تعیین شاخص مطلوب ارزیابی تحمل به خشکی ارقام کلزا (Brassica napus L) در استان خوزستان
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 470
This Paper With 10 Page And PDF Format Ready To Download
- 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:
NCAHEC01_042
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
کلزا (Brassica napus L ) از جمله گیاهان دانه روغنی می باشد که به دلیل داشتن درصد بالای روغن و کیفیت مناسب در سال های اخیر مورد توجه واقع شده است به منظور تعیین شاخص مطلوب ارزیابی تحمل به خشکی ارقام کلزا در شرایط استان خوزستان آزمایشی در قالب طرح بلوک های کامل تصادفی با 12 ژنوتیپ در سه ترار در دو شرایط تنش و بدون نش طی دو سال (89-1387) در مزرعه پژوهشی مرکز تحقیقات کشاورزی صفی آباد دزفول اجرا گردید شاخص های میانگین حسابی (MP)، میانگین هندسی (GMP) ، تحمل به تنش (STI)، حساسیت به تنش (SSI) ، تحمل (TOL) ، شاخص عملکرد (YI) و شاخص پایدار ی عملکرد (YSI) در این تحقیق مورد استفاده قرار گرفتند نتایج تجزیه واریانس اختلاف معنی دار بین لاین های کلزا از نظر کلیه شاخص ها و عملکرد دانه ژنوتیپ ها را در دو شرایط محیطی در سطح احتمال 1% نشان داد . نتایج بررسی با استفاده از شاخص های تحمل به خشکی نشان داد که بر اساس شاخص های SSI و TOL لاین های L5 و L1 به عنوان متحمل ترین لاین ها شناخته شدند. پس از بررسی شاخص های STI و GMP که مقادیر بالا در انها نشان دهنده تحمل به تنش خشکی است ژنوتیپ های هایولا 401 و L1 به عنوان ژنوتیپ های با عملکرد بالا در هر دو شرایط عادی و تنش تعیین شدند. با توجه به همبستگی مثبت و معنی دار شاخص های GMP,STI و MP با عملکرد دانه در شرایط مطلوب و تنش در مجموع این شاخص ها به عنوان معیارهای مناسب جهت شناسایی ارقام کلزا متحمل به تنش در شرایط خوزستان شناخته شدند همچنین با بررسی تمام شاخص ها و با توجه به اینکه بهترین لاین ها ، لاین هایی با عملکرد بالا در شرایط عادی و حداقل کاهش عملکرد در شرایط تنش است رقم هایولا 401 و L1 به عنوان مناسب ترین ارقام در شرایط تنش خشکی این تحقیق می باشند.
Keywords:
Authors
غلامرضا قدرتی
عضو هیئت علمی مرکز تحقیقات کشاورزی صفی آباد
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 :