تاثیر تاریخ کاشت، کودهای شیمیایی سوپر فسفات تریپل و سولفات روی بر صفات رشد و سختی بذر یونجه یکساله (Medicago scutellata cv Rabinson)
Publish place: اولین همایش سراسری پژوهش های نوین در کشاورزی و علوم دامی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 6,449
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AASCONFERENCE01_074
تاریخ نمایه سازی: 26 شهریور 1395
Abstract:
به منظور بررسی تاثیر تاریخ کاشت، کودهای شیمیایی سوپرفسفات تریپل و سولفات ر.ی بر صفات مورفولوژیک و سختی بذر یونجه یکساله (Medicago scutellata cv Rabinson). آزمایشی به صورت اسپلیت فاکتوریل در قالب طرح بلوک های کامل تصادفی در چهار تکرار در سال زراعی 91-90 در مزرعه دانشکده کشاورزی دانشگاه لرستان در خرم آباد اجراء شد. عامل اصلی شامل تاریخ کاشت در دو سطح ف T1 : ( سی ام خرداد ماه ) و T2 : ( بیست و پنجم تیرماه )، عامل فرعی به صورت فاکتوریل شامل کود سوپرفسفات تریپل در سه سطح P1=150، P0=0 و P2=250 و کود فسفات روی نیز در سه سطح Zn1=50، ,Zn0=0 و Zn2=100 کیلوگرم در هکتار بود. نتایج نشان داد که اثرات متقابل سه گانه تاریخ کشت، کود سوپر فسفات تریبل و کود سولفات روی بر تعداد شاخه فرعی، ارتفاع بوته و وزن خشک کل گیاه در سطح احتمال 0/05 معنی دار شد. همچنین هیچ یک از تیمارها تأثیری بر سختی بذر نداشتند. بیشترین تعداد شاخه فرعی در بوته مربوط به تیمار (T1P2) کاربرد 250 کیلوگرم در هکتار کود سوپرفسفات تریپل در تاریخ کشت اول ( سی ام خرداد ) معادل 11/20 شاخه فرعی که نسبت به سایر تیمارها برتری داشت. مقایسه میانگین اثرات متقابل سه گانه تاریخ کشت، کود سوپر فسفات تریپل و کود سولفات روی بر عملکرد بیولوژیک نشان داد که تیمار T2P1Zn1 با 3504/64 کیلوگرم در هکتار بیشترین عملکرد بیولوژیک را داشت. با توجه به نتایج، استفاده از کودهای شیمیایی سوپرفسفات تریپل و سولفات روی در تاریخ کشت دوم جهت رسیدن به حداکثر عملکرد، مفید خواهد بود.
Keywords:
Authors
محمود نصرتی موموندی
دانشجوی کارشناسی ارشد زراعت دانشکده کشاورزی دانشگاه لرستان
خسرو عزیزی
عضو هیأت علمی دانشکده کشاورزی دانشگاه لرستان
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 :