ارزیابی تحمل به خشکی گندم با استفاده از تجزیه شاخصهای تحمل به خشکی
Publish place: 13 Iranian Crop Sciences Congress & 3rd Iranian Seed Science and Technology Conference
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 677
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NABATAT13_0855
تاریخ نمایه سازی: 4 آذر 1393
Abstract:
به منظور شناسایی ارقام متحمل به خشکی و غربال کردن شاخصهای تحمل به خشکی تعداد 31 رقم گندم نان در قالب طرح بلوکهای کامل تصادفی با سه تکرار در دو شرایط دیم و آبی در مزرعه ایستگاه تحقیقات کشاورزی و منابع طبیعی شهرستان سنندج مورد آزمایش قرار گرفتند. شاخصهای متداول تحمل به خشکی بر مبنای عملکرد دانه در متر مربع در شرایط آبی (Yp) و دیم (Ys) محاسبه شدند. اختلاف معنیداری بین ارقام از نظر کلیه شاخصها و عملکردهای آبی و دیم وجود داشت که بیانگر وجود تنوع ژنتیکی در بین ارقام بود که انتخاب برای تحمل به خشکی و دورگ گیری برای مطالعات ژنتیکی و برنامه های اصلاحی را امکانپذیر میسازد. تحلیل همبستگی بین عملکرد دانه در متر مربع در دو شرایط آبی و دیم و شاخصهای تحمل به خشکی نشان داد که MP، GMP و STI مناسبترین شاخصها برای غربال کردن ارقام گندم میباشند. با توجه به این شاخصها و عملکرد بالا در دو شرایط آبی و دیم ارقام پیشگام، الوند، Ws-82-9 ، چمران و سیوند متحمل به خشکی تشخیص داده شدند. نهایتا از بین پنج رقم، سه رقم پیشگام، الوند و Ws-82-9 به دلیل عملکرد بالای آنها در شرایط دیم بهعنوان متحملترین ارقام به خشکی شناسایی شدند.
Authors
آرام ارشدی
دانشجوی کارشناسی ارشد اصلاح نباتات دانشگاه رازی کرمانشاه
هومن سالاری
استادیار گروه زراعت و اصلاح نباتات دانشگاه رازی کرمانشاه
عادل سی و سه مرده
دانشیار گروه زراعت و اصلاح نباتات دانشگاه کردستان
عبداله نجفی
استادیار گروه زراعت و اصلاح نباتات دانشگاه رازی کرمانشاه
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 :