اثر تراکم بوته بر شاخص های رشد و عملکرد اکوتیپ های حنا (Lowsonia inermis L.) در منطقه شهداد
محل انتشار: فصلنامه علوم زراعی ایران، دوره: 18، شماره: 4
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 147
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AGRO-18-4_005
تاریخ نمایه سازی: 24 تیر 1401
چکیده مقاله:
به منظور ارزیابی اثر تراکم بوته بر شاخصهای رشد، فتوسنتز و عملکرد خشک برگ سه اکوتیپ حنا (Lowsonia inermis L.)، آزمایشی به صورت فاکتوریل و در قالب طرح بلوکهای کامل تصادفی در سه تکرار در بخش شهداد شهرستان کرمان در
سال ۹۵-۱۳۹۴ اجرا شد. تیمارهای آزمایشی شامل سه اکوتیپ حنا (بم، شهداد و رودبار) به عنوان فاکتور اول و چهار تراکم بوته (۱۰۰، ۵۰، ۳۳ و ۲۵ بوته در مترمربع به ترتیب معادل ۵، ۱۰، ۱۵ و ۲۹ سانتیمتر فاصله کاشت روی ردیف با فواصل ردیف ثابت ۲۰ سانتیمتر) به عنوان فاکتور دوم بودند. صفات گیاهی اندازه گیری شده شامل تعدادی از شاخصهای رشد، فتوسنتز خالص، میزان تعرق و هدایت روزنهای بودند. نتایج نشان داد که اکوتیپهای حنای مورد ارزیابی در کلیه شاخصهای اندازهگیری شده، به جز شاخص سطح برگ، نسبت سطح برگ و دوام سطح برگ، تفاوت معنیداری با یکدیگر داشتند و بیشترین مقادیر صفات، مربوط به اکوتیپ شهداد بود. بین تیمارهای تراکم بوته نیز از لحاظ کلیه صفات اندازهگیری شده، به جز سطح مخصوص برگ، اختلاف معنیداری وجود داشت. اثر متقابل اکوتیپ و تراکم بوته فقط برای صفات دوام سطح برگ، دوام وزن خشک و میزان تعرق معنیدار بود. بالاترین عملکرد برگ خشک (عملکرد اقتصادی گیاه) از اکوتیپهای شهداد (۲/۵۰۸ گرم در متر مربع)، رودبار
(۴/۵۰۶ گرم در متر مربع) و تراکم ۱۰۰ بوته در مترمربع (۶/۷۳۸ گرم در متر مربع) بدست آمد. با توجه به حصول حداکثر عملکرد برگ خشک در حداکثر تراکم بوته میتوان نتیجه گرفت که تراکم ۱۰۰ بوته در متر مربع، مناسب ترین تراکم کاشت برای گیاه حنا در سال اول کاشت می باشد.
کلیدواژه ها:
Growth analysis ، Henna ، Leaf area index ، Photosynthesis ، Row spacing ، تجزیه و تحلیل رشد ، حنا ، شاخص سطح برگ ، فتوسنتز و فواصل ردیف کاشت
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :