ارزیابی ارتباط صفات در لاینهای موتانت برنج درنسل M3
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 626
فایل این مقاله در 11 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:
NEWCONF02_149
تاریخ نمایه سازی: 12 تیر 1395
چکیده مقاله ارزیابی ارتباط صفات در لاینهای موتانت برنج درنسل M3
این مطالعه به منظور بررسی روابط بین عملکرد و اجزای عملکرد، در بیست لاین موتانت برنج حاصل از ارقام طارممحلی، سنگ طارم و هاشمی در نسل M3به همراه سه شاهد مربوط به آنها طراحی شد. این تحقیق، در قالب طرح بلوکهایکامل تصادفی با سه تکرار در مزرعه تحقیقاتی دانشگاه کشاورزی و منابع طبیعی ساری اجرا شد. صفات ارتفاع بوته، تعداد خوشه،طول خوشه، تعداد کل دانه، تعداد دانه پر، تعداد دانه پوک، وزن هزار دانه، طول دانه، عرض دانه، عملکرد مورد بررسی قرار گرفت.نتایج تجزیه واریانس، اختلاف معنیداری را در سطح احتمال %5برای تمامی صفات به جز وزن هزار دانه و عرض دانه نشان دادکه دلالت بر وجود تنوع ژنتیکی بین لاینهای مورد بررسی میباشد. مقایسه میانگین صفات نشان داد که بیشترین میزان عملکردمربوط به لاین 16حاصل از رقم سنگ طارم و پس از آن لاین 18طارم محلی و لاین 11سنگ طارم است. کمترین میزانعملکرد مربوط به شاهد رقم سنگ طارم بود. به طور کلی لاینهای موتانت نسبت به ارقام شاهد عملکرد بالاتری داشتند. با توجهبه جدول همبستگیها، همبستگی برخی صفات با یکدیگر در سطح احتمال %5و %1معنیدار شد. همبستگی صفات طول خوشهو تعداد دانه پر با عملکرد در سطح احتمال %5معنیدار شد. با توجه به نتایج بدست آمده از همبستگی، میتوان صفات طول خوشهو تعداد دانه پر را در پژوهشها مد نظر قرار داده و انتخاب را بر اساس این دو صفت انجام داد
کلیدواژه های ارزیابی ارتباط صفات در لاینهای موتانت برنج درنسل M3:
نویسندگان مقاله ارزیابی ارتباط صفات در لاینهای موتانت برنج درنسل M3
غفار کیانی
استادیار، دانشگاه کشاورزی و منابع طبیعی ساری، دانشکده علوم زراعی
ماهم پیراسته
دانشجوی کارشناسی ارشد اصلاح نباتات، دانشگاه کشاورزی و منابع طبیعی ساری، دانشکده علومزراعی
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 :