ارزیابی شاخص های تحمل به شوری آب آبیاری در ارقام و لاین های جدید گلرنگ
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 51، شماره: 7
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 130
فایل این مقاله در 11 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_IJSWR-51-7_016
تاریخ نمایه سازی: 2 خرداد 1402
چکیده مقاله:
بهمنظور ارزیابی شاخصهای تحمل به شوری و انتخاب ژنوتیپ ایدهآل در چند رقم و لاین جدید گلرنگ، آزمایشی بهصورت فاکتوریل و در قالب طرح کاملا تصادفی با سه تکرار در ایستگاه تحقیقات کشاورزی و منابع طبیعی داراب به اجرا درآمد. فاکتور اول با دو سطح شوری آب آبیاری بهترتیب شامل ۹۸/۰ (شاهد) و ۸/۷ دسی زیمنس بر متر و فاکتور دوم با هشت ژنوتیپ گلرنگ شامل ارقام گلدشت، پرنیان، گلمهر، محلیاصفهان، پدیده و سه لاین امیدبخش Mec۱۴، Mec۲۳۵ و Mec۲۴۸ بود. برای ارزیابی تحمل به شوری ژنوتیپها از شاخصهایی شامل حساسیت به تنش (SSI)، میانگین هارمونیک (HM)، شاخص تحمل (TOL)، شاخص تحمل به تنش (STI)، میانگین هندسی بهره وری (GMP)، شاخص بهره وری متوسط (MP)، شاخص عملکرد (YI)، شاخص پایداری عملکرد (YSI) و در نهایت از تکنیک شاخص انتخاب ژنوتیپ ایدهآل (SIIG) استفاده گردید. بر اساس نتایج، شاخصهای MP، GMP، HM، YI و STI بیشترین همبستگی را با عملکرد دانه در شرایط شاهد و شوری داشتند، بنابراین مناسبترین شاخصها جهت تعیین میزان تحمل به شوری شناخته شدند. بر اساس این شاخصها لاین Mec۲۴۸ بهعنوان برترین ژنوتیپ در این آزمایش معرفی گردید. از سوی دیگر بر اساس شاخص انتخاب ژنوتیپ ایدهآل (SIIG) ژنوتیپ پرنیان با بیشترین مقدار (۶۸۳/۰) بهعنوان متحملترین ژنوتیپ به تنش شوری معرفی شد. بنابراین در نهایت این ژنوتیپ برای کاشت در مناطق جنوبی مشابه که مشکل شوری دارند توصیه میگردد.
کلیدواژه ها:
نویسندگان
حسن حقیقت نیا
Assistant Professor of Soil and Water Research Department, , Fars Agricultural and Natural Resources Research and Education Center, AREEO, Darab, , Iran
ابوالقاسم الحانی
Faculty Educator of Seed and Plant Improvement Research Department, Fars Agricultural and Natural Resources Research and Education Center, AREEO, Darab, Fars, Iran
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 :