MétaCan
Menu
Retour à la cohorte
Enregistrement W4292308617 · doi:10.31421/ijhs/28/2022/11054

Impact of planting dates on yield and pod quality traits of snap bean under short-temperate season climates

2022· article· en· W4292308617 sur OpenAlexafffundabout
Sajjad Ali Rao

Notice bibliographique

RevueInternational Journal of Horticultural Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant pathogens and resistance mechanisms
Établissements canadiensAssiniboine Community College
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésSowingPoint of deliveryCultivarYield (engineering)Temperate climateFrost (temperature)AgronomyBiologyGrowing seasonCropSnapHorticultureGeographyBotany

Résumé

récupéré en direct d'OpenAlex

Snap bean, a warm-season crop, have low frost tolerance. The optimal temperature for seed emergence and plant growth is important. Therefore, appropriate planting dates for adapted varieties has paramount significance in improving pod yield and quality of snap bean under short cool season climates. Three snap bean cultivars planted at 3 different dates were examined to evaluate the effects of planting dates on snap bean pod yield and quality traits in a 2-year study in a short season climate in Manitoba, Canada. Results of this study showed that three, two weeks apart, planting dates had a non- significant effect on marketing yield of three different cultivars tested in this study. Planting dates showed significant effect on un-marketable yield, pod fresh weight, pod length and total soluble solids. Higher marketable and un-marketable yields along with longer pod length and soluble solids, in all three cultivars, were more profound when seeded at mid and late planting dates. Snap bean grew under higher temperature and accumulated more growing degree days (GDD) when planted in mid June and early July when compared to early June planting. These results conclude that marketable yields of snap bean were not significantly affected by planting dates when seeded-two weeks apart-in shorter growing environments which allow commercial and market gardeners, in northern areas with shorter growing seasons to optimise planting snap bean, without reducing pod yield and quality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,870
Score d'incertitude au seuil0,166

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,308
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Horticultural ScienceMême sujetPlant pathogens and resistance mechanismsTravaux en français237 207