تاثیر کلات آهن نانو، Fe-EDDHA غیر نانو و سولفات آهن بر غلظت عناصر آهن، فسفر ومنگنز چهار رقم کاهو در سیستم NFT
محل انتشار: اولین همایش سراسری کشاورزی و منابع طبیعی پایدار
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,683
فایل این مقاله در 9 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:
NACONF01_0007
تاریخ نمایه سازی: 25 خرداد 1393
چکیده مقاله:
در عرصه کشاورزی، فناوری نانو منجر به تغییرات شگرفی در استفاده از منابع طبیعی، انرژی و آب، امکان بازیافت مواد و استفاده مجدد از آن ها می شود و پساب ها و آلودگی را کاهش خواهد داد. گیاهان در بین ریزمغذی ها بیشترین نیاز را به آهن دارند که یکی از عناصر ضروری اما کم مصرف و کم تحرک برای گیاهان می باشد. در این راستا این تحقیق به بررسی تأثیر کلات آهن نانو، Fe-EDDHA غیرنانو و سولفات آهن بر غلظت عناصر آهن، فسفر و منگنز چهار رقم کاهو در سیستم NFT بصورت فاکتوریل در قالب طرح کاملاً تصادفی با سه تکرار در گلخانه هیدروپونیک واقع در شهرستان بم می پردازد. نتایج آزمایش نمایانگر اثر کود، رقم و اثر متقابل کود و رقم بر مقدار آهن، منگنز در سطح احتمال یک درصد از نظر آماری بود. بیشترین مقدار منگنز را کود نانو کلات آهن 9% و رقم آیسرک نشان داد اما بیشترین میزان آهن از کود نانو کلات آهن 9% و رقم اوواک سبز بدست آمد. هر چند استفاده از کود میزان فسفر از نظر آماری معنی دار نبود اما بیشترین میزان فسفر از کود نانو کلات آهن 9% و رقم اوواک سبز مشاهده گردید. اگر بخواهیم تفاوت فناوری نانو را با فناوری های دیگر به صورت قابل ارزیابی بیان نماییم، می توانیم وجود عناصر پایه را به عنوان یک معیار مهم ذکر کنیم. هر عاملی که باعث افزایش غلظت منگنز و آهن شود افزایش عملکرد را نیز در پی خواهد داشت که در این آزمایش استفاده از کود نانو کلات آهن 9% سبب افزایش منگنز و آهن شد که در نهایت موجب افزایش عملکرد کاهو نیز می گردد.
کلیدواژه ها:
نویسندگان
موسی جلالی
مدیریت سازمان جهاد کشاورزی شهرستان ریگان
حمیدرضا روستا
عضو هیئت علمی دانشگاه آزاد اسلامی واحد جیرفت
سیدمحمدعلی وکیلی شهربابکی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد جیرفت
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 :