Evaluation of Thermal-Based Physiological Indicators for Determining Water Stress Thresholds in Drip- Irrigated 'Regina' Cherry Trees
Notice bibliographique
Résumé
Abstract This work aimed to assess the performance of different thermal-infrared (TIR)-based physiological indicators (PI) as an alternative to the stem water potential (Ψs) and stomatal conductance (gs) for monitor the water status of grafted drip-irrigated 'Regina' cherry trees. In addition, we evaluated the usefulness of piecewise linear regression for finding PI thresholds that are important for post-harvest regulated deficit irrigation (RDI) management. With this purpose, an irrigation experiment was carried out in the post-harvest period. Trees were submitted to three Ψs-based water stress treatments: T0 (fruit grower management treatment, or control) (Ψs > -1.0 MPa, without-to-low water stress); T1 (low to mild water stress treatment = -1.0 > Ψs > -1.5 MPa); and T2 (mild-to-severe water stress treatment = -1.5 > Ψs > -2.0 MPa). The results indicated that the trees were more stressed in T2 than in T0. In the former, averages of Ψs and gs were -1.75 MPa and 372 mmol m-2 s-1, whereas they were -1.56 MPa and 427 mmol m-2 s-1 in T0. The piecewise model allowed determining the water stress thresholds of almost all studied PI. The breakpoints yielded by this analysis indicated that trees at Ψs lower than -1.5 MPa had a gs lower than 484 mmol m-2 s-1. These results also showed that TIR-based PI, whose equations incorporate a temperature normalization, are a better indicator of cherry tree water status than those without normalization. The derived TIR-based PI threshold values could be used as a reference for managing drip-irrigated 'Regina' cherry trees.
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) | 0,000 | 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 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 ».