Productivity effects of single plant growth promoting rhizobacterium inoculation on Cannabis sativa L. morphological development and flower yield
Notice bibliographique
Résumé
The legalization of cannabis and awareness of its end-use applications has resulted in the renewed consumer demand. An important challenge is achievement of high yield with minimum input for indoor production. The beneficial phytomicrobiome as a sustainable approach gives its potential and ability to enhance plant growth has already been evaluated for a range of plants. This study evaluated three individual plant growth promoting rhizobacterium (PGPR, Bacillus sp., Mucilaginibacter sp. and Pseudomonas sp.) on cannabis (cv. CBD Kush) cuttings’ root development and subsequent plant growth. Our hypothesis was that the PGPR would improve rooting speed of cuttings, yield attributes, and physiological variables. When compared to control (mock inoculation with MgSO4), inoculation with PGPR increased root length at vegetative stage and enhanced flower fresh weight by 5.13%, 6.94% and 11.45%, inoculating with Bacillus sp., Mucilaginibacter sp. and Pseudomonas sp. respectively. While the plant height, node number, branch number and leaf area treated with PGPR was rarely different from control. Throughout growth (vegetative and reproductive), inoculation with Pseudomonas sp. resulted in the greatest increase in photosynthetic rate. Future research should investigate the effects of PGPR on the cannabinoid profile and the effect of various cell densities at inoculation, or different inoculation timings.
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 | 0,001 |
| 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 ».