بررسی و مقایسه عملکرد لاین ها و ارقام ترتیکاله در شرایط زارعین خراسان جنوبی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 480
فایل این مقاله در 9 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:
AASCONFERENCE01_044
تاریخ نمایه سازی: 26 شهریور 1395
چکیده مقاله:
در این آزمایش هفت لاین امید بخش ترتیکاله شامل ET-82-15، ET-84-17، ET-85-17، ET-85-15، ET-85-14، ET-85-4 و ET-83-18 که طی آزمایشات مختلف بخش تحقیقات غلات موسسه اصلاح و تهیه نهال و بذر برتری خود را نشان داده بودند، در مقایسه با شاهد Juanillo-92 در یک طرح بلوک های کامل تصادفی، در سه تکرار و در دو منطقه در استان خراسان جنوبی مورد مقایسه قرار گرفتند. صفاتی از قبیل تعداد روز تا ظهور سنبله، تعداد روز تا رسیدگی فیزولوژیکی، طول سنبله، ارتفاع بوته، وزن هزار دانه، طول پدانکل و عملکرد دانه اندازه گیری شد. تجزیه واریانس با استفاده از نرم افزار SAS و مقایسه میانگین براساس آزمون چند دامنه ای دانکن انجام گرفت. نتایج نشان داد که اثر ژنوتیپ بر تعداد روز تا سنبله دهی ( در سطح 1% )، تعداد روز تا رسیدگی فیزیولوژیکی و طول سنبله ( در سطح 5% ) معنی دار بوده اما بر سایر صفات تأثیر معنی داری نداشت. دو لاین ET-82-15 و ET-85-17 به ترتیب با میانگین های 12/48 و 12/43 سانتیمتر دارای بیشترین طول سنبله و لاین ET-85-14 نیز با میانگین 11/30 دارای کمترین طول سنبله بودند. با اینکه تفاوت معنی داری از لحاظ عملکرد دانه در بین لایه های مورد بررسی مشاهده نگردید، اما با این وجود لاین ET-83-18 با میانگین عملکرد 6/29 تن در هکتار دارای بیشترین عملکرد بود که به میزان 6/04 درصد بیش از عملکرد رقم Juanillo-92 با میانگین عملکرد 5/91 تن در هکتار بود. کمترین میزان عملکرد دانه با میانگین 5/76 تن در هکتار مربوط به لاین ET-85-15 بود. بنابراین لاین ET-83-15 در بیرجند و مناطق مشابه قابل توصیه می باشد و می تواند جایگزین رقم Juanillo-92 در این مناطق گردد.
کلیدواژه ها:
نویسندگان
سید حمیدرضا رمضانی
استادیار گروه زراعت و اصلاح نباتات دانشگاه بیرجند
حمید تجلی
محقق مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان جنوبی
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 :