ارزیابی و انتخاب اکوتیپهای برتر زیره سبز با استفاده از صفات کمی و کیفی از طریق روشهای آماری چندمتغیره در شرایط اقلیمی جیرفت
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 92
فایل این مقاله در 19 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_CSR-6-4_004
تاریخ نمایه سازی: 30 مهر 1404
چکیده مقاله:
زیره سبز بهعنوان یکی از مهمترین گیاهان دارویی اهلی متحمل به خشکی در الگوی کاشت مناطق خشک و نیمه خشک کشور مورد توجه و استفاده کشاورزان میباشد. پایداری و افزایش تولید در زراعت این گیاه نیازمند شناسایی و معرفی اکوتیپ یا رقم اصلاح شده میباشد. از این رو تعداد ۶۴ اکوتیپ زیره سبز دریافتی از بانک ژن گیاهی ملی ایران طی آزمایشی در قالب طرح آماری لاتیس ساده ۸×۸ در دو تکرار در سال زراعی ۱۴۰۱-۱۴۰۰ در مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی جنوب استان کرمان کشت شد. در این آزمایش صفات تاریخ ظهور چتر، تاریخ گلدهی، تاریخ پایان گلدهی، تاریخ رسیدگی فیزیولوژیک، تعداد چتر در بوته، چترک در چتر، تعداد دانه در چترک، تعداد دانه در چتر، تعداد دانه در بوته، وزن هزار دانه، زیستتوده، عملکرد دانه، درصد اسانس و عملکرد اسانس یادداشتبرداری شد. نتایج نشان داد که اختلاف معنیداری از لحاظ تمامی صفات مورد مطالعه برای اکوتیپهای زیرهسبز وجود داشت. بطوریکه در آمارههای توصیفی نیز تنوع بالا در صفات تعداد دانه در بوته، زیستتوده، عملکرد دانه و عملکرد اسانس مشاهده شد. بنابراین این صفات پتانسیل بالایی در برنامههای بهنژادی زیره سبز خواهند داشت. باتوجه به نتایج تجزیههای انجام شده اکوتیپهای TN-۱۷۸، TN-۱۸۰، TN-۱۶، TN-۱۵۰، TN-۱۵ وTN-۱۴۱ با توجه به بررسی تمام صفات و با در نظر گرفتن مطلوبیت و عدم مطلوبیت صفات، بهعنوان اکوتیپهای برتر و پرپتانسیل گزینش و برای برنامههای اصلاحی پیشنهاد میگردند.
کلیدواژه ها:
نویسندگان
سید محمد علوی سینی
بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی جنوب استان کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، جیرفت، ایران
حمید رضا فنایی
موسسه تحقیقات اصلاح و تهیه نهال و بذر، 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 :