تأثیر تغذیه کودی و تفاوت کود شیمیایی و ارگانیک بر برخی خصوصیات ظاهری گیاه دارویی زوفا
محل انتشار: سومین همایش ملی گیاهان دارویی و کشاورزی پایدار
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 771
فایل این مقاله در 12 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:
MPSA03_042
تاریخ نمایه سازی: 20 دی 1394
چکیده مقاله:
گیاه دارویی زوفا گونه ای بومی ایران، متعلق به خانواده ی لامیاسه می باشد و یکی از مهمترین گیاهان دارویی است که برای افزایش بایومس از مواد مغذی استفاده می شود. به منظور بررسی اثر تیمارهای کودی بر برخی از صفات کمی و کیفی گیاه زوفا، آزمایشی به صورت بلوک های کامل تصادفی با 6 نوع تیمار کودی (اعم از کمپوست زباله شهری در مقادیر 10 و 20 تن در هکتار،اوره به میزان 100 و 200 کیلوگرم در هکتار، ورمی کمپوست کود گاوی (10 تن در هکتار) و نانوبایوجمی (0/5 لیتر در 10 لیتر اب در هر کرت (8333 لیتر در هکتار)) به همراه یک تیمار شاهد با سه تکرار انجام گردید. نتایج حاصل از تجزیه و تحلیل داده ها نشان داد که کمپوست زباله در هر دو مقدار 10 و 20 تن در هکتار و پس از آن کود نانو پایوجمی بر صفات مهم کیفی و کمی این گیاه از جمله خصوصیات رشدی برگ و اندام رویشی اثر مثبت و معنی داری داشتند. همچنین از بین تیمارهای کمپوست زباله در مقادیر 10 و 20 تن در هکتار، میزان 10 تن در هکتار اثرات مثبت بیشتر و یا در برخی موارد برابر با 20 تن در هکتار داشت. لذا با توجه به توجیه اقتصادی استفاده کمتر از مواد مغذی برای رشد گیاه، شاید بتوان مقدار 10 تن در هکتار کمپوست زباله را برای بهبود صفات کمی و کیفی گیاه دارویی زوفا پیشنهاد نمود. بنابراین کودهای کمپوست زباله در مقدار 10 تن و 20 تن در هکتار و پس از آن کود نانو بایوجمی برای استفاده در زمین های کاشت گیاه دارویی زوفا پیشنهاد می گردد.
کلیدواژه ها:
نویسندگان
مهرداد جعفرپور
استادیار گروه باغبانی دانشگاه آزاد اسلامی واحد خوراسگان (اصفهان)
شکوفه هفت برادران
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد خوراسگان (اصفهان)
مریم گل آبادی
استادیار گروه زراعت و اصلاح نباتات دانشگاه آزاد اسلامی واحد خوراسگان (اصفهان)
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 :