MétaCan
Menu
Retour à la cohorte
Enregistrement W4293523100 · doi:10.1139/cjps-2022-0025

Scheduling adequate irrigation mitigates postharvest soft scald disorder of Ambrosia™ apples grown in a semiarid eco-zone

2022· article· en· W4293523100 sur OpenAlexafffundvenue
Changwen Lu, P.M.A. Toivonen

Notice bibliographique

RevueCanadian Journal of Plant Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésIrrigationPostharvestEnvironmental scienceAgronomyDeficit irrigationBiologyHorticultureIrrigation management

Résumé

récupéré en direct d'OpenAlex

The effect of irrigation on soft scald (SS) disorder in Ambrosia™ apples was surveyed over 4 years in various orchards in Cawston, BC which is located in a valley having a semiarid eco-zone. The observations were further validated by manipulating irrigation programs in a series of experiments in three commercial orchards. Adequate irrigation (AI) was defined as the amount of water application required to maintain sustainable production as defined in the provincial irrigation guide, while deficit irrigation (DI) reduced irrigation to less than 40% of AI at the same site. Records from the survey study indicated that SS incidence was negatively correlated with the amount of watering ( r = −0.9). The validation study confirmed that correlation at three different commercial sites. These results suggest that intensive water deficit can cause fruit to be susceptible to SS and that adequate watering during fruit expansion and late season exerts a mitigating effect on SS in Ambrosia™ apples grown in a dry climate region. They also suggest that conducting DI prior to midsummer does not irrevocably cause SS susceptibility in this apple.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,206
Écart entre enseignants0,188 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueCanadian Journal of Plant ScienceMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207