MétaCan
Menu
Retour à la cohorte
Enregistrement W4396656739 · doi:10.1080/15538362.2024.2342900

The California Strawberry Industry: Current Trends and Future Prospects

2024· article· en· W4396656739 sur OpenAlexaboutno aff
Gerald J. Holmes

Notice bibliographique

RevueInternational Journal of Fruit Science · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBerry genetics and cultivation research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Food and AgricultureCalifornia Strawberry Commission
Mots-clésVerticillium wiltCultivarPreharvestBiologyHorticulturePowdery mildewAgronomyHectareRoot rotGeographyAgriculturePostharvestEcology

Résumé

récupéré en direct d'OpenAlex

Fruit production, plant production, genetics, technological advancements, food safety practices, and dedication to sustainable practices make California the most important strawberry production area in the world. California grew 16,303 hectares of strawberries in 2023 in three growing districts located along California’s Central Coast: Oxnard, Santa Maria and Watsonville-Salinas. Transplants are grown on approximately 1,627 ha at high and low elevation nurseries located up to a thousand km from fruit growing districts. Almost all fruit production is in open fields with a small amount under high plastic tunnels either in soil or on tabletops. Nursery production is almost all in open fields. In 2022, there were 13 public cultivars grown with the most popular being Monterey, Portola, Fronteras, Cabrillo, and San Andreas grown on 27%, 13%, 11%, 4% and 2% of the planted acres, respectively. All proprietary cultivars combined made up 39% of the planted acres. Fresh market makes up 81% of the harvested fruit with 19% destined for processing into concentrates, individually quick frozen, purees and juice. Most fruit are sold domestically (87%) while 13% is exported, the majority to Canada (62%) and Mexico (25%). The most important diseases are Macrophomina root rot, Fusarium wilt, Verticillium wilt, Phytophthora root rot, Botrytis fruit rot and powdery mildew. The most important arthropod pests are twospotted spider mite and Lygus bug. Current challenges include increased regulation on water quality, fumigants, pesticides, labor and increased urbanization.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,638

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0010,000
Science ouverte0,0010,000
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 Opus0,026
Tête enseignante GPT0,325
Écart entre enseignants0,299 · 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'étudeAutre devis
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

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Fruit ScienceMême sujetBerry genetics and cultivation researchTravaux en français237 207