تعیین مناسبترین تعداد غده نمونه برداری شده و سطح نمونه برداری مزرعه بذری سیب زمینی به منظور انجام آزمون ELISA و تعیین طبقه بذری
Publish place: 2nd National Seed Technology Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 981
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SEEDTECH02_358
تاریخ نمایه سازی: 15 اسفند 1391
Abstract:
قضاوت و نهایی در خصوص تعیین کیفیت و طبقه بذری سیب زمینی به بررسی آزمایشگاهی غده های بذری پس از پارت چینی و نمونه برداری در انبار بستگی دارد، اما دستورالعمل مشخصی در خصوص تعداد غده لازم به عنوان نمونه ارسالی به آزمایشگاه جهت انجام آزمون های سلامت به روش ELISA - DAS در راستای تعیین طبقه بذری وجود ندارد. این پژوهش در سال 1388 در اصفهان و آزمایشگاه سلامت بذر موسسه تحقیقات ثبت و گواهی کرج انجام شد. در این تحقیق دو عامل اندازه قطعه و تعداد غده برداشت از آن (نمونه) در قالب آزمایش فاکتوریل با طرح پایه بلوکهای کامل تصادفی مورد مطالعه قرار گرفت. عامل نخست اندازه هر قطعه در چهار سطح یک ، دو ، سه و چهار هکتاری و عامل دوم نیز تعداد غده بذری قابل برداشت به صورت تصادفی از هر قطعه به عنوان نمونه آزمایشی در چهار سطح 100 و 200 و 300 و 400 غده انتخاب گردید. نمونه ها به آزمایشگاه ارسال تا درصد آلودگی به PVY به روش الایزا مشخص شود و بر اساس استانداردهای موجود کلاس بذری تعیین گردد. نتایج نشان داد مناسبترین تعداد نمونه انتخابی جهت انجام تشخیص ویروس Y سیب زمینی به منظور تعیین کلاس بذری در فرایند گواهی،تعدا 200 غده از سطح 4هکتار می باشد. بنابراین از آنجا در فرایند گواهی بذر سیب زمینی، درصد آلودگی به ویروس Y سیب زمینی با توجه به استاندارهای موجود مد نظر قرار می گیرد، بهترین تعداد نمونه ارسالی به آزمایشگاه جهت تعیین کلاس بذری تعداد 200 غده از سطح چهار هکتار می باشد. اثرات متقابل تعداد غده و اندازه قطعه به عنوان لات در خصوص ویروس PVY در سطح احتمال 5 درصد معنی دار بود.
Keywords:
Authors
فرشید حسنی
عضو هیات علمی موسسه تحقیقات ثبت و گواهی بذر و نهال
عنایت رضوانی
محقق موسسه تحقیقات ثبت و گواهی بذر و نهال
مریم دیو سالار
محقق موسسه تحقیقات ثبت و گواهی بذر و نهال
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 :