کاهش مصرف کودهای نیتروژنه با فن آوری کلروفیل متر به منظور تولید محصول سالم
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 309
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_ESTJ-22-7_008
تاریخ نمایه سازی: 18 مهر 1400
چکیده مقاله:
زمینه و هدف: کاربرد نیتروژن به میزان بیش از نیاز گیاه باعث آلودگی منابع آب، خاک و گیاه میشود. از راهکارهای مناسب در تعیین مقدار صحیح و به موقع کود نیتروژنی استفاده از دستگاه کلروفیل متر است. هدف از اجرای این پژوهش کاهش مصرف کودهای نیتروژنی و جلوگیری از کاهش شستشوی نیترات و ورود آن به منابع آبهای زیرزمینی است. روش بررسی: با استفاده از سنجش کلروفیل در برگ، آزمایشی با استفاده از ۶ تیمار کود نیتروژنی شامل:۵۰ ،۱۵۰،۱۰۰ ،۲۰۰ ،۲۵۰ و ۳۰۰ کیلوگرم در هکتار از منبع اوره در قالب طرح بلوکهای کامل تصادفی در سه تکرار، دو مکان و به مدت یک سال اجرا شد. در مرحله ساقهدهی، کلروفیل موجود در برگهای پرچم گندم با استفاده از دستگاه کلروفیلمتر قرائت شد. با در نظر گرفتن عدد ۴۵ به عنوان مرجع، مقادیر کود سرک نیتروژن در مرحله ساقهدهی محاسبه و در صورت نیاز در اختیار کرتهای آزمایشی قرار گرفت. یافته ها: با توصیه سرک کود نیتروژنی با کاربرد دستگاه کلروفیل متر، غلظت نیترات را در خاک و گیاه کاهش یافت. در این پژوهش در توصیه سرک کود نیتروژنی صرفهجویی شد بهطوری که در تیمارهای کاربرد ۲۵۰ و ۳۰۰ کیلوگرم در هکتار کود نیتروژنی به ترتیب ۲۵ و ۲۱ درصد بود. بحث و نتیجه گیری: با کاربرد دستگاه کلروفیلمتر در توصیه سرک کود نیتروژنی در گندم، میتوان در میزان مصرف صرفه جوییهای قابل ملاحظهای بهدست آورد. این امر سبب تولید محصول سالم با نیترات کمتر و جلوگیری از ورود نیترات به آبهای زیرزمینی میگردد.
کلیدواژه ها:
نویسندگان
جعفر شهابی فر
استادیار پژوهش مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قزوین. سازمان تحقیقات، آموزش و ترویج کشاورزی، قزوین، ایران. (مسوول مکاتبات)
محمد مهدی طهرانی
استادیار پژوهش موسسه تحقیقات خاک و آب. سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، 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 :