Pyroligneous Acid Affects Grapevine Growth, Yield, and Chemical Composition of Leaf, Pomace, and Juice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide In the past decade, many studies have investigated the effects of biostimulants on viticulture. However, the impact of pyroligneous acid (PA) on grape ( Vitis vinifera ) production has not yet been reported. In this study, PA at varying concentrations (0, 4, 8, and 12% PA) and application frequencies (14-, 21-, and 28-day intervals) were applied to enhance the growth, yield, and quality of grapes (cv. KWAD7-1). The results showed that the treated grapes responded differently to PA application. The 4 and 8% PA showed a nonsignificant ( p > 0.05) increase in yield of about 0.37- and 0.18-fold, respectively, compared to the 0% PA. The 12% PA, on the other hand, reduced the yield by approximately 0.03-fold compared to the 0% PA. Carotenoid, total phenolics, flavonoid, and sugar were altered by the PA. Interestingly, the 4% PA significantly ( p < 0.05) improved total carotenoids (0.34-fold), total phenolics (0.26-fold), and flavonoids (0.26-fold) compared to the 0% PA. The 4% PA applied at 21-day and 28-day intervals remarkably improved vine and leaf growth, respectively. In conclusion, the 21-day interval of PA application significantly ( p < 0.05) improved fruit fresh weight, juice weight, juice volume, press weight, °Brix, pH, salinity, total dissolved solids, electrical conductivity, and titratable acidity. Further study is necessary to assess how PA can influence the metabolites present in grape wine.
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.
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 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 découle