MétaCan
Menu
Retour à la cohorte
Enregistrement W4409201984 · doi:10.1080/19315260.2025.2487018

Effect of amber and low-pressure sodium lights supplemented with blue light on lettuce ( <i>Lactuca sativa</i> ) production

2025· article· en· W4409201984 sur OpenAlexafffund
Felix Marcil-Gendreau, Philip Addo Wiredu, Anne-Sophie Rufyikiri, Sarah MacPherson, Mark Lefsrud

Notice bibliographique

RevueInternational Journal of Vegetable Science · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLight effects on plants
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUrban Barns Foods
Mots-clésLactucaBlue lightProduction (economics)Sodium-vapor lampEnvironmental scienceSodiumHorticultureBiologyPhysicsEconomicsChemistryOptics

Résumé

récupéré en direct d'OpenAlex

As food security concerns and controlled environment agriculture continue to grow, a comprehensive understanding of the influence of light on vegetable cultivation is needed. This study compared the performance of broad amber (595 nm) lamps to low-pressure sodium lamps (589 nm) and evaluated whether the addition of blue (450 and 473 nm) light improved plant growth. The low-pressure sodium lamp performed similarly to amber in terms of vegetative growth. Results showed that lettuce grown under low-pressure sodium lamps exhibited yellowing of leaves, which was not observed under amber light. The addition of blue light significantly (p < .05) reduced the fresh mass and dry mass of plants treated with low-pressure sodium lamps by 21.5% and 16.6%, respectively. For plants treated with amber light, the addition of blue light at light intensities below 170 μmol m−2 s−1 significantly (p < .05) increased both fresh mass and dry mass, although decreased by 30.4% and 19.5%, respectively, above 170 μmol m−2 s−1. Data presented herein show that the addition of blue LEDs significantly increased the chlorophyll concentration by 24.4% and 33.1% for low-pressure sodium lamps and amber light, respectively (p < .05).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,003
Tête enseignante GPT0,229
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Vegetable ScienceMême sujetLight effects on plantsTravaux en français237 207