ارزیابی مطلوبیت نسبی شش رقم سیب زمینی نسبت به مینوز گوجه فرنگی،Tuta absoluta (Lep.: Gelechidae)
محل انتشار: نامه انجمن حشره شناسی ایران، دوره: 35، شماره: 2
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 119
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_JESI-35-2_002
تاریخ نمایه سازی: 21 دی 1401
چکیده مقاله:
مینوز گوجهفرنگی، Tuta absoluta (Meyrick)، یکی از آفات مهم سیبزمینی، Solanum tuberosum L.، در دنیا میباشد. در این تحقیق پارامترهای چرخه زیستی این شبپره روی شش رقم سیبزمینی به نامهای ایمپالا، آگریا، ساوالان، فلوریدا، امراد و مارکز مطالعه شد. دورهی نشوونمای لاروی روی رقمهای فلوریدا و ایمپالا به طور معنیداری طولانیتر از رقمهای مارکز و امراد بود. کمترین درصد بقای از تخم تا حشره کامل روی رقم فلوریدا (۴۸/۶۰ درصد) مشاهده گردید. تعداد تخم گذاشته شده به ازای یک ماده روی رقم فلوریدا بهطور معنیداری کمتر از رقمهای آگریا، ساوالان، مارکز و امراد بود، ولی در مقایسه با رقمهای ایمپالا و فلوریدا اختلاف معنیداری نداشت. کمترین نرخ ذاتی افزایش جمعیت (rm) (۰۵۸/۰ بر روز) و کمترین نرخ متناهی افزایش جمعیت (λ) (۰۵۹/۱ بر روز) به طور معنیداری روی رقم فلوریدا بهدست آمد. همچنین، طولانیترین مدت نسل (T) (۶۰/۳۳ روز) و طولانیترین زمان لازم برای دو برابر شدن جمعیت (DT) (۹۳/۱۱ روز) به طور معنیداری روی رقم فلوریدا مشاهده گردید. بنابراین، میتوان نتیجهگیری کرد که رقم فلوریدا در بین شش رقم مورد مطالعه سیبزمینی نامطلوبترین میزبان نسبت به T. absoluta میباشد. این نتایج میتواند در برنامههای مدیریت تلفیقی T. absoluta در مزارع سیبزمینی مفید باشد.
کلیدواژه ها:
نویسندگان
سیدعلی اصغر فتحی
دانشگاه محقق اردبیلی، دانشکده علوم کشاورزی، گروه گیاه پزشکی، اردبیل.
رویا بهرو بنمار
دانشگاه محقق اردبیلی، دانشکده علوم کشاورزی، گروه گیاه پزشکی، اردبیل.
قدیر نوری قنبلانی
دانشگاه محقق اردبیلی، دانشکده علوم کشاورزی، گروه گیاه پزشکی، اردبیل.
بهرام ناصری
دانشگاه محقق اردبیلی، دانشکده علوم کشاورزی، گروه گیاه پزشکی، اردبیل.
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 :