بررسي اثر برخي مالچ‌هاي آلي بر افزايش مقاومت به سرما درگياه تاج الملوك (Aquilegia sp.)

براي بررسي اثر تنش يخ زدگي و ارزيابي تحمل به آن با استفاده از انواع مالچ‌‌هاي آلي در گياه تاج الملوك تحت شرايط كنترل شده، اين آزمايش به صورت فاكتوريل بر پايه طرح كاملاً تصادفي با چهار تكرار در دانشكده كشاورزي دانشگاه فردوسي مشهد اجرا گرديد. تيمار‌هاي آزمايشي شامل 4 نوع مالچ در تركيب با خاك ( شاهد (بدون استفاده از مالچ)، 50 درصد خاك+50 درصد كود دامي، 50 درصد خاك+ 50 درصد سوزني برگ، 50 درصد خاك + 50 درصد سبوس برنج) و 5 سطح دماي يخ زدگي (0، 5-، 10-، 15-، 20- درجه سانتيگراد) بود. جهت ارزيابي تحمل به دماهاي يخ زدگي درصد نشت الكتروليت‌ها، تعداد برگ، سطح سبز برگ، وزن خشك بوته و محتواي پرولين برگي اندازه گيري شد. نتايج نشان داد با كاهش دما از 0 به 20- درجه سانتيگراد قطر ساقه، سطح برگ و تعداد برگ در تيمار مالچ سبوس به ترتيب 6/42، 4/73، 2/21 درصد، در مالچ سوزني برگ 2/35، 9/64، 6/47 درصد ، در مالچ كودي 1/ 20، 4/46، 8/7 درصد و در شاهد مالچ 8/32، 79، 7/30 درصد كاهش يافت در دماي 5- درجه سانتيگراد مقدار پرولين در برگ 26 درصد و در دماي 20- 50 درصد نسبت به شاهد افزايش داشت. همچنين كمترين مقدار پرولين (73/0 ميكرومول بر گرم وزن تر) در گياهان تحت تيمار با مالچ سبوس بود. به طور كلي، تنش يخبندان باعث كاهش صفات مورفولوژيك اندازه گيري شده در تاج الملوك شد ولي استفاده از مالچ­هاي آلي منجر به بهبود اين صفات گرديد به طوريكه بهترين نتايج در مالچ كود دامي بدست آمد.

In order to land classification for agricultural and natural resources, the most important criterion and factor is the production or yield of the lands. The best way to evaluate a method is to interact between the yield and potential of the product with the land specification involved in the production. One of the new methods in the land evaluation for different uses is the modeling or simulation of the intended use. Artificial neural networks are one of the new tools that are used today to simulate yield and determine the effective factors in the production of agricultural crops. New land evaluation methods include different modeling techniques, which these new methods, including simulations, are used in land valuation methods to test the ability of models for determining the relationship mentioned. An artificial neural network is one of the techniques that can do nonlinear analysis. It is important to recognize the most important input parameters to the predictive models of olive yield, which are also considered to be effective variables in production. Through the process of sensitivity analysis, valuable information about the sensitivity of the model to its input variables can be provided to the designer and model architect. In north of Iran, in the southern areas of Gilan Province, the most important olive gardens of the country are located in the southern part of the country. Different soil and water, topographical and climatic factors affect the yield of olive orchards.