Effect of harvest time on sugar content and carotenoid composition in different sweet maize hybrids
Notice bibliographique
Résumé
Sweet maize (Zea mays convar. saccharata var. rugosa) is valued for its high sugar content, which gradually converts to starch during kernel maturation. This study evaluated the yield and biochemical composition of five super sweet maize hybrids (D, M, G, S, and N) across four harvest dates (July 19, July 26, August 2, and August 9) over two consecutive growing seasons. Seventeen key nutritional parameters-including sugars, minerals, and carotenoids-were significantly affected by both hybrid and harvest time (p < 0.05). The M hybrid showed the highest levels of β-carotene (5.61 µg/g), phosphorus (3.45 mg/g), and magnesium (1.96 mg/g), while the S hybrid had the greatest concentrations of lutein (2.84 µg/g), zeaxanthin (2.71 µg/g), and β-cryptoxanthin (1.79 µg/g). The D hybrid recorded the highest sucrose content (78.5 mg/g), and the N hybrid was superior in dry matter (32.7%) and fructose (61.4 mg/g). Harvest timing also had a significant impact: early harvest (July 19) resulted in peak concentrations of β-carotene (5.89 µg/g), potassium (4.17 mg/g), and glucose (84.2 mg/g), whereas late harvest (August 9) favored hybrid-specific nutrient accumulation. Principal Component Analysis (PCA) revealed that the first two components explained 75.82% of the total variance, with glucose and potassium identified as key discriminating traits. These findings highlight the critical role of genotype selection and harvest timing in optimizing the nutritional quality and market value of sweet maize under temperate growing conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».