Wood age, rootstocks and cultivars drive the formation of productivity and fruit size in sweet cherry
Notice bibliographique
Résumé
To maintain the high yields and fruit quality necessary for profitability of sweet cherry production, it is important to consider precision crop load and canopy management techniques during limb renewal. The effects of branch section age, rootstock, and cultivar on spur and flower density and fruit quality have been discussed in previous studies, but most of them focus on a limited range of fruiting wood ages and scion-rootstock combinations. This study aims to analyse the processes of sweet cherry productivity and fruit size formation on a wide range of wood age to determine the limit after which branch preservation is not sustainable, and to evaluate the influence of rootstocks and cultivars on these parameters. The results indicate that wood age is one of the main drivers of productivity formation in cherry. The highest flower density was observed on 3-year-old branch sections – 324 flowers per linear m, due to high spur density, number of reproductive buds per spur and flowers per bud. Productivity on 2-year-old wood was also good (256 flowers per linear m), while a sharp decline in flower density was noted on 4- and 5-year-old wood. The largest fruits were formed on young branch sections, with a significant decline in fruit weight and diameter on 4- and 5-year-old sections. Rootstock vigour had a bigger effect on floral organ induction on 1-year-old shoots, than on spurs. Based on the results, it is advisable to regularly renew lateral branches older than 3 years to maintain high yield efficiency and fruit 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».