تعیین مناسب ترین غلظت علف کش های پرتیلاکلر و سان رایس پلاس در کنترل علف های هرز برنج
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 306
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCPP-6-22_009
تاریخ نمایه سازی: 5 خرداد 1400
چکیده مقاله:
به منظور تعیین مناسب ترین غلظت علفکشهای پرتیلاکلر و سانرایسپلاس در کنترل علفهای هرز و عملکرد بهینه برنج رقم هاشمی(Oryza sativa L.)، آزمایشی بهصورت فاکتوریل در قالب طرح بلوکهای کامل تصادفی در چهار تکرار در مزرعه پژوهشی دانشکده کشاورزی دانشگاه گیلان در سال زراعی ۱۳۹۱ انجام شد. تیمارهای آزمایشی شامل تیمار کنترل با سطوح کمتر از، بیشتر از و مقدار توصیه شده پرتیلاکلر (۵/۰، ۷۵/۰ و ۱ کیلوگرم ماده موثره در هکتار) و سانرایسپلاس (۴۵/۰، ۹/۰ و ۳۵/۱ کیلوگرم ماده موثره در هکتار) با دو شاهد (دوبار وجین و عدم وجین) و عامل کود شامل کاربرد (۹۰ کیلوگرم در هکتار) و عدم کاربرد نیتروژن بودند. علفهای هرز غالب مزرعه، سوروف (Echinochloa crus-galli L.) و اویارسلام (Cyperus rotandus L.) بودند. بالاترین تعداد پنجه بارور، تعداد دانه در خوشه و عملکرد دانه در غلظتهای توصیه شده پرتیلاکلر و سانرایسپلاس و غلظت بیشتر از میزان توصیه شده سانرایسپلاس به علت کارایی مناسب آنها در کنترل علفهای هرز (بیش از ۷۰%) با کاربرد کود نیتروژن مشاهده شد. کمترین تعداد دانه در خوشه، تعداد پنجه و عملکرد دانه در تیمار شاهد بدون وجین دیده شد که تفاوت معنیداری بین کاربرد و عدم کاربرد کود نیتروژن وجود نداشت. بهطورکلی، کود نیتروژن در تیمارهایی که علفکشها، علفهای هرز را بهخوبی کنترل کرده بودند، اثر مثبتی روی عملکرد و اجزای عملکرد برنج استعمال داشت و در تیمارهای عدم وجین، مصرف کود نیتروژن توسط علف هرز سبب افت تاثیر نیتروژن بر عملکرد دانه برنج شد.
کلیدواژه ها:
نویسندگان
آمنه ابراهیم پورلیش
University of Guilan, Rasht, Iran.
جعفر اصغری
University of Guilan, Rasht, Iran.
پرستو مرادی
University of Guilan, Rasht, Iran.
حبیب الله سمیع زاده
University of Guilan, Rasht, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :