing seasonField capacityBiocharHorticultureWater useChemistryBiologyBotanyIrrigationEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Water scarcity is the main limiting factor in agricultural crop production in arid and semi-arid areas in northern China. Humic acid could improve the plant resistance to mitigate the abiotic drought damages, which is a potential strategy to improve the crop production in these regions. An experiment to investigate the effect of water soluble humic acid on plant growth, photosynthesis characteristics and fresh tuber yield of potato under different water deficits was carried out under greenhouse conditions in 2014 and 2015. Treatments included foliar application of fresh water (FW), humic acid diluted with water 500 times (HA) and control (CK), and the water deficits included 45%, 60% and 75% of the field water holding capacity. The HA treatment showed highly significant (P ≤ 0.01) effect on dry biomass, root/shoot ratio and photosynthesis parameters, improved the dry biomass above ground (DM-AG) by 14.12–36.63%, 11.62–36.26% and 7.85–20.85% over the whole growing season at water deficits of 45%, 60% and 75% of the field water holding capacity respectively in 2014 and 2015; decreased the root/shoot (R/S) ratio in the early growing season and increased the R/S ratio in the later growing season; showed an improved effect on leaf soil plant analysis development (SPAD), photosynthesis rate (Pn) and stomatal conductance (Gs) and decreased transpiration rate (Tr) and intercellular CO2 concentration (Ci) compared with the control. HA usually showed a better effect on photosynthesis parameters in 60% of the field water holding capacity than 45% and 75% except on Pn. Compared with control, HA increased fresh tuber yield by 34.47–63.48%, 35.95–37.28% and 23.37–27.15% at 45%, 60% and 75% of the field water holding capacity respectively. HA enhanced the potato plant growth, and improved photosynthesis parameters and fresh tuber yield under different water deficits under green house conditions, and represents an opportunity to improve crop production and sustainability of agriculture in arid and semiarid regions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,201
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations70
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetPlant Growth Enhancement TechniquesTravaux en français237 207