درباره چند رقم تجاری گندم در مقابل قارچ Septoria tritici
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 608
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:
AGRIBIOTECH03_668
تاریخ نمایه سازی: 27 تیر 1392
چکیده مقاله:
سپتوریوز از بیماریهای مهم گندم است. استفاده از ارقام مقابل راهکار اصلی مدیریت این بیماری است. این مطالعه به منظور تعیین درجات مختلف مقاومت در آیینهای تجاری گندم بر اساس یادداشت برداری از تیپ آلودگی انجام شد. برگهای اولیه گفتههای 10 روز مردود هشت رقم تجاری گندم شامل تجن ، آرتا ، مروارید N-80-19 ، Salivan ، Sepk10 ، Sepk5 ، Bulgaria88 بریده و در پتری های خالی water agar مین در صد 20 میلیگرم در لیتر بنزیمیدازول قرارداد شدن. به منزل ما یه زنی، سوسپانسیون حاوی 107 اسپور در هر میلیلیتر آب مقدر استریل حاوی تویین 20 آماده و سپس روی نمونه ها بستر شد. نمونهها در ژرمیناتور و در دمای 21 درجه سلسیوس نگهداری شدند یک هفته در دستهای زنی هنوز میزان حساسیت هر بلایی بر اساس شمارش سطح نکروز در صد ما یکی از برگهای آلوده و در زیر بینوکولار مشاهده و یاد شد. نتایج در صفحه Excel صف و آنالیز آماری دادهها به وسیله نرمافزار موجود انجام شد. نتایج این بررسی نشان داد ارقام تجن و sepk10 به ترتیب بیشترین و کمترین سطح نکروز برگ را دارا میباشند. علاوه بر این مشخص شد تشکیل لکههای نکروز و تولید پیکنید در رقم حساس تجن به طور قابل ملاحظهای افزایش یافت.
کلیدواژه ها:
نویسندگان
نونا فتاحی ساروی
گروه گیاه پزشکی دانشگاه علوم کشاورزی و منابع طبیعی ساری
محمد علی تاجیک قنبری
گروه گیاه پزشکی دانشگاه علوم کشاورزی و منابع طبیعی ساری
ولی اله بابایی زاد
گروه گیاه پزشکی دانشگاه علوم کشاورزی و منابع طبیعی ساری
صفرعلی مهدیان
گروه گیاه پزشکی دانشگاه علوم کشاورزی و منابع طبیعی ساری
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 :