NIRS Estimation of Drought Stress on Chemical Quality Constituents of Taro (Colocasia esculenta L.) and Sweet Potato (Ipomoea batatas L.) Flours
Notice bibliographique
Résumé
Taro (Colocasia esculenta (L.) Schott) and sweet potato (Ipomoea batatas (L.) Lam.) are important food crops worldwide, whose productivity is threatened by climatic constraints, namely drought. Data calibration, validation, and model development of high-precision near-infrared spectroscopy (NIRS) involving multivariate analyses are needed for the fast prediction of the quality of tubers and shoots impacted by drought stress. The main objective of this study was to generate accurate NIRS models for quality assessment of taro and sweet potato accessions (acc.) subjected to water scarcity conditions. Seven taro and eight sweet potato acc. from diverse geographical origins were evaluated for nitrogen (N), protein (Pt), starch (St), total mineral (M), calcium oxalate (CaOx), carbon isotope discrimination (Δ13C), and nitrogen isotopic composition (δ15N). Models were developed separately for both crops underground and aboveground organs. N, Pt, St, and M models could be used as quality control constituents, with a determination coefficient of prediction (r2pred) between 0.856 and 0.995. δ13C, δ15N, and CaOx, with r2pred between 0.178 and 0.788, could be used as an informative germplasm screening tool. The approach used in the present study demonstrates NIRS’s potential for further research on crop quality under drought.
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 | 0,001 | 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 | 0,003 |
| 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 ».