ارزیابی عملکرد دانه و اسانس زیره سبز (Cuminum cyminum L.) با کاربرد کود های پنرجتیک، شیمیایی و آب مغناطیسی
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 166
فایل این مقاله در 13 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_SUST-30-1_009
تاریخ نمایه سازی: 4 بهمن 1401
چکیده مقاله:
این آزمایش به منظور بررسی تاثیر نوع آبیاری (با آب معمولی و آب مغناطیسی) و تیمارهای کودی شامل (شاهد بدون کود، کود شیمیایی نیتروژنی، کود پنرجتیکP , K و کاربرد توام کود شیمیایی نیتروژنی به میزان ۵۰ درصد دز همراه با کاربرد کود پنرجتیک P , K) بر رشد و تولید گیاه دارویی زیره سبز در سه تکرار به صورت اسپلیت پلات در قالب طرح بلوک های کامل تصادفی در سال۱۳۹۷ در مزارع تحقیقاتی دانشگاه آزاد تبریز انجام شد. در این بررسی، بیشترین عملکرد دانه (۱۶۴ گرم در متر مربع) در دو تیمار کود شیمیایی نیتروژنی و کاربرد توام کود شیمیایی نیتروژنی و پنرجتیک P , K و در شرایط آبیاری با آب مغناطیسی به دست آمد که در مقایسه با شاهد ۶/۴۲ درصد افزایش داشت. عملکرد بیولوژیک نیز پاسخ مشابهی را به آب مغناطیسی و کود نشان داد. تیمار کود شیمیایی نیتروژنی و کود شیمیایی نیتروژنی همراه با پنرجنتیک P, K افزایش معنی دار و مشابهی را بر میزان درصد اسانس داشتند. بیشترین عملکرد اسانس (۱۳/۳ گرم در متر مربع) متعلق به کود شیمیایی نیتروژنی بود. در کل، با توجه به اهمیت اقتصادی عملکرد دانه و کاهش هزینه های تولید، با کاربرد کود پنرجتیک می توان سطح کود شیمیایی نیتروژنی را بدون کاهش معنیدار عملکرد دانه، کاهش داد. همچنین، آبیاری با آب مغناطیسی نقش موثری در افزایش تاثیر کاربرد کودها بر عملکرد دانه داشت.
کلیدواژه ها:
نویسندگان
مهناز شریفی
زراعت، دانشگاه تبریز، تبریز، ایران و باشگاه پژوهشگران جوان و نخبگان ، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
عادل دباغ محمدی نسب
گروه اکوفیزیولوژی گیاهی، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
محمدرضا شکیبا
گروه اکوفیزیولوژی گیاهی، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
مهرداد یارنیا
گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد تبریز، تبریز، 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 :