1162 Arbeiten
Diese Studie zeigt, dass die Sorghum-Soja-Mischkultivierung die Salztoleranz von Soja verbessert, indem sie die bakterielle Gemeinschaft der Rhizosphäre umgestaltet, um vorteilhafte Gattungen wie *Bacillus* und *Pseudomonas* anzureichern, was das salzhaltige Bodenmikromilieu optimiert und oxidativen Stress lindert.
Diese Studie zeigt, dass ein Deep-Learning-Framework, das 1D-CNN und SMOTE mit NIR-Spektroskopie kombiniert, organische Bodensubstanz und Gesamtkohlenstoff in Nordthailand genau und schnell klassifizieren kann, was eine zerstörungsfreie, hochleistungsfähige Alternative zu konventionellen Labormethoden für die Präzisionslandwirtschaft und ein nachhaltiges Landmanagement bietet.
Diese Studie evaluierte systematisch Hyperspektralbildgebungs-Workflows, um optimale Kombinationen aus Probenpartitionierung, spektraler Vorverarbeitung, Merkmalsauswahl und maschinellen Lernmodellen für die zerstörungsfreie Vorhersage von Pigment- und Nährstoffmerkmalen in Tomatenblättern zu identifizieren, wobei sie aufzeigte, dass stickstoffbezogene Merkmale zuverlässig mittels CNNs vorhergesagt werden konnten, die Chlorophyllvorhersage jedoch begrenzt blieb und die Workflow-Optimierung auf spezifische Zielmerkmale zugeschnitten werden muss.
Diese Studie zeigt, dass die Zitronensäure-vermittelte Mikrowellenextraktion (CAM-MAE) konventionelle Erwärmungsmethoden signifikant übertrifft, indem sie schnell hochreine, hochmolekulare Polysaccharide aus *Centella asiatica* mit starken antidiabetischen und antioxidativen Aktivitäten liefert.
Diese kritische Rezension argumentiert, dass Agroforstwirtschaft und Rainforestation komplementäre, nicht jedoch austauschbare Strategien zur Verringerung des Entwaldungsdrucks in den Tropen sind, wobei betont wird, dass ihr Erfolg von einer Landschaftshierarchie abhängt, die den Schutz intakter Wälder und natürliche Regeneration neben kontextspezifischer Umsetzung, Landbesitzsicherheit und robuster Überwachung priorisiert.
Diese Studie präsentiert ein auf maschinellem Lernen basierendes Framework, das von der hochauflösenden Laborspektroskopie zu einem einsatzfähigen robotischen LiDAR-System übergeht und erfolgreich eine kontaktlose, hochpräzise Schätzung des volumetrischen Wassergehalts in substratfreien Steinwollmedien für die automatisierte Bewässerung in der kontrollierten Umgebungsluftwirtschaft erreicht.
Diese Studie zeigt, dass eine neuartige, mit einer niedrigen Resveratrol-Dosis beladene Bionanokomposit-Beschichtung aus Carboxymethylcellulose, Nanochitosan und grünem Pomelölextrakt die Haltbarkeit effektiv verlängert und die Qualität frischer Pilze durch die Reduzierung des Gewichtsverlusts, die Aufrechterhaltung der Festigkeit und den Erhalt aromatischer Verbindungen während der Kaltlagerung bewahrt.
Diese Studie charakterisiert die ernährungsphysiologischen und bioaktiven Eigenschaften von *Rhynchophorus phoenicis*- und *Oryctes rhinoceros*-Larven, die in der Demokratischen Republik Kongo konsumiert werden, und offenbart deren reiche Mineralstoffprofile, phytochemische Diversität sowie potente antioxidative Aktivitäten als wissenschaftliche Grundlage für deren Integration in funktionelle Ernährungsstrategien zur Bekämpfung von Ernährungsunsicherheit und oxidativem Stress in Subsahara-Afrika.
Diese systematische Übersicht synthetisiert globale Evidenzen zu physiologischen, genetischen und sozioökonomischen Strategien zur Entwicklung dürreresistenter Sojabohnen-Genotypen, identifiziert zentrale molekulare Mechanismen sowie Züchtungstechnologien und hebt dabei kritische Lücken sowie einen maßgeschneiderten Fahrplan zur Steigerung der Sojabohnenproduktivität und Klimaresilienz in Tansania hervor.
Dieses Paper stellt SoyNodules vor, einen FAIR-konformen Datensatz mit 1.701 annotierten Bildern von Sojabohnenwurzeln und isolierten Knöllchen mit 49.210 Bounding Boxes, der entwickelt wurde, um die Entwicklung von Deep-Learning-Modellen für die automatisierte Knöllchendetektion und die Bewertung der biologischen Stickstofffixierung in der Präzisionslandwirtschaft zu erleichtern.