شناسایی و معرفی برخی از گیاهان دارویی مراتع ارزوییه استان کرمان

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 190

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MUQ-14-10_006

تاریخ نمایه سازی: 15 مهر 1401

چکیده مقاله:

زمینه و هدف: با توجه به گرایش جدید به سمت گیاه درمانی و کمبود اطلاعات در زمینه گیاهان دارویی، به نظر می رسد اطلاعات بومی و دانش سنتی می تواند نقش مهمی در پایه ریزی تحقیقات علمی آتی داشته باشد. در این راستا، پژوهش حاضر با هدف شناسایی گیاهان دارویی مراتع ارزوییه در استان کرمان انجام شد. روش بررسی: در پژوهش کیفی حاضر اطلاعات ۶۳ نفر از خبرگان محلی در بهار و تابستان سال ۱۳۹۸ پیرامون گیاهان دارویی در قالب مصاحبه آزاد و مشاهده مشارکتی گردآوری گردید. در مشاهده مشارکتی به طور همزمان نام محلی، اندام مورد استفاده، زمان جمع آوری و فرم رویشی گیاهان یادداشت شد. در مصاحبه ها، اطلاعات مربوط به جنبه های مختلف گیاهان جمع آوری گردید. شناسایی نام فارسی و نام علمی گیاهان با استناد به کتاب های معتبر گیاه شناسی انجام شد. یافته ها: در این مطالعه ۷۰ گیاه دارویی متعلق به ۳۷ خانواده شناسایی شدند که تیره Lamiaceae از بیشترین سهم برخوردار بود. نتایج حاصل از بررسی کاربرد سنتی گیاهان بیانگر آن هستند که بیشترین استفاده دارویی از گیاهان برای درمان بیماری های گوارشی بوده است. از میان اندام های مختلف گیاهان، بیشترین استفاده به برگ گیاهان تعلق داشت. نتیجه گیری: از طریق بررسی های علمی در زمینه طب سنتی اقوام مختلف می توان به منابع جدیدی در راستای درمان بیماری های گوناگون دست یافت. بدیهی است حفاظت از دانش بومی و برقراری پیوند بین طب سنتی و پزشکی مدرن می تواند گامی در راستای بهبود سلامت جامعه و اشتغال زایی در مسیر توسعه پایدار باشد.

نویسندگان

امیررضا امراللهی

Department of Rangeland Management, Faculty of Rangeland and Watershed Management, University of Agricultural Sciences and Natural Resources

محمد رحیم فروزه

Department of Rangeland Management, Faculty of Rangeland and Watershed Management, University of Agricultural Sciences and Natural Resources

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 :