مطالعه و معرفی صفات کمی مناسب برای شناسایی ارقام گندم آبی منطقه شرق استانگلستان
محل انتشار: دومین همایش ملی پدافند غیر عامل در بخشهای کشاورزی، منابع طبیعی و محیط زیست با رویکرد توسعه پایدار
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,603
فایل این مقاله در 9 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:
DPCONF02_104
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
گندم اولین و مهمترین گیاه تأمین کننده نیازهای غذایی بشر استکه در حدود 100 قرن پیش اهلی شده است. این آزمایش به منظور انتخاب و معرفی صفات مناسب برای شناسایی ارقام مختلف گندم از یکدیگر انجام شد. بدین منظور 9 رقم گندم آبی رایج در منطقه استان گلستان مورد مطالعه قرارگرفت. 9 رقم گندم به نام های گنبد، مروارید، N-87-20t N-91-8، N-91-9،N-91-17 تایگر، ناتاشا و سیمونیدا در قالب طرح بلوک های کامل تصادفی با 3 تکرار در سال زراعی 95-94 در مزرعه شرکت کشت و صنعت گل چشمه استان گلستان مورد مطالعه و ارزیابی قرار گرفتند. به منظور بررسی بیشتر تمایز ارقام با استفاده از صفات کمی، تجزیه واریانس و مقایسه میانگین با آزمون حداقل تفاوت معنی دارLSD و تجزیه کلاستر داده ها انجام شد. نتایج حاصل از تجزیه واریانس نشان داد که ارقام مورد بررسی از نظر پنج صفت کمی ارتفاع بوته، طول خوشه، قطر ساقه و تعداد خوشه دارای تفاوت معنی داری در سطح احتمال 1 درصد بودند. با توجه به نتایج به دست آمده در این آزمایش به طور کلی صفات طول خوشه، تعداد خوشه و قطر ساقه از مهمترین صفات برای شناسایی و تمایز ارقام از یکدیگر بودند و از لحاظ عملکرد به ترتیب ارقام گنبد، مروارید و N87-20 نسبت به بقیه ارقام بالاترین عملکرد را نشان دادند
کلیدواژه ها:
نویسندگان
محمد بارانی
فوق لیسانس آبیاری زهکشی و مدیر عامل شرکت کشت و صنعت گلچشمه
سعید گزمه
فوق لیسانس شیمی حاصلخیزی خاک -
نورمحمد عرب
کارشناس آبیاری، مدیر تولید و عضو هیئت مدیره شرکت گلچشمه
سمیه کوکبی
فوق لیسانس باغبانی
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 :