Response of growth, photosynthetic electron transfer, and chloroplast ultrastructure to different <scp>LED</scp> light combination in green onion (<scp><i>Allium fistulosum</i></scp> L.)
Notice bibliographique
Résumé
Abstract With the rapid development of facility agriculture, it has become popular to study the influences of different light qualities on the growth, material metabolism, and morphology of horticultural crops. Last several years, green onions cultivation models have undergone major changes, and facility cultivation has developed rapidly. To determine the impact of light quality on the green onions, we studied the parameters connected to photosynthesis, incorporating growth, and development, photosynthetic rate ( P n ), chlorophyll fluorescence, light response curve, photosynthetic electron transfer, and chloroplast ultrastructure. We roundly analyzed the influences of different LED light combination (white: W, white‐blue combination 3:1:WB, white‐green combination 3:1:WG, white‐yellow combination 3:1:WY, and white‐red combination 3:1:WR, light intensity: 500 ± 10 μmol photons m −2 s −1 ) on the photosynthetic performance of green onions. The WB light led to better results than those of the WR, WG, and WY. There were significant performance improvements in leaf area, plant height, stem thickness, relative growth rate (RGR), pigment content, photosynthetic capacity, photosynthetic electron transfer efficiency, and chloroplast ultrastructure integrity. In contrast, plants treated with WG and WY were exposed to appreciably blocked light, but they effectively formed a light protection mechanism. The results of this research not only provided insight into the response mechanism of crop photosynthesis to different light qualities, but they also provided a scientific foundation for better planting green onions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».