اثر پیش کاشت گیاه پوششی و کاربرد نیتروژن بر برخی صفات کیفی و عملکرد ارقام ذرت علوفه ای
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 399
فایل این مقاله در 18 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-48-4_009
تاریخ نمایه سازی: 15 تیر 1398
چکیده مقاله:
به منظور بررسی اثر پیش کاشت گیاه پوششی و کاربرد نیتروژن بر برخی صفات کیفی و عملکرد ارقام مختلف ذرت علوفه ای آزمایشی در دانشگاه تهران به صورت کرت های دو بار خرد شده در قالب طرح بلوک های کامل تصادفی در سه تکرار اجرا شد. عوامل مورد بررسی شامل پیش کاشت ماشک به عنوان کرت اصلی در سه سطح (آیش (نکاشت)، کشت ماشک به عنوان علوفه و کشت ماشک به عنوان کود سبز)، کود نیتروژن به عنوان کرت فرعی در سه سطح (صفر، 50 و 100 درصد مقدار توصیه شده) و رقم ذرت علوفه ای به عنوان کرت فرعی فرعی در دو سطح (رقم سایمون و ZP677) بودند. صفات مورد بررسی شامل درصد قابلیت هضم ماده خشک (DMD)، کربوهیدرات های محلول در آب (WSC)، پروتئین خام (CP)، فیبر خام (CF)، خاکستر، NDF، ADF، عملکرد پروتئین (Kg/ha) و عملکرد ماده خشک (Kg/ha) ذرت علوفهای بودند. نتایج نشان داد که نکاشت ماشک (12/32) نسبت به تیمارهای کود سبز (68/28) و علوفه (08/31) تاثیر قابل توجهی بر درصد WSC داشت. بیش ترین و کم ترین درصد ADF به ترتیب در کود سبز (87/22) و آیش (99/15) مشاهده شد. کود سبز و آیش به ترتیب بیشترین (87/35) و کم ترین (45/31) تاثیر را روی درصد NDF داشتند. درصد NDF در 50% مقدار توصیه شده کود اوره بیشترین (41/35) و در صفر درصد اوره کم ترین (72/31) میزان داشت. بیش ترین (09/35) و کم ترین (17/32) درصد CF به ترتیب در اثر متقابل رقم ZP677 × پیش کشت ماشک به عنوان علوفه و اثر متقابل رقم سایمون × آیش حاصل شد.
کلیدواژه ها:
نویسندگان
میثم طاهری
مدیر شرکت خصوصی
فرهاد بیات
دانشجو دکتری-پردیس کشاورزی و منابع طبیعی
حسین مقدم
۳. استادیار و عضو هیئت علمی پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج.
ناصر مجنون حسینی
۴. استاد و عضو هیئت علمی پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج.
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 :