مطالعه روابط اجزای عملکرد دانه در ژنوتیپ های مختلف جو (Hurdeum Volgare L.)
Publish place: Journal of Crop Breeding، Vol: 8، Issue: 20
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 231
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCB-8-20_024
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
جو به عنوان یک غله مهم دارای سطح زیر کشت بالا در ایران بوده و انتخاب ژنوتیپ هایی با عملکرد بالا همواره حائز اهمیت می باشد. عملکرد یک صفت کمی پیچیده است، انتخاب تنها بر اساس عملکرد مفید نبوده لذا برای پی بردن به ارتباط بین عملکرد دانه با اجزای آن، تجزیه همبستگی و آثار مستقیم و غیرمستقیم صفات مختلف موثر بر عملکرد دانه ضرورت پیدا میکند. آزمایشی بر روی ۱۸ لاین پیشرفته جو بدون پوشینه در قالب طرح بلوک های کامل تصادفی با چهار تکرار در ایستگاه تحقیقات کشاورزی گچساران انجام شد. نتایج تجزیه واریانس نشان داد که تفاوت بین ژنوتیپهای جو از نظر ارتفاع بوته، وزن هزاردانه، تعداد روز تا ظهور سنبله، تعداد روز تا رسیدگی دانه، وزن هکتولیتر، تعداد دانه هر سنبله، عملکرد دانه، قدرت رشد اولیه، طول سنبله و طول پدانکل در سطح احتمال ۱% معنی دار است. بررسی همبستگی ساده فنوتیپی نشان داد که تعداد روز تا رسیدن دانه بیشترین همبستگی مثبت معنیدار (۹۴/۰) را با تاریخ ظهور سنبله داشت. همچنین تعداد روز تا رسیدن دانه و طول سنبل همبستگی مثبت معنی دار نشان دادند (۵۵/۰). نتایج حاصل از رگرسیون گام به گام نشان داد که تعداد روز تا رسیدگی دانه، امتیاز زراعی، قدرت رشد اولیه، تعداد دانه در سنبله، طول پدانکل و تعداد روز تا ظهور سنبله بیشترین نقش را در توجیه تغییرات عملکرد ایفا می نمایند. بر اساس نتایج تجزیه علیت، تعداد روز تا رسیدگی بیشترین اثر مستقیم را بر عملکرد دانه داشت. اثر مستقیم تعداد روزها تا رسیدگی بر عملکرد تا حدودی به دلیل اثر غیر مستقیم طول پدانکل بر عملکرد دانه بود، لذا این صفات در بهبود عملکرد جو می توانند مورد استفاده قرار گیرند.
Keywords:
Authors
فرشته بیات
persian gulf university
بهروز واعظی
Agricultural Research Station of Ghachsaran, Gachsaran, Iran.
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 :