MétaCan
Menu
Retour à la cohorte
Enregistrement W3035752583 · doi:10.1080/15538362.2020.1774471

Wintering Index and Yield Traits for Early, Mid, and Late Season Strawberry for Colder Climates

2020· article· en· W3035752583 sur OpenAlexaffabout
Sajjad Ali Rao, Anthony Scott Mintenko, Lord Abbey, Poonam Singh

Notice bibliographique

RevueInternational Journal of Fruit Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBerry genetics and cultivation research
Établissements canadiensDalhousie UniversityAgriculture Food and Rural DevelopmentAssiniboine Community College
Organismes subventionnairesnon disponible
Mots-clésCultivarHardiness (plants)Temperate climateGrowing seasonBiologyYield (engineering)Perennial plantAgronomyHorticultureSnowFragariaGeographyBotanyMeteorology

Résumé

récupéré en direct d'OpenAlex

In temperate climatic regions where severe winter conditions persist, the winter hardiness and fruit yield of strawberry cultivars vary greatly in perennial production systems. A 4-year study was carried out to investigate the wintering ability of different June-bearing strawberry cultivars in the cold semi-arid continental climate of Manitoba between 2015 and 2018. The wintering index and yield traits of early, mid, and late season strawberry cultivars were evaluated. Six different cultivars tested in each year. ‘Wendy,’ ‘Kent’, and ‘Cabot’ were common in each year. Mid-season cultivar ‘Kent’ and ‘Mira’ yielded significantly (p< .05) higher with greater wintering index compared to early and late season cultivars within each trial and across 4 years. Low winter temperatures with less snow on grounds establish pronounced effect on early season cultivars wintering index. A significant variation for temperatures was recorded for the months within and between years.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil0,229

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,073
Tête enseignante GPT0,310
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Fruit ScienceMême sujetBerry genetics and cultivation researchTravaux en français237 207