ارزیابی تولید علوفه در کشت مخلوط ذرت: سویا و ارزن مرواریدی: سویا
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 629
فایل این مقاله در 14 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:
JR_IJFCS-49-3_012
تاریخ نمایه سازی: 15 تیر 1398
چکیده مقاله:
به منظور یافتن جایگزینی برای کشت خالص تابستانه ی ذرت علوفه ای (Zea mays)، سیستمهای کشت مخلوط ارزن مرواریدی (Pennisetum glaucum): سویا (Glycine max) (P:G) و ذرت: سویا (Z:G) و آرایشهای کشت جایگزینی (XXG، XXGG و XGG) و افزایشی (X%100G%25، X%100G%50 و X%83G%67) به صورت فاکتوریل در قالب طرح بلوکهای کامل تصادفی طی سالهای 1391 و 1392 در مزرعه تحقیقاتی پردیس کشاورزی و منابع طبیعی دانشگاه تهران، در کرج بررسی شد (G و X بترتیب: سویا و گیاه غلات شامل ذرت، Z یا ارزن، P). نتایج نشان داد که عملکرد علوفه ی غلات و علوفه ی مخلوط در Z:G از P:G به میزان چشمگیری بیشتر بود. غلات در کشت مخلوط جزء غالب بودند و غالبیت ذرت بیشتر از ارزن بود. سیستم و آرایش کشت مخلوط بر کل نسبت برابری زمین (LER) اثر معنی داری نداشت. بیشترین LER، 1.15 در P%100G%25 سال 1392 و 1.07 در Z%83G%67 سال 1393 بدون احتساب چین دوم ارزن و 1.10 در PGG با داده های مجموع دو چین ارزن در سال 1393 ثبت شد. در X%83G%67، با وجود تراکم 83 درصد غلات نسبت به کشت خالص، LER برای ذرت 0.95 ولی برای ارزن 0.70 بود. در جمع بندی کلی، آرایشهای افزایشی با درصد کمی سویا و یا با کاهش مختصری در سهم غلات، برای نیل به مقادیر بالاتر LER پتانسیل بیشتری داشتند. از این رو کشت مخلوط، بویژه آرایش افزایشی، میتواند جایگزین هایی مناسب برای کشت خالص در تولید علوفه با کیفیت دلخواه و افزایش تنوع در اکوسیستم و همسو با پایداری فراهم نماید.
نویسندگان
سید محمد باقر حسینی
گروه زراعت و اصلاح نباتات، دانشکده ی علوم و مهندسی کشاورزی، دانشگاه تهران، تهران، ایران
احمد ثباتی
گروه زراعت و اصلاح نباتات
مصطفی اویسی
گروه زراعت و اصلاح نباتات، دانشکده ی علوم و مهندسی کشاورزی، دانشگاه تهران، تهران، 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 :