اثر متقابل زمان و رقم روی میزان پارازیتیسم مگس گلرنگ (Acanthiophilus helianthi (Rossi) (Diptera: Trypetidae))
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 187
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMAPR-34-5_002
تاریخ نمایه سازی: 11 مهر 1400
چکیده مقاله:
مگس گلرنگ، Acanthiophilus helianthi یکی از آفات مهم گلرنگ در سرتاسر جهان می باشد که هر ساله خسارت زیادی به این محصول وارد می کند. در ایران میزان خسارت مگس گلرنگ روی ارقام مختلف بین ۷۰-۳۰% برآورد شده است. استفاده از پارازیتوئیدها به عنوان یکی از روش های مدیریت تلفیقی آفات می باشد. در این مطالعه اثر متقابل زمان و رقم روی میزان پارازیتیسم مگس گلرنگ توسط گونه های Ormyrus gratiosus و Microdontromerus annulatus در مزرعه تحقیقاتی دانشگاه شاهد (جنوب تهران) انجام شد. پژوهش مذکور در قالب طرح بلوک های کامل تصادفی در ۴ تکرار اجرا شد. تیمار های آزمایش شامل ۷ رقم گلرنگ شامل زرقان، پدیده، گلدشت، ورامین ۲۹۵، پورداد PI، Aceteria، Mec ۱۶۳ بودند. نمونه برداری هر هفت روز یک بار انجام و تجزیه و تحلیل داده ها با روش Kruskal valis انجام شد. بیشترین درصد پارازیتیسم زنبورO. gratiosus در تاریخ ۱۹ تیر ماه روی ارقام Mec۱۶۳ و ورامین با ۱۲.۳۵ درصد مشاهده شد. کمترین درصد پارازیتیسم توسط گونه O. gratiosus در تاریخ ۲۵ خرداد ماه در همه ارقام مشاهده شد. بیشترین میزان پازازیتیسم زنبور M. annulatus در طول زمان نمونه برداری در ارقام پدیده به میزان ۷.۵۶ در صد و رقم Mec۱۶۳، ۷.۵۲ درصد دیده شد. کمترین میزان پارازیتیسم توسط گونه M. annulatus در رقم ورامین (۶.۴۹ درصد) دیده شد.
کلیدواژه ها:
ارقام گلرنگ (Cartamus tinctorius L.) ، مگس گلرنگ ، پارازیتیسم ، Ormyrus gratiosus ، Microdontromerus annulatus
نویسندگان
زهرا دوستی
فارغ التحصیل کارشناسی ارشد حشره شناسی، دانشکده کشاورزی دانشگاه شاهد، تهران، ایران
حبیب عباسی پور شوشتری
استاد، گروه گیاه پزشکی، دانشکده کشاورزی دانشگاه شاهد، تهران، ایران
علیرضا عسکریان زاده
دانشیار، گروه گیاه پزشکی، دانشکده کشاورزی دانشگاه شاهد، تهران، ایران
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 :