ارزیابی لاین های گاودانه (Vicia ervilia) در شرایط دیم و آبی
Publish Year: 1389
نوع سند: مقاله ژورنالی
زبان: Persian
View: 143
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SUST-20-1_003
تاریخ نمایه سازی: 15 مرداد 1402
Abstract:
به منظور شناسائی لاین های برتر گاودانه از لحاظ مقاومت به خشکی در شرایط دیم و آبی، ۱۵ لاین با منشاء خارجی و یک لاین بومی مراغه به عنوان شاهد، در موسسه تحقیقات کشاورزی دیم مراغه مورد ارزیابی قرار گرفتند. این ارزیابی طی دو آزمایش دیم و آبی با طرح بلوک های کامل تصادفی در سه تکرار انجام شد. تجزیه واریانس داده ها نشان داد که اختلاف موجود بین لاین ها در همه صفات مورد بررسی در هر دو آزمایش معنی دار بودند. در تجزیه مرکب دو محیط، از نظر همه صفات بهجز ارتفاع بوته، تفاوت معنی داری وجود داشت. اثر متقابل محیط × ژنوتیپ برای همه صفات بهجز ارتفاع بوته، تعداد نیام در بوته و تعداد دانه در نیام معنی دار شدند. مقایسه میانگین لاین ها در آزمایش های دیم و آبی نشان داد که لاین Sel ۲۵۱۸ کم ترین تعداد روز تا گلدهی و لاین های Sel ۲۵۱۵ و Sel ۲۵۱۶ کوتاه ترین دوره پرشدن دانه را دارند. لاین بومی دارای بیشترین ارتفاع بوته، وزن خشک هوایی، تعداد نیام در بوته و عملکرد بود و سه صفت مذکور بیشترین همبستگی را با عملکرد دانه در شرایط دیم و آبی داشتند. بر اساس شاخص های مقاومت به خشکی MP، GMP و STI، لاین بومی بهترین ژنوتیپ از لحاظ تحمل به خشکی با توانائی تولید عملکرد بالا در هردو محیط دیم و آبی شناخته شد و در تجزیه خوشه ای تحت شرایط دیم و آبی در بیشتر حالات از دیگر لاین ها تفکیک گردید. در رتبه های بعدی لاین های Sel ۲۶۴۴ و Sel ۲۶۴۷ با منشاء کشور بلغارستان قرار گرفتند. این یافته، بیانگر برتری لاین بومی نسبت به سایر لاین ها بود و بنابراین با بررسی ارقام بومی میتوان واریتههای گاودانه مناسبی را برای کشت شناسایی کرد
Keywords:
Authors
وحید فتحی رضائی
دانشجوی سابق کارشناسی ارشد اصلاح نباتات، دانشگاه تبریز
مصطفی ولیزاده
گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه تبریز
خشنود علیزاده
موسسه تحقیقات کشاورزی دیم کشور
سعید زهتاب سلماسی
گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه تبریز
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 :