Combined Organic Ameliorants Mitigate Drought Stress in Watermelon by Enhancing Chlorophyll Retention and Water Use Efficiency
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
Watermelon (Citrullus lanatus L.) is highly susceptible to drought stress, which adversely affects its physiological and biochemical performance.This study aimed to assess the effectiveness of organic ameliorants-water hyacinth bokashi, manure, and rice husk biochar-in mitigating the impacts of drought stress on watermelon.A factorial randomized block design (RBD) was employed with two factors: (1) four combinations of organic ameliorants-BoM (bokashi + manure), BoBi (bokashi + biochar), MBi (manure + biochar), and BoMBi (bokashi + manure + biochar); and (2) four levels of drought stress based on field capacity (FC)-100%, 75%, 50%, and 25%.Results demonstrated that certain ameliorant combinations, particularly MBi and BoM under 25% FC (MBi25 and BoM25), significantly sustained higher levels of chlorophyll a (127.57g/g and 135.84 g/g, respectively; p < 0.05), chlorophyll b (42.40 g/g and 48.29 g/g; p < 0.05), and total chlorophyll (169.97 g/g and 184.13 g/g; p < 0.05), indicating improved photosynthetic capacity under severe drought conditions.Additionally, BoM25 maintained a relatively high leaf water content (69.70%), despite root growth inhibition.In contrast, proline, antioxidant activity, and total phenolic content were markedly elevated under extreme drought (25% FC), although the ameliorants had limited impact on these stress markers.Overall, the application of organic ameliorants partially alleviated the negative effects of drought stress by enhancing water retention and preserving chlorophyll content, while biochemical stress indicators remained largely unaffected.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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