ارزیابی عملکرد و صفات زراعی ژنوتیپهای مختلف ذرت فوق شیرین (Zea mays L. var Saccharata)
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 764
فایل این مقاله در 5 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:
HORTISYMP01_106
تاریخ نمایه سازی: 5 مهر 1393
چکیده مقاله:
به منظور بررسی عملکرد و صفات زراعی ژنوتیپهای مختلف ذرت فوق شیرین، آزمایشی در قالب طرح بلوکهای کامل تصادفی با سه تکرار در مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی (ایستگاه طرق-مشهد) انجام شد. در این تحقیق هشت ژنوتیپ ذرت فوق شیرین شامل دو هیبرید (بیسین x چالنجر x بیسین) و شش رقم (سیگنت، پشن، شیکر، ابسیژن، چالنجر و بیسین) مورد مطالعه قرار گرفت. صفات مورد بررسی شامل عملکرد دانه، تعداد، طول و قطر بلال، عمق دانه، تعداد دانه در ردیف و تعداد ردیف دانه در بلال می باشد. نتایج تجزیه واریانس نشان داد که از نظر کلیه صفات مورد مطالعه بین ژنوتیپ های مختلف ذرت فوق شیرین تفاوت معنی داری وجود دارد. مقایسه میانگین نشان داد که رقم ابسیژن از نظر عملکرد دانه، تعداد بلال، عمق دانه و تعداد دانه در ردیف نسبت به سایر ارقام و هیبریدهای مورد مطالعه برتری دارد. ضرایب همبستگی صفات نیز نشان داد که بالاترین همبستگی (**0/73) بین طول بلال و تعداد دانه در ردیف وجود داشت. عملکرد دانه با تعداد بلال، تعداد دانه درردیف و تعداد ردیف دانه در بلال همبستگی مثبت و بسیار معنی داری (p≤5356) داشت. با توجه به نتایج حاصله رقم ابسیژن به عنوان بهترین رقم ذرت فوق شیرین جهت کشت در شرایط آب و هوایی مشهد توصیه میشود. در حالیکه کشت رقم سیگنت به دلیل عملکرد دانه پایین و همچنین طول بلال، تعداد دانه در ردیف و تعداد ردیف دانه در بلال کمتر نسبت به سایر ژنوتیپ ها در منطقه مشهد، مقرون به صرفه نیست.
کلیدواژه ها:
نویسندگان
عبدالناصر مهدی پور
دانشجوی کارشناسی ارشد اصلاح نباتات، دانشگاه پیام نور مشهد
سعید خاوری خراسانی
عضو هیئت علمی مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی، مشهد.
الهام عزیزی
عضو هیات علمی، گروه کشاورزی، دانشگاه پیام نور مشهد
حسن حمیدی
کارشناس ارشد مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی، مشهد.
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 :