ارزیابی مقاومت ژنوتیپ های سویا در مقابل نماتد سیستی سویا Heterodera glycines
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 157
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ARPP-11-3_006
تاریخ نمایه سازی: 4 بهمن 1401
Abstract:
چکیده نماتد سیستی سویا Heterodera glycines ، مهم ترین عامل کاهش محصول سویا Glycine max در اکثر مناطق زیر کشت آن در دنیا بوده و در ایران نیز در استان مازندران و گلستان گسترش دارد. در تحقیق حاضر واکنش تعداد ۱۰۰ ژنوتیپ و رقم سویا موجود در بانک بذر مرکز تحقیقات کاربردی شرکت توسعه کشت دانه های روغنی نسبت به نماتد سیستی سویا مورد ارزیابی قرار گرفت. ژنوتیپ ها در قالب طرح بلوک های کامل تصادفی با سه تکرار در شرایط دمای ثابت گلخانه بررسی شدند. نژاد جمعیت مورد بررسی نماتد سیستی سویا نیز با استفاده از ارقام افتراقی سویا تعیین و شناسایی شد. نتایج نشان داد که ۱۲ ژنوتیپ از جمله Leflor، Bedford وForrest به عنوان مقاوم، سه ژنوتیپ Chiquita،Centennial و Cloud به عنوان نسبتا مقاوم، ۲۶ ژنوتیپ به عنوان نسبتا حساس و ۵۹ ژنوتیپ نیز از جمله Essex، Faur،Clark و رقم جی کا (Jk) به عنوان ژنوتیپ کاملا حساس نسبت به نژاد شماره سه نماتد سیستی سویا شناسایی شدند. نتایج تجزیه کلاستر ژنوتیپ ها را براساس صفات مقاومت به نماتد، دوره رسیدگی سویا، رنگ بذر و رنگ ناف به پنج گروه تقسیم کرد. بیشترین ژنوتیپ های حساس در گروه دوم و بیشترین ژنوتیپ های مقاوم در گروه سوم کلاستر قرار گرفتند. همچنین اکثر ژنوتیپ های مقاوم شناسایی شده از نظر دوره رسیدگی سویا در گروه های V و VI دوره رسیدگی قرار داشتند.
Keywords:
Authors
ابوالفضل کی پور
دانشکده زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
حمید نجفی زرینی
دانشکده زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
رامین حیدری
پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران.
علی پاکدین پاریزی
پژوهشکده ژنتیک و زیست فناوری کشاورزی طبرستان، دانشگاه علوم کشاورزی و منابع طبیعی ساری. ساری، ایران.
غلامعلی رنجبر
دانشکده زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، 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 :