اثر مدیریت نظام زراعی بر عملکرد، اجزای عملکرد و شاخص تنوع علف های هرز در تولید سیب زمینی (Solanum tuberosum L.)
Publish place: Iranian Journal of Field Crops Research، Vol: 20، Issue: 2
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 190
This Paper With 18 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_005
تاریخ نمایه سازی: 17 خرداد 1401
Abstract:
به منظور بررسی تاثیر روش های مدیریت مختلف زراعی بر عملکرد، اجزای عملکرد و شاخص تنوع علف های هرز در مزرعه سیب زمینی (Solanum tuberosum)، آزمایشی به صورت کرت های خرد شده در قالب طرح پایه بلوک های کامل تصادفی با چهار تکرار در دو سال زراعی ۹۵-۱۳۹۴ و ۹۶-۱۳۹۵ در اراضی شرکت ران- فیروزکوه واقع در شهرستان فیروزکوه اجرا شد. عامل کرت اصلی چهار نظام زراعی شامل ۱- پرنهاده، ۲- متوسط نهاده، ۳- کم نهاده و ۴- اکولوژیک (عدم استفاده از کود شیمیایی (تامین عناصر غذایی مورد نیاز گیاه از طریق کاربرد کمپوست به میزان ۶۰ تن در هکتار،آماده سازی زمین با استفاده از کارگر و بیل دستی انجام شد). مدیریت علف های هرز در دو سطح وجین و عدم وجین به عنوان عامل کرت فرعی در نظر گرفته شد. نتایج نشان داد که بیشترین میزان وزن تک غده و محتوای نیتروژن غده به ترتیب با ۶/۸۷ گرم و ۳۴/۱ درصد، همچنین بیشترین تعداد غده (۶/۶)، وزن غده در تک بوته (۶۵۳ گرم)، وزن غده در متر مربع (۵۷/۴ کیلوگرم)، عملکرد (۴۵۷۱۰ کیلوگرم) و محتوای نیتروژن ساقه و برگ سیب زمینی (۴۱/۱ درصد) در تیمار نظام پرنهاده و وجین علف های هرز گزارش شد. از طرف دیگر، بیشترین میزان شاخص تنوع شانون-وینر (۳۲/۱) و درصد نیتروژن علف های هرز (۳۶/۲ درصد) به ترتیب از نظام های اکولوژیک و پرنهاده به دست آمد. به طور کلی، با در نظر گرفتن خصوصیات عملکرد و اجزای عملکرد، نظام کشت پرنهاده و وجین علف های هرز به عنوان تیمار برتر توصیه می شود.
Keywords:
Authors
حمید رضا بهره ور
گروه اگروتکنولوژی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
محسن جهان
گروه اگروتکنولوژی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
پرویز رضوانی مقدم
گروه اگروتکنولوژی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، 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 :