بهبود ویژگیهای رویشی گل حنای گینه نو (Impatiens hawkeri) با کاربرد کودهای کندرها و اسید هیوهیک
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,051
فایل این مقاله در 10 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:
MEAENRS02_310
تاریخ نمایه سازی: 16 خرداد 1394
چکیده مقاله:
تغذیه بهینه یکی از مهمترین و موثرترین راهکارها برای افزایش عملکرد و کیفیت در صنعت گلکاری میباشد. بدین منظور آزمایشی به صورت فاکتوریل و در قالب طرح کاملا تصادفی در سه تکرار بر گل حنای گینه نو انجام گرفت. تیمارها شامل کود کندرها با فرمول کودی () و با سه میزان (0 ، 5/1 و 3 کیلوگرم بر متر مکعب) و اسید هیومیک با سه میزان (0 ، 2 و 4 کیلوگرم بر متر مکعب) بودند. در این آزمایش بذور گل حنای گینه نو در سینی کاشت و در بستری شامل 50 درصد پیت ماس، 40 درصد پرلیت و 10 درصد پوسته برنج (به صورت حجمی) کشت شدند و پس از اینکه نشاها پنج تا هشت برگی شدند آنها به گلدان- های با بستر مشابه انتقال داده شدند. مقادیر کود و اسید هیومیک ذکر شده، به صورت ترکیب با بستر یکبار در مرحله کاشت بذر و یکبار در مرحله انتقال نشا به گلدان بکار برده شدند. پس از گذشت پنج ماه صفاتی از قبیل ارتفاع گیاه، قطر ساقه، تعداد انشعاب، تعداد برگ و وزن تازه و وزن خشک ساقه اندازهگیری شدند. نتایج تجزیه واریانس بیانگر تاثیر کودهای کندرها در سطح احتمال یک درصد در تمامی صفات اندازهگیری شده میباشد. در صفات ارتفاع گیاه، قطر ساقه، تعداد انشعاب و تعداد برگ با کاربرد اسید هیومیک اختلاف معنیداری مشاهده نشد اما در وزن تازه و خشک ساقه در سطح احتمال پنج درصد تفاوت معنیدار بود. اثرات متقابل کود کندرها و اسید هیومیک بر ارتفاع گیاه معنیدار نبود اما در تعداد انشعاب، تعداد برگ و وزن تازه ساقه در سطح احتمال یک درصد و در قطر ساقه و وزن خشک ساقه در سطح احتمال پنج درصد معنیدار بود
کلیدواژه ها:
نویسندگان
لیلا محمدی
دانشجوی کارشناسی ارشدگیاهان زینتی
سعید ریزی
استادیار دانشکده کشاورزی دانشگاه شهرکرد
عبدالرحمان محمدخانی
دانشیاردانشکده کشاورزی دانشگاه شهرکرد
رحیم برزگر
استادیاردانشکده کشاورزی دانشگاه شهرکرد
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 :