بهبود جذب عناصر غذایی، صفات فیزیولوژیک و عملکرد دانه گیاه سیاه دانه (Nigella sativa L.) با کاربرد کود ورمی کمپوست در تاریخ های مختلف کاشت
Publish place: Iranian Journal of Field Crops Research، Vol: 20، Issue: 2
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 123
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFCR-20-2_004
تاریخ نمایه سازی: 17 خرداد 1401
Abstract:
شناخت تاریخ مناسب کاشت گیاهان دارویی برای هر منطقه می تواند در افزایش محصول موثر باشد. از سوی دیگر ورمی کمپوست با بهبود وضعیت بستر خاک می تواند سبب افزایش عملکرد گردد. در این پژوهش جذب عناصر غذایی، صفات فیزیولوژیک و عملکرد دانه گیاه سیاه دانه با کاربرد کود ورمی کمپوست در تاریخ های مختلف کاشت در سال ۱۴۰۰-۱۳۹۹ در شهرستان فسا بررسی شد. این پژوهش به صورت فاکتوریل در قالب طرح بلوک های کامل تصادفی با سه تکرار انجام شد. فاکتور اول تاریخ های مختلف کاشت در شش سطح (۱۵ بهمن، ۱ اسفند، ۱۵ اسفند، ۱ فروردین، ۱۵ فروردین و ۱ اردیبهشت) و فاکتور دوم ورمی کمپوست در سه سطح (شاهد و ورمی کمپوست ۵ و ۱۰ تن در هکتار) بود. نتایج نشان داد که بیشترین جذب نیتروژن و فسفر در ۱ اسفند و ۱۵ اسفند مشاهده شد. همچنین بالاترین جذب نیتروژن و فسفر برگ در استفاده از کود ورمی کمپوست ۵ و ۱۰ تن در هکتار مشاهده شد. در تاریخ های مختلف کاشت، کود ورمی کمپوست ۱۰ تن در هکتار سبب افزایش محتوای نسبی آب برگ، شاخص برداشت و وزن هزار دانه شد. در تاریخ کاشت ۱ اسفند، ۱۰ تن در هکتار کود ورمی کمپوست سبب افزایش وزن خشک اندام هوایی به میزان ۸/۵ درصد نسبت به شاهد شد. همچنین ۱۰ تن در هکتار کود ورمی کمپوست سبب افزایش عملکرد دانه در تاریخ کاشت ۱ اسفند و ۱۵ اسفند به ترتیب به میزان ۲/۱۳ و ۸/۱۷ درصد نسبت به شاهد شد. در مجموع تاریخ کاشت ۱ اسفند تا ۱ فروردین و استفاده از کود ورمی کمپوست ۱۰ تن در هکتار برای کاشت گیاه سیاه دانه قابل توصیه می باشد.
Keywords:
Authors
عبدالعظیم بهرامی فرد
دانش آموخته کارشناسی ارشد گیاهان دارویی، واحد فسا، دانشگاه آزاد اسلامی، فسا، ایران
محمد رضا بازیار
گروه زراعت و اصلاح نباتات، واحد فسا، دانشگاه آزاد اسلامی، فسا، 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 :