ارزیابی تنوع ژنتیکی ارقام جدید گوجه فرنگی بر اساس صفات مورفولوژیکی و کیفیت میوه در شرایط اقلیمی شمالغرب ایران
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 256
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SUST-32-3_016
تاریخ نمایه سازی: 4 بهمن 1401
Abstract:
اهداف: گوجه فرنگی یکی از محصولات مهم و پرمصرف بوده که هرسال ارقام اصلاح شده جدیدی در ایران معرفی شده و مطالعه آن ها به دلیل پاسخ احتمالی متفاوت در شرایط جدید کاملا ضروری هست.مواد و روش ها: به منظور بررسی تنوع ژنتیکی ارقام جدید گوجه فرنگی بر اساس صفات مورفولوژیکی در شرایط اقلیمی جنوب آذربایجان غربی آزمایشی در قالب طرح بلوک های کامل تصادفی با ۱۸ رقم شامل ۲ رقم محلی و ۱۶ هیبرید در شهرستان میاندوآب اجرا گردید. یافته ها: نتایج نشان داد که بیشترین عملکرد بوته در ارقام هیبرید Bellariva (۸۹/۴ کیلوگرم در بوته) و SV ۸۳۲۰ (۷۶/۴ کیلوگرم در بوته) مشاهده شد. کمترین تعداد روز تا گلدهی در رقم ۱۰۸۵۷ (۴۵ روز) مشاهده شد. کمترین تعداد روز تا رسیدگی اولین میوه در رقم Oula (۶۷/۸۹ روز) مشاهده شد. رقم هیبرید CA ۰۲۴ (۳۷۷/۱۲۱ عدد) بیشترین تعداد میوه در بوته، هیبرید Oula بالاترین درصد تبدیل گل به میوه (۷۵ درصد)، محلی میاندوآب (۳/۱۴۲ گرم)، محلی ارومیه (۱۳۸ گرم)، Bellariva (۳/۱۳۷ گرم) و SV ۸۳۲۰ (۱۳۶ گرم) بیشترین وزن متوسط میوه را داشتند. بیشترین مواد جامد محلول در رقم هیبرید CA ۰۲۴ (۵۷/۶ درصد)، بیشترین pH در ارقام هیبرید Super stone (۶۷/۴) و ۱۰۸۵۷ (۶۷/۴) و بیشترین اسیدیته در رقم محلی ارومیه (۹۸/۰ درصد) مشاهده شد. همچنین همبستگی صفات نشان داد که موثرترین صفات در افزایش عملکرد، وزن و تعداد میوه در بوته بود.نتیجه گیری: بر اساس نتایج این پژوهش ارقام هیبرید Bellariva و SV ۸۳۲۰ مناسب ترین رقم با عملکرد بالا جهت کشت در شرایط اکولوژیکی شمال غرب کشور می باشند.
Keywords:
Authors
فرزاد رسولی
استادیار، دانشکده کشاورزی - دانشگاه مراغه
اکبر قربانی
گروه علوم باغبانی، دانشگاه مراغه
مشهید هناره
مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان غربی، ارومیه
اصغر ابراهیم زاده
استادیار دانشگاه مراغه
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 :