تاثیر تنش خشکی و کود شیمیایی نیتروژن بر ویژگی های ریشه و عملکرد در سه رقم کینوا (Chenopodium quinoa Wild)
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 34
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CSR-5-2_010
تاریخ نمایه سازی: 19 دی 1402
Abstract:
مدیریت آبیاری و تغذیه به ویژه نیتروژن برای به حداکثر رساندن بهرهوری نهادهها در زراعت کینوا ضروری می باشد. به همین منظور آزمایشی در سال زراعی ۱۴۰۰-۱۳۹۹ در مزرعه ای واقع در چرداول از توابع استان ایلام اجرا شد. این آزمایش در سه تکرار بهصورت اسپلیت پلات-فاکتوریل در قالب طرح پایه بلوک های کامل تصادفی انجام شد. رژیم آبیاری با سطوح ۱۰۰، ۸۰، ۶۰ و ۴۰ درصد نیاز آبی بهعنوان عامل اصلی، ارقام کینوا TITICACA، Q۲۹ و GIZA۱ و کود نیتروژن با سطوح عدم مصرف، ۱۰۰ و ۲۰۰ کیلوگرم در هکتار از منبع اوره بهصورت فاکتوریل بهعنوان کرت فرعی در نظر گرفته شدند. نتایج نشان داد که بیشترین وزن خشک ریشه در تیمار ۱۰۰ درصد نیاز آبی و ۲۰۰ کیلوگرم در هکتار کود اوره در رقم GIZA۱ به میزان ۱۰/۱ گرم مشاهده شد که نسبت به تیمار ۶۰ درصد نیاز آبی و ۲۰۰ کیلوگرم در هکتار کود اوره در ارقام TITICACA و Q۲۹ به ترتیب ۳۹/۹ و ۵۰/۷ درصد افزایش نشان داد. رقم GIAZ۱ در شرایط حداکثر کاربرد نیتروژن عملکرد بیشتری نسبت به سایر ارقام داشت. در تیمارهای ۸۰ و ۱۰۰ درصد نیاز آبی و مصرف ۲۰۰ کیلوگرم در هکتار اوره، میزان عملکرد دانه در رقم GIZA۱ نسبت به Q۲۹ و TITICACA به ترتیب۳۲/۷ و ۴۹/۱ درصد افزایش نشان داد. در مجموع می توان نتیجه گرفت که اعمال شرایط ۱۰۰ درصد نیاز آبی و کاربرد ۲۰۰ کیلوگرم نیتروژن در هکتار و استفاده از رقم GIAZ۱ در زراعت کینوا در منطقه ایلام مناسب می باشد.
Keywords:
Authors
زینب زمانی
دانشجوی کارشناسی ارشد زراعت، گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران
احسان زیدعلی
گروه زراعت و اصلاح نباتات، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران
حمزه علی علیزاده
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران
امین فتحی
دکتری زراعت، واحد آیت الله آملی، دانشگاه آزاد اسلامی، آمل، 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 :