اثر منابع مختلف آهن بر پارامترهای رویشی و فیزیولوژیکی دو رقم تجاری گیاه کاهو در آبکشت
Publish place: Soil and Plant Interactions، Vol: 8، Issue: 1
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 169
متن کامل این Paper 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 Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STGC-8-1_003
تاریخ نمایه سازی: 25 اردیبهشت 1401
Abstract:
آهن یکی از عناصر ضروری برای رشد گیاه میباشد که در بسیاری از فرایندهای گیاه از جمله فعال کردن آنزیمهای دخیل در انتقال الکترون فتوسنتزی و میتوکندری نقش دارد. در این آزمایش به منظور بررسی و مقایسه اثر منابع مختلف آهن بر عملکرد و خصوصیات فیزیولوژیکی دو رقم کاهو در سیستم هیدروپونیک (لایه نازک محلول غذایی NFT) آزمایشی به صورت فاکتوریل و در قالب طرح کاملا تصادفی اجرا شد. فاکتورها شامل ارقام کاهو (شامل کاهوی برگی گاردسکو و پیچ گاردسکو) و منابع مختلف آهن (شامل سولفات آهن، Fe-EDDHA و کلات آهن نانو با غلظت آهن یکسان ۲۰ میکرو مولا)ر بود. نتایج نشان داد که در بین منابع آهن استفاده شده بهترین عملکرد و پارامترهای فیزیولوژیکی (حداکثر عملکرد کوانتومی واکنش فتوشیمیایی فتوسیستم II (Fv/Fm) و شاخص کارآیی فتوسنتزی (PI)، قندهای محلول کل، پرولین، کلروفیل a، b، کل و کارتنوئیدها) مربوط به تیمار Fe-EDDHA و کاهوی برگی رقم گاردسکو بود، اما بیشترین میزان جذب عناصر غذایی (آهن، مس، منگنز، نیتروژن و فسفر) به تیمار Fe-EDDHA و کاهوی پیچ رقم گاردسکو تعلق داشت. با توجه به نتایج فوق، کاربرد کلات Fe-EDDHA به عنوان منبع مناسب آهن در کشت هیدروپونیک ارقام کاهوی فوق در سیستم بسته NFT توصیه میشود.
Keywords:
hydroponic , iron , lettuce , Nutrient film technique , آهن , کاهو , لایه نازک محلول غذایی , هیدروپونیک
Authors
حمیدرضا روستا
Vali-E-Asr University
هادی جعفری
Vali-E-Asr University
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 :