A Comparison of the Effects of Phycocyanin, γ-Aminobutyric Acid, Glycine Betaine, and Mycorrhizal Biostimulants of Non-Stressed Agrostis stolonifera
Notice bibliographique
Résumé
Four biostimulants (phycocyanin, γ-aminobutyric acid (GABA), glycine betaine (GB), and the mycorrhizal fungus Rhizophagus intraradices) were applied foliarly to six cultivars of mature creeping bentgrass (Agrostis stolonifera) under non-stressed greenhouse conditions. Phycocyanin was most effective at increasing total shoot greenness, which was most consistent over time with the cultivars Penncross, T1, and Tyee. GABA was most effective at increasing total root fresh and dry weight, most strongly for Penncross and T1, respectively. GB was most effective at increasing total shoot fresh and dry weight, with both most strongly increased for Tyee. By comparison, R. intraradices had relatively low effectiveness for increasing any of these parameters. The appearance of the grass at the end of the experiment revealed that 007 and Focus generally showed the most and least growth benefit, respectively, with all four biostimulants. However, all cultivars showed increases in more than one parameter for each biostimulant, and thus, no cultivar was uniformly responsive or non-responsive to all the biostimulants. This research shows that phycocyanin, GABA, and GB may benefit multiple creeping bentgrass cultivars under non-stressed conditions, but each one tended to be more beneficial to a particular aspect of plant growth and quality. End users need to be aware of the importance of creeping bentgrass genotype when considering biostimulant application.
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 ».