An Energy Balance Model for Predicting Berry Temperature and Scheduling Sprinklers for Cooling in Northern Highbush Blueberry
Notice bibliographique
Résumé
Heat-related fruit damage is a prevalent issue in northern highbush blueberry ( Vaccinium corymbosum L.) in various growing regions, including the northwestern United States. To help address the issue, we developed a simple climatological model to predict blueberry fruit temperatures based on local weather data and to simulate the effects of using over-canopy sprinklers for cooling the fruit. Predictions of fruit temperature on sunny days correlated strongly with the actual values ( R 2 = 0.91) and had a root mean-square error of ≈2 °C. Among the parameters tested, ambient air temperature and light intensity had the greatest impact on fruit temperature, whereas wind speed and fruit size had less impact, and relative humidity had no impact. Cooling efficiency was estimated successfully under different sprinkler cooling intervals by incorporating a water application factor that was calculated based on the amount of water applied and the time required for water to evaporate from the fruit surface between the intervals. The results indicate that water temperature and nozzle flow rate affected the extent to which cooling with sprinklers reduced fruit temperature. However, prolonging the runtime of the sprinklers did not guarantee lower temperatures during cooling, because cooling efficiency declined as the temperature of the fruit approached the temperature of the irrigation water. Users could incorporate the model into weather forecast programs to predict the incidence of heat damage and could use it to make cooling decisions in commercial blueberry fields.
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 | 0,000 | 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) | 0,000 | 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 ».