ارزیابی ارقام رایج و لاین های امیدبخش گندم و یک رقم جو نسبت به خسارت زنبور ساقه خوار غلات
Publish place: Plant pests and diseases، Vol: 88، Issue: 1
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 247
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JAEN-88-1_001
Index date: 13 September 2022
ارزیابی ارقام رایج و لاین های امیدبخش گندم و یک رقم جو نسبت به خسارت زنبور ساقه خوار غلات abstract
زنبور ساقه خوار غلاتCephus pygmaeus ، یکی از آفات مهم گندم میباشد. لارو این آفت با تغذیه در داخل ساقه گندم موجب خسارت میگردد. این پروژه با هدف ارزیابی دو رقم رایج گندم (مروارید و گنبد)، چهار لاین امیدبخش گندم (N-۹۱-۱۷, N-۹۱-۹, N-۹۱-۱۰, N-۹۱-۱۴) و یک رقم جو (صحرا) نسبت به خسارت زنبور ساقه خوار غلات، در قالب بلوکهای کامل تصادفی با ۷ تیمار و ۳ تکرار در منطقه فریم شهرستان ساری در طی سالهای زراعی ۹۴-۱۳۹۳ و ۹۵-۱۳۹۴ به اجرا در آمد. پس از رسیدن محصول، تعداد بوتههای موجود در یک مترمربع از هر کرت برداشت، تعداد ساقههای آفت زده شمارش و درصد آلودگی ساقهها محاسبه گردید. بهعلاوه قطر حداکثر ۲۰ ساقه سالم و ۲۰ ساقه آفت زده، وزن صد دانه بوتههای سالم و آفت زده و وزن دانه استحصالی یک مترمربع از هر کرت اندازه گیری شد. دادهها با نرم افزار MSTAT-C آنالیز و میانگین صفات مورد بررسی با استفاده از آزمون توکی مقایسه شدند. نتایج نشان داد که از نظر میزان آلودگی به زنبور ساقه خوار غلات، بین ارقام و لاین های مختلف گندم اختلاف معنی دار وجود نداشت ولی رقم جو صحرا به صورت معنی داری نسبت به تیمارهای گندم آلودگی کمتری داشت.
ارزیابی ارقام رایج و لاین های امیدبخش گندم و یک رقم جو نسبت به خسارت زنبور ساقه خوار غلات Keywords:
ارزیابی ارقام رایج و لاین های امیدبخش گندم و یک رقم جو نسبت به خسارت زنبور ساقه خوار غلات authors
حسن براری
بخش تحقیقات گیاه پزشکی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، صندوق پستی ۵۵۶-۴۸۱۷۵، ساری.
شعبانعلی مافی پاشا کلایی
مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان مازندران
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 :