اثر سه کودزیستی برشاخص های رشدی گوجه فرنگی و شدت بیماری پژمردگی باکتریایی
Publish place: Plant Pathology Science، Vol: 12، Issue: 1
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 115
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_PPS-12-1_011
Index date: 27 November 2023
اثر سه کودزیستی برشاخص های رشدی گوجه فرنگی و شدت بیماری پژمردگی باکتریایی abstract
کامگار ا، کتابچی س (۱۴۰۱) اثر سه کودزیستی برشاخصهای رشدی گوجه فرنگی و شدت بیماری پژمردگی باکتریایی. دانش بیماری شناسی گیاهی ۱۲(۱): ۱۱۲-۱۰۵.
Doi: ۱۰.۲۹۸۲/PPS.۱۲.۱.۱۰۵
چکیده
مقدمه: پژمردگی باکتریایی ناشی از Ralstonia solanacearum یکی از بیماریهای مهم گوجه فرنگی در جهان است. امروزه روشهای جدید بر پایه استفاده از محصولات زیستی برای مدیریت بیماری های گیاهی مورد توجه قرار گرفته تا با کاهش مصرف سمهای شیمیایی و آسیب به محیطزیست، محصولی ارگانیک در اختیار مصرف کنندگان قرار گیرد. مواد و روشها: تاثیر سه کودزیستی نیتروکارا (حاوی چند باکتری تثبیت کننده ازت)، میکروارگانیزمهای موثر (:EM® حاوی چند گونه مخمر و باکتری) و کمپوست بر شاخصهای رشدی گوجه فرنگی و شدت بیماری پژمردگی باکتریایی در قالب طرح کاملا تصادفی در شرایط گلخانه مورد بررسی قرار گرفتند. یافته ها: تجزیه واریانس داده های آزمایش نشان داد که این سه کود تاثیر معنیداری در افزایش شاخصهای رشدی گوجه فرنگی دارند ولی باعث کاهش معنی دار شدت بیماری نمی گردند. کمپوست در بین آنها بیشترین تاثیر را بر شاخصهای رشدی گوجه فرنگی حتی در حضور بیمارگر داشت. نتیجه گیری: کمپوست میتواند به عنوان یک عامل بهبوددهنده شاخصهای رشدی گوجه فرنگی در برنامه مدیریت بیماری پژمردگی باکتریایی مد نظر قرار گیرد.
اثر سه کودزیستی برشاخص های رشدی گوجه فرنگی و شدت بیماری پژمردگی باکتریایی Keywords:
اثر سه کودزیستی برشاخص های رشدی گوجه فرنگی و شدت بیماری پژمردگی باکتریایی authors
Arman Kamgar
Department of Plant Pathology, Islamic Azad University, Shiraz Branch, Shiraz, Iran
Saghar Ketabchi
Department of Plant Pathology, Islamic Azad University, Shiraz Branch, Shiraz, Iran
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 :