دانشگاه علوم کشاورزی و منابع طبیعی گرگان

 آمار

تعداد نشریات13
تعداد شماره‌ها656
تعداد مقالات6,849
تعداد مشاهده مقاله9,874,394
تعداد دریافت فایل اصل مقاله9,238,965
افندیده, ناهید, باقری, علیرضا, مندنی, فرزاد, چقازردی, حمیدرضا. (1404). تحلیل پویایی مکانی علف‌های‌هرز و تأثیر آن بر عملکرد و اجزای عملکرد عدس (Lens culinaris) در طول فصل رشد. , 18(2), 137-154. doi: 10.22069/ejcp.2025.23612.2684
ناهید افندیده; علیرضا باقری; فرزاد مندنی; حمیدرضا چقازردی. "تحلیل پویایی مکانی علف‌های‌هرز و تأثیر آن بر عملکرد و اجزای عملکرد عدس (Lens culinaris) در طول فصل رشد". , 18, 2, 1404, 137-154. doi: 10.22069/ejcp.2025.23612.2684
افندیده, ناهید, باقری, علیرضا, مندنی, فرزاد, چقازردی, حمیدرضا. (1404). 'تحلیل پویایی مکانی علف‌های‌هرز و تأثیر آن بر عملکرد و اجزای عملکرد عدس (Lens culinaris) در طول فصل رشد', , 18(2), pp. 137-154. doi: 10.22069/ejcp.2025.23612.2684
افندیده, ناهید, باقری, علیرضا, مندنی, فرزاد, چقازردی, حمیدرضا. تحلیل پویایی مکانی علف‌های‌هرز و تأثیر آن بر عملکرد و اجزای عملکرد عدس (Lens culinaris) در طول فصل رشد. , 1404; 18(2): 137-154. doi: 10.22069/ejcp.2025.23612.2684

تحلیل پویایی مکانی علف‌های‌هرز و تأثیر آن بر عملکرد و اجزای عملکرد عدس (Lens culinaris) در طول فصل رشد

مجله تولید گیاهان زراعی
مقاله 7، دوره 18، شماره 2، تیر 1404، صفحه 137-154    اصل مقاله (2.42 M)
نوع مقاله: مقاله کامل علمی- پژوهشی
شناسه دیجیتال (DOI): 10.22069/ejcp.2025.23612.2684
نویسندگان
ناهید افندیده1؛ علیرضا باقری* 2؛ فرزاد مندنی3؛ حمیدرضا چقازردی4
1گروه مهندسی تولید و ژنتیک گیاهی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه
2دانشیار ، گروه مهندسی تولید و ژنتیک گیاهی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران،
3دانشیار، گروه مهندسی تولید و ژنتیک گیاهی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران،
4استادیار، گروه مهندسی تولید و ژنتیک گیاهی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران،
چکیده
سابقه و هدف: عدس (Lens culinaris Med.) یکی از حبوبات مهم و مغذی است که در بسیاری از کشورهای جهان کشت می‌شود که در تغذیه انسان و دام اهمیت ویژه‌ای دارد. یکی از چالش‌های عمده در تولید عدس، حضور علف‌های‌هرز است. علف‌های‌هرز با رقابت برای منابع آب، نور و مواد مغذی، می‌توانند باعث کاهش قابل‌توجهی در عملکرد عدس شوند. تحقیقات نشان داده‌اند که افزایش تراکم علف‌های‌هرز منجر به کاهش زیست‌توده و توانایی استقرار گیاهان در طول فصل رشد می‌شود. بنابراین، شناخت پویایی مکانی علف‌های‌هرز و چگونگی پراکنش آن‌ها در مزارع می‌تواند به کشاورزان کمک کند تا استراتژی‌های مؤثرتری برای کنترل علف‌های‌هرز و افزایش عملکرد عدس اتخاذ کنند. این تحقیق با هدف بررسی تاثیرات علف‌های‌هرز روی عملکرد و اجزای عملکرد عدس در طول فصل رشد و همچنین تحلیل ارتباط مکانی آنها انجام شد.
مواد و روش‌ها: این تحقیق در سال زراعی 95-96 در مزرعه‌ای واقع در پردیس کشاورزی و منابع طبیعی دانشگاه رازی، کرمانشاه انجام شد. ابتدا آلودگی علف‌های‌هرز به شش کلاس مختلف طبقه‌بندی شد: کمتر از 10 درصد، 10 تا 20 درصد، 20 تا 30 درصد، 30 تا 40 درصد، 40 تا 50 درصد و بیشتر از 50 درصد. نمونه‌برداری در پنج مرحله نموی، از 6 برگی تا قبل از برداشت انجام شد. صفات مورد بررسی شامل تراکم و زیست‌توده خشک علف‌های‌هرز و زیست‌توده خشک عدس در طول فصل رشد و پایان آن، همچنین تعداد دانه، وزن دانه، تعداد غلاف، وزن غلاف و وزن هزار دانه عدس در پایان فصل رشد بودند. برای شناسایی حساس‌ترین مراحل رشدی عدس به حضور علف‌های‌هرز از رگرسیون گام به گام استفاده گردید. همچنین توزیع پراکنش علف‌های‌هرز و عدس و همچنین همبستگی مکانی آنها با استفاده از نرم‌افزار ArcMap مورد بررسی قرار گرفت.
یافته‌ها: بیشترین تأثیر علف‌های‌هرز در دو مرحله نمونه‌برداری اول (25 روز پس از سبز شدن و همزمان با استقرار گیاه) و چهارم (60 روز پس از سبز شدن و همزمان با غلاف‌بندی و پر شدند دانه) مشاهده شد. به ازای هر یک گرم در متر مربع وزن خشک علف‌های‌هرز در مرحله اول نمونه‌برداری، 50/0 گرم وزن دانه و 61/1 گرم زیست‌توده خشک عدس در متر مربع کاهش یافت. در مرحله چهارم نمونه‌برداری، به ازی هر گرم در متر مربع زیست‌توده خشک علف‌های‌هرز 10/0 گرم وزن دانه و 42/0 گرم وزن زیست‌توده خشک عدس در مترمربع کاهش نشان داد. میزان همبستگی مکانی زیست‌توده خشک علف‌های‌هرز با تعداد غلاف، وزن غلاف، تعداد دانه، وزن دانه و زیست‌توده خشک عدس در مرحله اول نمونه‌برداری به ترتیب 6/74-، 3/73-، 4/72-، 5/73- و 5/74- درصد بود. در مرحله چهارم نمونه‌برداری همبستگی مکانی زیست‌توده خشک علف‌های‌هرز با صفات ذکر شده به ترتیب 3/75-، 0/78-، 9/71-، 3/73- و 0/71- درصد بود. این نشان‌دهنده رقابت شدید و اثرات نامطلوب علف‌های هرز بر صفات عدس در این دو مرحله از فصل رشد می‌باشد.
نتیجه‌گیری: نتایج این مطالعه نشان‌دهنده اهمیت مدیریت مؤثر علف‌های‌هرز در مراحل حساس رشد عدس است. شناسایی حساس‌ترین مراحل رویشی نسبت به حضور و استفاده از نقشه‌برداری فضایی برای اعمال استراتژی‌های مدیریتی مبتنی بر مکان در مدیریت دقیق‌ می‌تواند به افزایش عملکرد محصول منجر شود. بنابراین، اتخاذ استراتژی‌های مدیریتی در زمان مناسب و مبتنی بر مکان برای شناسایی مناطق پر تراکم و در معرض خطر در کنترل علف‌های‌هرز ضروری بوده و می‌تواند به کشاورزان کمک کند تا تصمیمات بهتری برای کنترل علف‌های‌هرز اتخاذ کنند.
کلیدواژه‌ها
توزیع فضایی؛ دوره بحرانی علف های هرز؛ عدس؛ مدیریت متناسب با مکان؛ نقشه برداری
مراجع
  1. Bhatty, R. (1988). Composition and quality of lentil (Lens culinaris Medik): a review. Canadian Institute of Food Science and Technology Journal, 21(2), 144-160.
  2. Johnson, C.R., Combs Jr, G.F. & Thavarajah, P. (2013). Lentil (Lens culinaris): A prebiotic-rich whole food legume. Food Research International, 51(1), 107-113.
  3. Thavarajah, P., Wejesuriya, A., Rutzke, M., Glahn, R.P., Combs, G.F. & Vandenberg, A. (2011). The potential of lentil (Lens culinaris) as a whole food for increased selenium, iron, and zinc intake: preliminary results from a 3 year study. Euphytica, 180(1), 123-128.
  4. Khan, B.A. (2022). Comparative efficacy of different herbicides for weed management in lentil (Lens culinaris). Journal of Weed Science Research, 28(1), 29-44.
  5. Bagheri, A., Zargarian, N., Mondani, F. & Nosratti, I. (2020). Artificial neural network potential in yield prediction of lentil (Lens culinaris) influenced by weed interference. Journal of Plant Protection Research, 60(3), 284-295.
  6. Rhioui, W., Al Figuigui, J. & Belmalha, S. (2024). Assessing the Impact of Organic and Chemical Herbicides on Agronomic Parameters, Yield, and Weed Control Efficiency in Lentil (Lens culinaris) under a Direct-Seeding System: A Comparative analysis. BIO Web of Conferences, 109, 01033.
  7. Cessna, A.J. (1998). Metribuzin residues in lentil following postemergence application. Canadian Journal of Plant Science, 78(1), 167-169.
  8. Koller, M. & Lanini, W. (2005). Site-specific herbicide applications based on weed maps provide effective control. California Agriculture, 59(3), 182-187.
  9. Jurado Exposito, M., López Granados, F., Gonzalez Andujar, J. & García Torres, L. (2003). Spatial and temporal analysis of Convolvulus arvensis populations over four growing seasons. European Journal of Agronomy, 21(3), 287-296.
  10. Gerhards, R., Sökefeld, M., Timmermann, C., Kühbauch, W. & Williams, M. (2002). Site-specific weed control in maize, sugar beet, winter wheat, and winter barley. Precision Agriculture, 3(1), 25-35.
  11. Martín, C.S., Andújar, D., Fernández-Quintanilla, C. & Dorado, J. (2015). Spatial Distribution Patterns of Weed Communities in Corn Fields of Central Spain. Weed Science, 63(4), 936-945.
  12. Ritter, C., Dicke, D., Weis, M., Oebel, H., Piepho, H.P., Büchse, A. & Gerhards, R. (2008). An on-farm approach to quantify yield variation and to derive decision rules for site-specific weed management. Precision Agriculture, 9, 133-146.
  13. Zargarian, N., Bagheri, A., Nosratti, I. & Mondani, F. (2020). Evaluation of the effect of spatial distribution of weeds on seed yield of lentil (Lens culinaris) in rainfed conditions. Iranian Journal of Crop Sciences, 22(2), 140-151. (In Persian)
  14. Avila, Í.A.M.D., Hurtado, S.M.C., Jezus, G.C.D., Silva, G.C. & Rezende, M.M. (2019). Soil attributes and weed seedbank spatial correlation. Bioscience Journal, 35(6), 1871-1877.
  15. Kimathi, E., Mudereri, B.T., Abdel-Rahman, E.M., Niassy, S., Tonnang, H.E. & Landmann, T. (2022). The possibilities of explicit Striga (Striga asiatica) risk monitoring using phenometric, edaphic, and climatic variables, demonstrated for Malawi and Zambia. Environmental Monitoring and Assessment, 194(12), 913.
  16. Ihsan, I., Rehman, H., Shaikh, A., Sulaiman, A., Rajab, K.D. & Rajab, A. (2023). Improving in-text citation reason extraction and classification using supervised machine learning techniques. Computers in Speech and Language, 82, 101526.
  17. Mohamed, E., Nourai, A., Mohamed, G., Mohamed, M. & Saxena, M. (1997). Weeds and weed management in irrigated lentil in northern Sudan. Weed Research, 37(4), 211-218.
  18. Fedoruk, L., Johnson, E. & Shirtliffe, S. (2011). The critical period of weed control for lentil in Western Canada. Weed Science, 59(4), 517-526.
  19. Kumar, B., Kumari, N., Sirisha, L., Paswan, D. & Kumar, S. (2022). Bio-efficacy of pre and post-emergence herbicides on lentil yield, weed control efficiency, weed index, nutrient uptake and economics. Pharma Innovation Journal, 8(11), 1708-1712.
  20. Choukri, H., Hejjaoui, K., El-Baouchi, A., El Haddad, N., Smouni, A., Maalouf, F., Thavarajah, D. & Kumar, S. (2020). Heat and Drought Stress Impact on Phenology, Grain Yield, and Nutritional Quality of Lentil (Lens culinaris Medikus). Frontiers in Nutrition, 7, 596307.
  21. Smitchger, J.A., Burke, I.C. & Yenish, J.P. (2012). The Critical Period of Weed Control in Lentil (Lens culinaris) in the Pacific Northwest. Weed Science, 60(1), 81-85.
  22. Egli, D.B. (1994). Mechanisms responsible for soybean yield response to equidistant planting patterns. Agronomy Journal, 86(6), 1046-1049.
  23. Jambuvant, P., Khose, Somanath, L., Menon, S., Shinde, P.B., Pokharkar, S.P., Sandeep, V., Menon, P.B., Prabhakar, S.S. & Pokharkar (2021). Studies on chemical weed management in chickpea (Cicer arietinum): A review. Pharma Innovation Journal, 10(6), 808-812.
  24. Taherabadi, S., Ghobadi, M. & Allahmoradi, P. (2017). The Critical period of weed competition in Lentil (Lens culinaris) under Kermanshah condition. Iranian Journal of Pulses Research, 7(2), 10-26. (in Persian)
  25. Ramesh, T. (2016). Bio-efficacy of quizalofop-ethyl + imazethapyr in black gram. Indian Journal of Weed Science, 48, 339.
  26. Iqbal, S., Hassan, S.-U., Aljohani, N.R., Alelyani, S., Nawaz, R. & Bornmann, L. (2021). A decade of in-text citation analysis based on natural language processing and machine learning techniques: an overview of empirical studies. Scientometrics, 126(8), 6551-6599.
  27. Wiles, L.J. (2005). Sampling to make maps for site-specific weed management. Weed Science, 53(2), 228-235.
  28. Simard, M.-J., Panneton, B., Longchamps, L., Lemieux, C., Légère, A. & Leroux, G.D. (2009). Validation of a management program based on a weed cover threshold model: effects on herbicide use and weed populations. Weed Science, 57(2), 187-193.
  29. Milberg, P. & Hallgren, E. (2004). Yield loss due to weeds in cereals and its large-scale variability in Sweden. Field Crops Research, 86(2-3), 199-209.
  30. Stenger, R., Priesack, E. & Beese, F. (2002). Spatial variation of nitrate–N and related soil properties at the plot-scale. Geoderma, 105(3-4), 259-275.
  31. Yousaf, A., Khalid, N., Aqeel, M., Rizvi, Z.F., Alhaithloul, H.A.S., Sarfraz, W., Al Mutairi, K., Albishi, T.S., Alamri, S., Hashem, M., Noman, A. & Qari, S.H. (2022). Assessment of composition and spatial dynamics of weed communities in agroecosystem under varying edaphic factors. PLOS ONE, 17(5), e0266778.
  32. Krähmer, H., Andreasen, C., Economou-Antonaka, G., Holec, J., Kalivas, D., Kolářová, M., Novák, R., Panozzo, S., Pinke, G., Salonen, J., Sattin, M., Stefanic, E., Vanaga, I. & Fried, G. (2020). Weed surveys and weed mapping in Europe: State of the art and future tasks. Crop Protection, 129, 105010.
آمار
تعداد مشاهده مقاله: 115
تعداد دریافت فایل اصل مقاله: 75


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب