مقایسه عملکرد دانه و زودرسی هیبریدهای جدید ذرت در شرایط کرمانشاه
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 167
فایل این مقاله در 9 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_JCB-10-28_011
تاریخ نمایه سازی: 17 مهر 1400
چکیده مقاله:
به منظور مقایسه ی عملکرد دانه و سایر خصوصیات زراعی و کیفی هیبریدهای ذرت خارجی، این آزمایش با استفاده از ۱۳ هیبرید ذرت دانه ای خارجی همراه با دو رقم شاهد داخلی (BC-۶۲، BC۶۳۲، BC-۶۲۱، BC۶۲۸، BC-۵۱۲، BC-۵۹۵، PL-۴۷۲، BC-۵۲۵، VALBUM، BC-۶۲۶، BC-۵۸۵، Torro، Simon، KSC ۷۰۴ و KSC۷۰۳)، در قالب طرح بلوک های کامل تصادفی با چهار تکرار در سال زراعی ۱۳۹۵ در ایستگاه تحقیقاتی ماهیدشت، کرمانشاه اجرا شد. تجزیه واریانس نشان داد که اثر رقم بر صفات زراعی، اجزای عملکرد و عملکرد دانه در سطح احتمال یک درصد معنی دار بود. هیبرید BC-۶۲۱ با وزن هزار دانه ۳۵۹ گرم و درصد چوب بلال بسیار پایین (۴/۱۲ درصد) و عملکرد ۰۶۰/۱۵ تن در هکتار و طول دوره رسیدن فیزیولوژیکی ۱۳۷ روز برترین هیبرید بود. هیبریدهای BC-۵۱۲ و BC-۶۲۶ نیز به ترتیب با طول دوره رسیدن فیزیولوژیکی (۱۳۸ و ۱۳۶ روز) و با وزن هزار دانه ۳۳۱ و ۳۲۴ گرم و درصد چوب بلال (۵/۱۳ و ۷/۱۶درصد) و عملکردهای دانه ۴۳۰/۱۴ و ۸۳۰/۱۳ تن در هکتار و هیبرید Torro نیز با وزن هزار دانه ۳۹۶ گرم و درصد چوب بلال (۱۵ درصد) و عملکرد دانه ۹۸۰/۱۲ تن در هکتار و طول دوره رسیدن فیزیولوژیکی ۱۳۷ روز هیبریدهای برتر بودند. این هیبریدها جهت کشت در مناطق معتدل استان کرمانشاه و سایر مناطق با شرایط مشابه توصیه می شوند و از نظر تیپ و ارتفاع بوته نیز وضعیت بسیار خوبی داشتند. چهار هیبرید یاد شده در حدود ۳ تا ۵ تن نسبت به شاهدهای KSC۷۰۴ و KSC۷۰۳ افزایش عملکرد دانه داشتند. همچنین از تحمل تنش به سیاهک معمولی بیشتری نسبت به ارقام شاهد برخوردار بودند.
کلیدواژه ها:
نویسندگان
فرهاد صادقی
Seed and Plant Improvement Departments, Kermanshah Agricultural and Natural Resources Research Center, AREEO, Kermanshah, Iran.
مهران باقری
Crop Corn Development Co. Kermanshah
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 :