تغییرات فصلی و نمونه برداری دنباله ای کرم ساقه خوار Sesamia cretica (Lep.: Noctuidae) در مزارع ذرت خوزستان
محل انتشار: فصلنامه تحقیقات آفات گیاهی، دوره: 14، شماره: 3
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 88
فایل این مقاله در 13 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_IPRJ-14-3_001
تاریخ نمایه سازی: 11 دی 1403
چکیده مقاله:
کرم ساقه خوار Sesamia cretica Lederer، یکی از آفات مهم ذرت و نیشکر در ایران است. به منظور بررسی نوسانات جمعیت، توزیع فضایی و تهیه الگوی نمونه برداری دنباله ای این آفت، به صورت هفتگی از مزارع ذرت دو منطقه اندیمشک و شوش در طول سال های ۱۴۰۱ و ۱۴۰۲، نمونه برداری صورت گرفت. برای تخمین جمعیت مراحل نابالغ آفت، کل بوته ذرت به عنوان واحد نمونه برداری انتخاب شد. نتایج نشان داد که این آفت روی ذرت دارای ۴ نسل در سال بود که میانگین جمعیت آن در سال اول، ۰/۲۵۸±۱/۵۶ و ۰/۱۳۴±۰/۳۸ و در سال دوم، ۰/۱۰۲±۰/۵۲ و ۰/۲۴۶±۰/۵۶ عدد در هر بوته به ترتیب در اندیمشک و شوش ثبت شد. همچنین، توزیع فضایی جمعیت S. cretica به دو روش رگرسیونی تایلور و آیوائو تعیین شد. هر دو روش نشان دادند که الگوی پراکنش آفت در هر دو سال در مزارع ذرت هر دو منطقه، تجمعی بود. با توجه به توصیف بهتر داده ها توسط قانون تایلور، از پارامترهای این روش برای تهیه مدل نمونه برداری دنبالهای به روش گرین با سطوح دقت ۰/۱ و ۰/۲۵ استفاده شد. در مدل نمونه برداری دنباله ای، اندازه نمونه لازم برای تعیین میانگین جمعیت آفت با افزایش تراکم و کاهش سطح دقت از ۰/۱ به ۰/۲۵ کاهش یافت. بر اساس این نتایج، S. cretica، به دلیل چند نسلی بودن، پتانسیل بالایی برای خسارت زایی در مزارع ذرت دارد و در این راستا از شاخص های توزیع فضایی می توان برای بهبود برنامه های نمونه برداری به منظور تخمین دقیق جمعیت این آفت بهره برد.
کلیدواژه ها:
نویسندگان
افروز فارسی
بخش تحقیقات گیاهپزشکی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان خوزستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اهواز، ایران
رویا ارباب تفتی
موسسه تحقیقات گیاه پزشکی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، 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 :