MétaCan
Menu
Retour à la cohorte
Enregistrement W4387668549 · doi:10.3390/agriculture13102007

Water Deficit Duration Affects Potato Plant Growth, Yield and Tuber Quality

2023· article· en· W4387668549 sur OpenAlexafffund
Sheng Li, Yulia Kupriyanovich, Cameron Wagg, Fangzhou Zheng, Sheldon Hann

Notice bibliographique

RevueAgriculture · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésYield (engineering)Vegetative reproductionDry matterIrrigationBiologyAgronomyBiomass (ecology)Deficit irrigationHorticultureDrought tolerancePlant growthIrrigation management

Résumé

récupéré en direct d'OpenAlex

In humid climate regions, a short period of water deficit, especially during the vegetative growth and tuberization stages, has been found to affect potato plant growth, yield and tuber quality. However, there is still a lack of information on the impact of the water deficit duration. In this study, we examined potato plant growth, yield and tuber quality parameters with plants under 0 to 25 days of water deficit initiated at the beginnings of the vegetative growth stage and the tuberization stage, respectively. We found that for both the vegetative growth and tuberization stages, a longer water deficit duration resulted in no significant change in final plant height but significantly delayed flowering and reduced total biomass, yield, tuber dry matter content and share of large tubers. We estimate that per day of prolonged water deficit, there will be a yield loss of 3.1% and 3.4% for the vegetative growth and tuberization stages, respectively. Similarly, for per liter of irrigation water, there will be a yield increase of 16.3 g and 19.1 g for the vegetative growth and tuberization stages, respectively. Further studies are suggested to examine how supplemental irrigation can be used most effectively to mitigate the impact of water deficit on potato production in humid climate regions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,874
Score d'incertitude au seuil0,473

Scores Codex et Gemma par catégorie

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 Opus0,032
Tête enseignante GPT0,245
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations19
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetPotato Plant ResearchTravaux en français237 207