کلروفیل متری برگ و بهینه سازی مصرف کود نیتروژن در ارقام ذرت دانه ای

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 575

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCER03_036

تاریخ نمایه سازی: 27 بهمن 1394

چکیده مقاله:

در میان محصولات زراعی ذرت به عنوان منبع غنی از کربوهیدرات، نیاز زیادی به نیتروژن در طول فصل رشد دارد. نیتروژن گرچه یکی از عناصر غذایی بسیار ضروری برای رشد ذرت محسوب می شود ولی مقدار بازیابی آن توسط دانه ی ذرت با افزایش مصرف کودهای نیتروزنه کاهش می یابد به طوری که مصرف بیش از حد نیاز نیتروژن باعث کاهش کیفیت پروتئین و ارزش غذایی ذرت می شود. در این تحقیق به منظور بهینه سازی مصرف کود نیتروژن بر اساس نیاز واقعی گیاه طی دوران رشد، از کلروفیل سنجی برگها در مراحل مختلف رشد استفاده شد. بدین منظور از ارقام زودرس، میانرس و دیررس ذرت دانهای در تاریخ کشت یکسان و در چهار سطح مصرف کود نیتروژن از منبع اوره استفاده گردید. در هر مرحله از نمونه برداری گیاه از برگ های کاملا توسعه یافته با غلاف قابل مشاهده برای اندازه گیری نیتروژن و سنجش کلروفیل استفاده شد. نتایج حاصل از آزمایش نشان داد بیشترین عدد قرائت شده از کلروفیل متر مربوط به تیمار صفر و 50 کیلوگرم نیتروژن در هکتار بود. با مصرف 150 کیلوگرم در هکتار نیتروژن به صورت پایه و سرک بیشترین عملکرد دانه در ارقام مختلف حاصل شد. کمترین عدد قرائت شده کلروفیل متر معادل 32/5 واحد اسپاد، و بیشترین آن مربوط به سطح 150 کیلوگرم در هکتار نیتروژن برابر 5/52 واحد اسپاد بوده است. همبستگی مثبت و معنی داری بین غلظت نیتروژن برگ و همچنین کلروفیل برگ در مراحل شش، هشت و ده برگی با عملکرد دانه به دست آمد. با افزایش ازت مصرفی، اعداد قرائت شده از دستگاه کلروفیل متر افزایش پیدا کرد. حداکثر عملکرد در سطوح کلروفیل بالای 50 واحد اسپاد حاصل شد. لذا استفاده از سنجش کلروفیلی متر در مراحل اولیه ی کمبود می تواند به عنوان روشی سریع از دقت خوبی برخوردار باشد.

کلیدواژه ها:

نویسندگان

نساقره باغلی

عضو هیات علمی دانشگاه پیام نور

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 :