MétaCan
Menu
Retour à la cohorte
Enregistrement W4412873313 · doi:10.3390/horticulturae11070849

Deficit Irrigation and Nitrogen Application Rate Influence Growth and Yield of Four Potato Cultivars (Solanum tuberosum L.)

2025· article· en· W4412873313 sur OpenAlexaboutno aff
Abdulssamad M. H. Barka, S. Y. C. Essah, Jessica G. Davis

Notice bibliographique

RevueHorticulturae · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensnon disponible
Organismes subventionnairesColorado Agricultural Experiment Station
Mots-clésSolanum tuberosumCultivarYield (engineering)IrrigationNitrogenAgronomyHorticultureCrop yieldBiologyChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Potatoes have high nitrogen (N) and irrigation requirements. Increasing water scarcity and environmental concerns highlight the need for efficient resource management. This study evaluated the effects of deficit irrigation and reduced N on yield and growth parameters in four potato cultivars (Canela Russet, Mesa Russet, Russet Norkotah3, and Yukon Gold) at Colorado State University’s San Luis Valley Research Center over two growing seasons. Three irrigation levels (~70%, ~80%, and 100% ET replacement) and two N rates (165 and 131 kg/ha) were evaluated. Measurements included total and marketable yield, tuber size distribution, tuber bulking (TB), leaf area index (LAI), and stem and tuber numbers. Yield losses were absent with ≤18% irrigation reduction in Canela Russet, Mesa Russet, or Yukon Gold but occurred with larger deficits. Russet Norkotah3 experienced yield decline with 16–23% reductions in irrigation. A twenty percent reduction in N application had no effect on Mesa Russet or Russet Norkotah3 yields, while the other varieties experienced a yield decline in one out of two years. Early-season LAI and late-season TB were positively correlated with yield, particularly for Canela Russet and Russet Norkotah3. These findings suggest irrigation and N inputs can be reduced without compromising productivity, but reductions must be determined on a cultivar-by-cultivar basis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,774
Score d'incertitude au seuil0,185

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,231
Écart entre enseignants0,217 · 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 tête enseignante, 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'admission1
Résumé présentoui

Explorer davantage

Même revueHorticulturaeMême sujetPotato Plant ResearchTravaux en français237 207