Tomato growth, yield, and quality response to mixed chemical–organic fertilizers and grafting treatments in a high tunnel environment
Notice bibliographique
Résumé
Tomato (Solanum lycopersicum L.) is a major vegetable crop world-wide and grown in high tunnels in many regions. This study investigates the use of two fertilizer sources, chemical and integrated (composted poultry manure plus urea) fertilizers, and grafting on growth, nitrate-N content, yield, and fruit quality of tomato grown in high tunnels in northwestern Washington. Grafting treatments consisted of ‘Panzer’ tomato grafted on one of three tomato rootstocks ‘Estamino’, Maxifort’, ‘DRO138TX’, or non-grafted (control). Application of chemical fertilizer increased number of leaves per plant, plant height, and cumulative fresh biomass of pruned suckers relative to tomato plants grown with the integrated fertilizer treatment. Grafted tomato plants had greater plant growth than non-grafted plants throughout the growing season. There was no significant difference between fertilizer treatments on nitrate-N concentration in plant tissue or fresh petiole sap; however, grafted plants contained higher levels of nitrate-N than non-grafted plants. Total and marketable fruit weight and number did not differ due to fertilizer source, but total and marketable fruit weight was higher for grafted plants than for non-grafted plants in 2016. There was no significant effect due to fertilizer source on fruit firmness, water content, pH, titratable acidity, and β-carotene; however, total soluble solids (TSS) and lycopene content were higher for fruit grown with integrated fertilizer in 2016. Grafting enhanced water content of tomato fruit in 2015, and TSS (°Brix) in 2016.
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 | 0,001 |
| 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 ».