How to Improve the Production and Quality of Chirimoya (Annona cherimola Mill.) in the Tropical Andes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The production of chirimoya (Annona cherimola Mill) is seasonal; therefore, the fruit's prices and availability are compromised. This research aimed to develop technologies to improve the production and competitiveness of off-season chirimoya fruit production. This research was conducted in the subtropical valley of Tumbaco, Pichincha province, Ecuador. Chemical defoliants (zinc sulfate, hydrogenated cyanamide, and copper chelate) and a sprouting inducer (hydrogenated cyanamide) were evaluated to standardize and increase defoliation improve sprouting, and consequently bring the harvest season forward. The study was conducted on eight-year-old trees of San José de Minas and MAG-Tumbaco genotypes. The assessed variables were defoliation, sprouting, elapsed flowering time, and harvest period. The fruit harvest was shortened by 18.4 days by applying the defoliants and sprout inducer. For the San José de Minas genotype, the best response for defoliation (99%) was copper chelate at 1%, compared to the control with 58.9% defoliation at 35 days after its application. In the MAG-Tumbaco genotype, the best defoliation results were also obtained with cooper chelate at 1% (99.7% defoliation), while the control achieved 95.5% for 35 days after its application. In the latter genotype, defoliants significantly outperformed the control in terms of sprouting at 21 and 28 days after application; as a result, harvest was advanced by 22.6 days. These treatments should be tested in other climate zones to establish them as cultural practices to increase off-season fruit production, benefiting farmers and industry.
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.
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 | 0,001 |
| 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 découle