تاثیر کودهای زیستی عصاره جلبک دریایی و فسفات بارور ۲ بر روی رشد، محتوی و عملکرد اسانس گشنیز(Coriandrum sativum)
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 33
فایل این مقاله در 14 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_SUST-34-1_005
تاریخ نمایه سازی: 17 اردیبهشت 1403
چکیده مقاله:
چکیدهاهداف: هدف آزمایش بررسی تاثیر کودهای زیستی فسفاته و عصاره جلبک دریایی در افزایش صفات رشدی، کیفیت و کمیت گیاه گشنیز بود. مواد و روش ها: این بررسی به صورت آزمایش مرزعه ای در ماهیدشت کرمانشاه، طی سال های۱۳۹۷- ۱۳۹۶، بصورت فاکتوریل در قالب طرح بلوک های کامل تصادفی با چهار تکرار اجرا گردید. فاکتور اول شامل عصاره جلبک در سه سطح (بدون عصاره، یک درصد و دو درصد) و فاکتور دوم کود تجاری فسفات بارور ۲ در دو سطح ( مایه کوبی و بدون مایه کوبی) بودند.نتایج: نتایج نشان داد که اثر متقابل کود فسفاته زیستی و عصاره جلبک بر پارامتر های ارتفاع بوته، درصد و عملکرد اسانس دانه و غلظت فسفر در اندام هوایی معنی داری بوده است. بیشترین (۸۴۴/۰ درصد) میزان درصد اسانس در تیمار سطح دو درصد عصاره جلبک و مایه کوبی با کود زیستی فسفات بارور۲ بدست آمد. بیشترین میزان عملکرد اسانس (۹۶۲/۴ کیلوگرم در هکتار) در ترکیب تیماری کود زیستی فسفات بارور ۲ و عصاره جلبک دریایی یک درصد بدست آمد. همچنین، بیشترین میزان فسفر در اندام هوایی (۵۸۳/۳ درصد) در تیمار مایه کوبی با فسفات بارور ۲ و عصاره جلبک دریایی دو درصد بدست آمد.نتیجه گیری: استفاده از کودهای زیستی فسفاته همراه با عصاره جلبک دریایی می تواند صفات رشدی، کیفیت و کمیت اسانس را در گیاه گشنیز بهبود ببخشد.
کلیدواژه ها:
نویسندگان
یزدان باقرپور
دانش آموخته کارشناسی ارشد، گروه گیاهان دارویی، موسسه آموزش عالی غیرانتفاعی جهاد دانشگاهی کرمانشاه، کرمانشاه ایران
قباد سلیمی
استاد یار، زراعت و اصلاح نباتات، دانشگاه ازاد، کرمانشاه
عاطفه جبارپور
Department of Medicinal plant, Kermanshah, ACECR Institute of Higher Education, Kermanshah, Iran.
زهرا اصلانی
Ph.D. Student, Department of Horticultural Science, Faculty of Agriculture, Urmia University, Iran
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 :
