اثر منابع مختلف آهن بر پارامترهای رویشی و فیزیولوژیکی دو رقم تجاری گیاه کاهو در آبکشت
محل انتشار: فصلنامه روابط خاک و گیاه، دوره: 8، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 163
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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_STGC-8-1_003
تاریخ نمایه سازی: 25 اردیبهشت 1401
چکیده مقاله:
آهن یکی از عناصر ضروری برای رشد گیاه میباشد که در بسیاری از فرایندهای گیاه از جمله فعال کردن آنزیمهای دخیل در انتقال الکترون فتوسنتزی و میتوکندری نقش دارد. در این آزمایش به منظور بررسی و مقایسه اثر منابع مختلف آهن بر عملکرد و خصوصیات فیزیولوژیکی دو رقم کاهو در سیستم هیدروپونیک (لایه نازک محلول غذایی NFT) آزمایشی به صورت فاکتوریل و در قالب طرح کاملا تصادفی اجرا شد. فاکتورها شامل ارقام کاهو (شامل کاهوی برگی گاردسکو و پیچ گاردسکو) و منابع مختلف آهن (شامل سولفات آهن، Fe-EDDHA و کلات آهن نانو با غلظت آهن یکسان ۲۰ میکرو مولا)ر بود. نتایج نشان داد که در بین منابع آهن استفاده شده بهترین عملکرد و پارامترهای فیزیولوژیکی (حداکثر عملکرد کوانتومی واکنش فتوشیمیایی فتوسیستم II (Fv/Fm) و شاخص کارآیی فتوسنتزی (PI)، قندهای محلول کل، پرولین، کلروفیل a، b، کل و کارتنوئیدها) مربوط به تیمار Fe-EDDHA و کاهوی برگی رقم گاردسکو بود، اما بیشترین میزان جذب عناصر غذایی (آهن، مس، منگنز، نیتروژن و فسفر) به تیمار Fe-EDDHA و کاهوی پیچ رقم گاردسکو تعلق داشت. با توجه به نتایج فوق، کاربرد کلات Fe-EDDHA به عنوان منبع مناسب آهن در کشت هیدروپونیک ارقام کاهوی فوق در سیستم بسته NFT توصیه میشود.
کلیدواژه ها:
hydroponic ، iron ، lettuce ، Nutrient film technique ، آهن ، کاهو ، لایه نازک محلول غذایی ، هیدروپونیک
نویسندگان
حمیدرضا روستا
Vali-E-Asr University
هادی جعفری
Vali-E-Asr University
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 :