Assessment of Two Calcium Silicate Sources on Cucumber Under Water Restriction
Notice bibliographique
Résumé
Silicon (Si) is beneficial for plants that are under unfavorable conditions. In this study conducted under greenhouse conditions at Chapingo Autonomous University, Si fertilization was tested to examine whether it affected yields, biometrics, physiological parameters, and nutritional attributes of cucumber plants cultivated at different moisture levels in the substrate. Fifteen treatments were tried in a completely randomized design, including three moisture levels (50-60%, 75-85%, and 90-100% of container capacity (CC) and five Si doses (0, 50, 100 mg L-1 SiO2, 2 g L-1, and 3 g L-1 Wollastonite). Uniform irrigation was applied until the 18th day after transplantation, and controlled irrigation was applied according to the moisture levels until the end of the experiment. 3 g L-1 of wollastonite under 75-85% CC enhanced cucumber yield by 24.9% in comparison to untreated plants, while no Si dose affected fruit length, diameter, weight, and total soluble solids. At 90-100% of CC, 50 mg L-1 SiO2 increased the aerial biomass production (ABP) of the plants by 9.3%, and at 50-60% of CC, 100 mg L-1 SiO2 generated 11.8% more aerial biomass than untreated plants. As Si did not affect root production, mainly at 50-60% of CC, it improved chlorophyll a, b, and the total content of the leaves. Different parts of the plant saw significant increases in N, P, K, Ca, Mg, and Si concentrations because of Si’s interactions with moisture levels. When the substrate is low in moisture, Si is likely to improve cucumber yields, physiological, and nutritional characteristics of the plant.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».