Irrigation Effect on Yield, Skin Blemishes, Phellem Formation, and Total Phenolics of Red Potatoes
Notice bibliographique
Résumé
Dark Red Norland is an important potato cultivar in the fresh market due to its attractive bright, red colour, and good yield. However, skin blemishes such as silver patch, surface cracking, and russeting can negatively influence the tuber skin quality and marketability. It is well known that potato is a drought-sensitive plant. This study was conducted to determine whether irrigation would affect Dark Red Norland's yield and skin quality. A three-year field trial was conducted by Peak of the Market in Manitoba, Canada. Plants were treated under both irrigation and rainfed conditions. The results show that irrigation increased the total yield by 20.6% and reduced the severity of surface cracking by 48.5%. Microscopy imaging analysis demonstrated that tubers from the rainfed trials formed higher numbers of suberized cell layers than those of the irrigated potatoes, with a difference of 0.360 to 0.652 layers in normal skins. Surface cracking and silver patch skins had more suberized cell layers than the normal skins, with ranges of 7.805 to 8.333 and 7.740 to 8.496, respectively. A significantly higher amount of total polyphenols was found in the irrigated samples with a mean of 77.30 mg gallic acid equivalents (GAE)/100 g fresh weight (fw) than that of the rainfed samples (69.80 mg GAE/100 g fw). The outcome of this study provides a better understanding of the water regime effect causing these skin blemishes, which could potentially be used to establish strategies to improve tuber skin quality and minimize market losses.
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 | 0,000 |
| 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 | 0,000 | 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 ».