Effect of Different Concentrations of Salicylic Acid as Post-harvest Treatment on Physicochemical Properties and Shelf Life of Mango (<i>Mangifera indica</i> cv. Bombay green)
Notice bibliographique
Résumé
This study was undertaken at the Horticulture Laboratory of College of Natural Resource Management Bardibas, Mahottari, Nepal in 2023.Physiological loss in weight, fruit firmness, shelf life, pulp pH, Total soluble solids (TSS), Titratable acidity (TA), and TSS: TA ratio were to be determined for the study.The study contained 5 different concentrations of salicylic acid as five treatments (0 ppm, 50 ppm, 100 ppm, 150 ppm and 200 ppm) with four replications of each on a Completely Randomized Design (CRD).For each treatment destructive and non-destructive sample were prepared.Data obtained from various biochemical analyses of physicochemical properties (physiological loss in weight, total soluble solids, titratable acidity, pulp pH, TSS: TSS ratio, and shelf life of mango) were recorded and statistically analyzed by using Gen-Stat software.The fruits were evaluated at the three-day interval after the initial reading taken on the day of storage and further data were recorded after 3,6,9,12, and 15 days of storage.Among all the salicylic acid treatments, @200 ppm recorded the minimum physiological loss in weight, the highest total soluble solids (21.44ºBrix), maximum fruit firmness (1.91 kg/cm 2 ), highest titratable acidity (0.166%), highest TSS: TA ratio (129.4), and minimum pulp PH (6.00).The longest shelf life was observed with fruit treated with a 200 ppm concentration of salicylic acid (15.71 days) which was similar to 150 ppm of salicylic acid (15.35Days).Salicylic acid at 200 ppm showed the best performance in retarding the changes in physicochemical properties and prolonging the shelf life of mango fruits.
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 | 0,000 | 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 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 ».