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 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 | 0,007 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».