Growth and Appearance Quality of Four Microgreen Species under Light-emitting Diode Lights with Different Spectral Combinations
Notice bibliographique
Résumé
To investigate plant growth and quality responses to different light spectral combinations, cabbage ( Brassica oleracea L. var. capitata f. rubra ), kale ( Brassica napus L. ‘Red Russian’), arugula ( Eruca sativa L.), and mustard ( Brassica juncea L. ‘Ruby steak’) microgreens were grown in a controlled environment using sole-source light with six different spectra: 1) FL: cool white fluorescent light; 2) BR: 15% blue and 85% red light-emitting diode (LED); 3) BRFR L : 15% blue, 85% red, and 15.5 µmol·m −2 ·s −1 far-red (FR) LED; 4) BRFR H : 15% blue, 85% red, and 155 µmol·m −2 ·s −1 FR LED; 5) BG L R: 9% blue, 6% green, and 85% red LED; and 6) BG H R: 5% blue, 10% green, and 85% red LED. For all the light treatments, the total photosynthetic photon flux density ( PPFD ) was set at ≈330 µmol·m −2 ·s −1 under a 17-hour photoperiod, and the air temperature was ≈21 °C with 73% relative humidity (RH). At harvest, BR vs. FL increased plant height for all the tested species except arugula, and enlarged cotyledon area for kale and arugula. Adding high-intensity FR light to blue and red light (i.e., BRFR H ) further increased plant height for all species, and cotyledon area for mustard, but it did not affect the fresh or dry biomass for any species. Also, BRFR H vs. BR increased cotyledon greenness for green-leafed species (i.e., arugula, cabbage, and kale), and reduced cotyledon redness for red-leafed mustard. However, BG L R, BG H R, and BRFR L , compared with BR, did not affect plant height, cotyledon area, or fresh or dry biomass. These results suggest that the combination of 15% blue and 85% red LED light can potentially replace FL as the sole light source for indoor production of the tested microgreen species. Combining high-intensity FR light, rather than low-level (≤10%) green light, with blue and red light could be taken into consideration for the optimization of LED light spectral quality in microgreen production under environmental conditions similar to this experiment.
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 ».