رتبه بندی رقم های سورگوم علوفه ای کشت شده به منظور تغذیه دام براساس روش مدیریت تصمیم گیری چند معیاره
Publish place: Journal of Animal Production، Vol: 21، Issue: 4
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 484
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAP-21-4_012
تاریخ نمایه سازی: 11 خرداد 1399
Abstract:
این آزمایش به منظور تعیین رتبه 18 رقم سورگوم علوفه ای از نظر ارزش غذائی و معرفی ارقام برتر با روش فناوری تصمیم گیری چند معیاره انجام شد، آنها در اوایل خرداد ماه کشت شدند و در اواسط آبان برداشت شدند. از 18 رقم کشت شده به صورت تصادفی از مرکز هر کرت آزمایشی، ده بوته از ده سانتیمتری خاک بریده و نمونه برداری شدند این نمونه ها پس از خرد کردن به قطعات 3 تا 5 سانتی متری، از هررقم 3 نمونه یعنی جمعا 54 نمونه جمع آوری شد. در ارقام آزمایشی مقدار عملکرد در هکتار و ترکیبات مغذی، پروتئین خام، خاکستر خام، ADF، NDF، کربوهیدرات های محلول در آب، نشاسته و لیگنین اندازه گیری شدند. میزان انرژی قابل متابولیسم ارقام سورگوم با روش آزمون گاز و با استفاده از مقدار گاز تولیدی در 24 ساعت و مقدار پروتئین خام موجود در آن، برآورد شد. ارقام سورگوم بر اساس11 صفت تلفیق شده، رتبه بندی شدند. در بین ارقام داخلی، رقم Spidfeed با کسب رتبه پنجم بهترین عملکرد را نشان داد و KFS-18 ( رتبه 7)، pegah (رتبه 10) و KFS-2 در رتبه 12 عمکرد کمی و کیفی متوسطی را نشان دادند. در کل و بر اساس نتایج روش مدیریتی تصمیم گیری چند شاخصه مشخص شد که سه هیبرید برترسورگوم به ترتیب siloking، FGCSI12 و PHFS-27 می باشند که برای تولید علوفه سبز سورگوم و سیلو نمودن آن به زارعین و دامداران پیشنهاد می شوند.
Keywords:
Authors
حسین غلامی
استادیار، بخش تحقیقات تغذیه دام و طیور، آموزش و ترویج کشاورزی، موسسه تحقیقات علوم دامی کشور، کرج، ایران.
سید عبداله حسینی
دانشیار، بخش تحقیقات تغذیه دام و طیور، آموزش و ترویج کشاورزی، موسسه تحقیقات علوم دامی کشور، کرج، ایران.
کامران رضایزدی
دانشیار، گروه علوم دامی، دانشکده علوم و مهندسی کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :