Pre-harvest field application of enhanced freshness formulation reduces yield loss in orange
Notice bibliographique
Résumé
Abstract Background Orange (Citrus sinensis L.) production in Tanzania is constrained by several pre-harvest factors that include pests. Hexanal, sprayed as Enhanced Freshness Formulation (EFF) is a relatively new technology that has been reported to reduce pre-harvest loss in fruits. However, the effects of hexanal on pre-harvest yield loss of orange are not known. We studied the effects of hexanal as EFF on yield losses of three sweet orange cultivars namely, Early Valencia, Jaffa, and Late Valencia. Factorial experiments tested the effects of EFF concentration, variety, and time of EFF application on number of dropped fruit, percentage of non-marketable fruit and incidence of pest damage. Results Results showed significant negative correlation (p < 0.001) between EFF and the percentage of dropped fruit, non-marketable yield, and incidence of pest damage. An increase in hexanal concentration by 1%, is expected to reduce number of dropped fruit by 50, percentage of non-marketable by 35.6, and incidences of pest damage by 36.5% keeping other factors constant. Results also show significant association (p < 0.001) between time of hexanal application and non-marketable yield. Percentage of dropped fruit is expected to increase by 1 for each day away from harvest, keeping other factors constant. Conclusion Pre-harvest application of hexanal as EFF can significantly reduce number of dropped fruits, percentage of non-marketable fruit and incidence of pest damage.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».