تجزیه و تحلیل تنوع ژنتیکی عملکرد دانه ارقام گندم ایرانی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 542
فایل این مقاله در 6 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:
ISCONF02_240
تاریخ نمایه سازی: 11 آبان 1395
چکیده مقاله:
بهبود عملکرد دانه مهمترین هدف اصلاحی گندم و موثرترین راهکار افزایش تولید در واحد سطح محسوب میگردد. این آزمایش به منظور بررسی تنوع ژنتیکی در ارقام گندم بر اساس عملکرد و صفات مورفولوژیک در قالب طرح بلوک های کامل تصادفی با چهار تکرار در مزرعه دانشگاه علوم کشاورزی و منابع طبیعی گرگان اجرا شد. عملیات زراعی از قبیل کاشت بذر، مصرف کود و سم در مزرعه و آبیاری به صورت روش های متداول انجام گردید. صفات زراعی و مورفولوژیک شامل عملکرد دانه، وزن 100 دانه تعداد سنبله در بوته و تعداد دانه در سنبله بودند. تجزیه واریانس داده ها حاکی از اختلاف و تنوع بین ارقام میباشد. همچنین نتایج مقایسه میانگین نشان داد که رقم مروارید بالاترین عملکرد و رقم مغان 1 کمترین عملکرد را در بین ارقام داشته است. از نظر وزن 100 دانه رقم بهرنگ بالاترین و قدس کمترین وزن را دارا بود. نتایج همچنین نشان دادند که از نظر تعداد سنبله در مروارید بالاترین و مغان 1 کمترین بودند. همچنین در بین ارقام مورد بررسی استار و هیرمند به ترتیب بالاترین و پایین ترین تعداد دانه در سنبله را به خود اختصاص دادند. همچنین ضریب تغییرات ارقام برای عملکرد دانه، وزن 100 دانه دانه، تعداد سنبله در بوته و تعداد دانه در سنبله به ترتیب 8/33.4/65.7/24و6/66درصد بود. نتایج این مطالعه نشان دادند که تنوع ژنتیکی مطلوبی در بین مواد مورد بررسی وجود دارد بطوریکه برخی از این ارقام را می توان در پروژههای اصلاحی به عنوان والد تلاقی بکار گرفت
کلیدواژه ها:
نویسندگان
زهره نخعی
دانشجوی کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
محمد هادی پهلوانی
دانشیار، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
خلیل زینلی نژاد
استادیار، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
محسن اسماعیل زاده مقدم
دانشیار، موسسه تحقیقات اصلاح و تهیه نهال و بذر کرج
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 :