برآورد سطح برگ ژنوتیپ های کنجد (Sesamum indicum L.) با روش تابعی غیر تخریبی
محل انتشار: اولین همایش ملی دانه های روغنی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,570
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NOILP01_154
تاریخ نمایه سازی: 8 مرداد 1389
چکیده مقاله:
به منظور بدست آوردن بهترین و ساده ترین تابع رباضی برای برآورد غیر تخریبی سطح برگ کنجد، آزمایشی بصورت کرت های خرد شده با شش ژنوتیپ کنجد ،(I.S. اولتان، ناز تک شاخه، چینی، هندی و داراب- 14)، سه میزان کود نیتروژن (صفر،50 و 100 کیلو نیتروژن خالص در هکتار) و با 4 تکرار در شرایط مزرعه انجام شد. هر کرت آزمایشی در بردارنده هفت ردیف هشت متری بود. در نمونه برداری یک متر از هر ردیف با رعایت اثر حاشیه ای برداشت شده، طول (L) و بزرگترین پهنای (W) برگ های هر بوته ثبت و سطح واقعی هر برگ با دستگاه اندازه گیری سطح برگ مشخص شد. نتایج تجزیه و تحلیل داده ها بیانگر تفاوت معنی دار ژنوتیپ ها از نظر سطح برگ، طول و پهنای برگ ها بود. با این وجود، تیمار نیتروژن اثر معنی داری بر این ویژگی ها نداشت. بررسی همبستگی صفات اندازه گیری شده نشان داد که پهنای برگ در مقایسه با طول آنه همبستگی بیشتری با سطح هر برگ دارد. بررسی مدل های ریاضی مختلف نشان داد که حاصل ضرب مقادیر طول در بزرگترین پهنای برگ در ضریب شکل برگ (0/677) می تواند سطح برگ را به خوبی و با دقت برآورد نماید. نتایج تجزیه و تحلیل داده ها برای یافتن معادله ای که بتواند تنها با استفاده از یک پارامتر طول یا پهنای برگ، سطح برگ را به خوبی برآورد نماید، نشان داد که حاصلضرب مجذور پهنای برگ در ضریب 1,0855 می تواند بهترین برآورد سطح هر برگ را در پی داشته باشد
کلیدواژه ها:
نویسندگان
محسن زواره
استادیار دانشکده علوم کشاورزی دانشگاه گیلان
حمید رحیمیان مشهدی
استاد دانشکده علوم زراعی و دامی پردیس کشاورزی کرج، دانشگاه تهران
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 :