بررسی صفات متمایزکننده برخی ارقام و ژنوتیپ های گیلاس بومی ایران
Publish place: IRANIAN JOURNAL OF HORTICALTURAL SCIENCE، Vol: 53، Issue: 3
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 186
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHS-53-3_016
تاریخ نمایه سازی: 15 اسفند 1401
Abstract:
شناسایی صفات متمایز کننده ارقام گیلاس (Prunus avium L.) یکی از قدم های ضروری در جلوگیری از تکثیر ارقام مختلف با یک نام می باشد. این پژوهش با هدف مطالعه مورفولوژی، پومولوژی و شناسایی صفات متمایزکننده هفت رقم تجاری و پنج ژنوتیپ گیلاس به مدت دو سال بر اساس دستورالعمل UPOV انجام گردید. براساس نتایج نه رقم/ژنوتیپ گیلاس شیشهای مشهد، پیشرس مشهد، تکدانه مشهد، سفید- ۹۰، پیش رس۲، شبستر-۶، دوم رس مشهد، سیاه دانشکده و سیاه مشهد دارای ۱۹ صفت متمایزکننده مورفولوژی و پومولوژی بودند. رقم تکدانه مشهد با وزن میوه ۹۳/۱۰ و وزن هسته ۸۸/۰ گرم، از سایر ارقام و ژنوتیپ ها متمایز گردید. صفات انحصاری ضخامت و طول دم میوه تمایز قابل توجهی را بین ارقام سیاه مشهد و شبستر-۶ ایجاد نمود. عادت رشد افراشته نیز تنها در رقم سیاه دانشکده مشاهده گردید. تعداد عدسک در شاخه یکساله با حالت تظاهر خیلی زیاد، رقم شیشه ای مشهد را از سایر ارقام و ژنوتیپ ها متمایز نمود. علاوه بر وزن میوه، آرایش گلبرگ و زمان رسیدن ارقام تک دانه مشهد و سیاه مشهد را از یکدیگر متمایز نمود. در میان صفات مطالعه شده عادت رشد درخت، آرایش گلبرگ، زمان رسیدن، رنگ پوست از نظر تمایز بین ارقام گیلاس از اهمیت بیشتری برخوردار بودند که اغلب آن ها در انطباق با صفات ستارهدار دستورالعمل UPOV بودند.
Keywords:
Authors
ناصر بوذری
دانشیار، پژوهشکده میوه های معتدله و سردسیری، موسسه تحقیقات علوم باغبانی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
ابراهیم گنجی مقدم
دانشیار، بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران
عبدالرضا کاوند
محقق، موسسه تحقیقات ثبت و گواهی بذر و نهال، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، 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 :