بررسی شاخص‌های کمی مقاومت به خشکی در ارقام پائیزه کلزا
محل انتشار: همایش ملی مدیریت تنش خشکی و کمبود آب در زراعت
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 495
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ARSANJANDC01_093
تاریخ نمایه سازی: 22 اردیبهشت 1393
چکیده مقاله:
به منظور شناسایی ارقام مقاوم به خشکی کلزا، آزمایشی در گلخانه تحقیقاتی دانشکده کشاورزی دانشگاه تبریز اجرا گردید . آزمایش به صورت فاکتوریل با 12 رقم کلزای پاییزه و 3 سطح تنش شدید کمبود آب (50FC ٪)، تنش ملایم کمبود آب (75FC ٪) و فاقد تنش (100FC ٪) با طرح پایه بلوک‌های کامل تصادفی در 3 تکرار اجرا گردید . برای کنترل رطوبت از از بلوک‌های گچی استفاده شد . تنش کمبود آب از مرحله شروع ساقه روی تا رسیدگی فیزیولوژیکی اعمال گردید. ارزیابی ارقام با شاخص‌های مقاومت به تنش نشان داد که SLM046 به عنوان متحمل‌ترین رقم از لحاظ شاخص‌های GMP, TOL و MP تحت تنش شدید کمبود آب است . در شرایط تنش ملایم Orient متحمل‌ترین رقم با توجه به همین شاخص‌ها بود. Fornax در هردو شرایط حساس‌ترین رقم شناخته شد. همچنین مشخص گردید که تحت هردو شرایط محیطی شاخص‌های MP و GMP توانستند ارقام متحمل و حساس را بهتر تشخیص دهند. براساس نتایج تجزیه همبستگی ساده بین شاخص‌ها، تحت هردو شرایط تنش،Yp (عملکرد در شرایط عادی) همبستگی مثبت و معنی‌داری در سطح احتمال 1٪ با Ys (عملکرد در شرایط تنش)، GMP. MP و STI داشت ولی با شاخص TOL همبستگی منفی و معنی‌دار در سطح احتمال 5٪ پیدا کرد. همبستگی Ys با GMP, MP و STI در هر دو شرایط تنش مثبت و معنی‌دار، ولی با SSI و TOL منفی و معنی‌دار بود. بنابراین می‌توان چنین نتیجه‌گیری کرد که شاخص‌های GMP, MP و STI می‌توانند به عنوان مناسب‌ترین شاخص‌ها برای ارزیابی و شناسایی ارقام تحت تنش خشکی در برنامه های اصلاحی مورداستفاده قرار گیرند
کلیدواژه ها:
نویسندگان
قادر غفاری نعمت آباد
کارشناس ارشد اصلاح نباتات، دانشگاه تبریز
بهنام طهماسب پور
کارشناس ارشد اصلاح نباتات، دانشگاه تبریز
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 :