Humidity Control and Its Implications in the Storage of Apples and Pears: A Review
Notice bibliographique
Résumé
Abstract At harvest, the water content of apples and pears is at its maximum, about 83–85% by mass. The rate of fruit water loss after harvest is a function of three factors: the fruit surface area, the epidermis water vapour permeance, and the difference in internal and external fruit water vapour pressure. However, the water vapour pressure difference is the only factor that can be controlled during storage, i.e. by altering the storage humidity. Curiously, most publications on apple and pear storage do not discuss storage humidity even though the postharvest quality of both depends largely upon it. Apples and pears can experience up to ~ 2% mass loss without loss of commercial value, but further mass loss creates visible shrivelling, and may also increase bitter pit, depending on the cultivar. The prevailing commercial advice has been to minimise mass loss by maximising the relative humidity at the chosen storage temperature. However, this advice should be re-evaluated, and humidity management protocols revised, from minimising mass loss to optimising mass loss. Growing evidence indicates that storage humidity affects the postharvest performance of apples and pears. A review of the literature over the last 100 years shows that some mass loss, achieved by lowering storage atmosphere humidity, can improve apple and pear quality by reducing non-bitter pit disorders, bruising, respiration, ethylene production and decay, especially if the mass loss occurs at the beginning of storage. The effects of mass loss on calcium-related disorders suggest that mass loss may affect postharvest calcium redistribution in the fruit. The fruit mass loss for refrigerated air and controlled atmosphere rooms can be estimated by collecting the defrost water from the refrigeration cooling coils and expressing this as a percentage of the initial total mass of fruit in the room. A ‘2-in-2’ guideline (up to 2% mass loss in the first 2 months) is proposed, but further research is needed to refine this guidance, especially for cultivars that may benefit from greater mass loss without increasing shrivelling or bitter pit.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».