Optimizing manganese and iron delivery for contrasting cultivars of subirrigated greenhouse-grown pot chrysanthemums
Notice bibliographique
Résumé
Excessive fertilizer use in greenhouse floricultural operations results in low-nutrient use efficiency by plants and poses environmental risk. Here, we optimized the usage of fertilizer manganese (Mn) and iron (Fe) by modern cultivars of subirrigated pot chrysanthemum. Mn and Fe (approximately 100% to 6% of industry standards) were provided in an otherwise balanced nutrient solution during vegetative growth, and all nutrients were removed during reproductive growth. Two experiments were conducted for each nutrient in a naturally lit research greenhouse using a split-plot design with four blocks arranged randomly. Mn (5.00–0.3125 µmol L−1) or Fe (10.56–0.66 µmol L−1) was the main plot and cultivar (“Milton Dark Pink”, “Williamsburg Purple”, and “Olympia White”) was the subplot. The cultivars exhibited contrasting phenotypes. However, any treatment effects on plant yield and inflorescence development and quality were minor, so that Mn or Fe use efficiency increased approximately 16-fold with decreasing supply. Even though leaf Mn, zinc, and calcium levels were occasionally correlated inversely with decreasing Fe delivery, the leaf Mn (44.8–121.8 mg kg−1) and Fe (68.5–121.8 mg kg−1) levels were always considered acceptable. These findings contribute to the development of a low-input practice that would improve the sustainability of floricultural crop production.
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 | 0,001 | 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 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 ».