Pratiques d'irrigation et lessivage en production de fraises en Californie
Notice bibliographique
Résumé
La Californie est la plus grande région productrice de fraise en Amérique du nord et cette production ne serait pas possible sans irrigation. Toutefois, les ressources en eau sont limitées dans cette région et la qualité des eaux souterraines est menacée par le lessivage des nitrates. Dans ce contexte, il est essentiel d’optimiser la gestion de l’irrigation afin d’économiser l’eau et de limiter le lessivage tout en maintenant le même niveau de productivité. Des travaux antérieurs ont démontré que le rendement était maximal avec une gestion humide par tensiométrie avec un seuil de -10 kPa, mais l’efficacité d’utilisation de l’eau (EUE) n’est pas maximisée. Des gains d’efficacité pourraient être obtenus en utilisant un seuil plus sec lorsque les besoins en eau de la plante sont plus faibles. Le premier volet de cet ouvrage consistait à comparer différentes stratégies d’irrigation de déficit à une gestion humide et à une gestion conventionnelle de l’irrigation. Des augmentations significatives de l’EUE ont été obtenues avec l’irrigation de déficit sans diminution de rendement significative comparativement à la gestion humide. Toutefois, ces régies tendaient à diminuer le rendement de 0 à 3 % et comme le prix du produit est élevé, il serait pertinent dans des travaux futurs de vérifier si cette tendance de baisse du rendement se confirme. De plus, la gestion par tensiométrie a diminué le lessivage comparativement à la gestion conventionnelle puisque cette technologie permet un ajustement plus précis du temps d’irrigation afin de limiter la perte d’eau et de nutriments au-delà de la zone racinaire. Le deuxième volet visait à mesurer l’impact de différentes régies d’irrigation sur la salinité du sol et à vérifier si la conductivité électrique (CE) de la solution du sol était un indicateur fiable pour suivre la concentration de nitrate dans le sol. Différentes régies d’irrigation basées sur le potentiel matriciel du sol ont été comparées à des régies basées sur l’évapotranspiration et à la régie conventionnelle du producteur. Aucune différence significative n’a été observée sur les deux sites, tous les traitements ont subi une hausse de salinité pendant la saison, mais les pluies hivernales ont été suffisantes pour lessiver cette accumulation de sels. La régie d’irrigation de déficit par tensiométrie ne présente donc pas de risque d’augmentation de salinité dans le sol comparativement à une gestion humide. De plus, la CE du sol s’est avérée inefficace pour estimer la concentration en nitrate du sol puisque la contribution de l’ion nitrate est très faible comparativement à d’autres ions naturellement présents dans le sol.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».