تعيين رابطه بانك بذر و گياهچه علف هرز اويارسلام (Cyperus spp) بر اساس روابط ژيواستاتيك

Investigation of Nutsedge (Cyperus spp) Seed Bank and Seedling Relationships Using Geostatic Relations

به منظور بررسي توزيع مكاني علف هرز اويارسلام ((Cyperus spp در طول فصل رشد برنج، پژوهشي در سال 1389 در مزرعه پژوهشي دانشگاه علوم كشاورزي و منابع طبيعي ساري انجام شد. ابتدا مزرعه به شبكه هاي 5/2 در 5/2 متر تقسيم شد. نقاط تقاطع شبكه ها مشخص و تمام نمونه برداري‌ها تا پايان فصل از اين نقاط انجام گرفت. نمونه برداري از بانك بذر در دو مرحله ، يكي قبل از آماده سازي زمين و ديگري بعد از برداشت برنج انجام گرفت. نمونه برداري از گياهچه هاي اويارسلام در سه مرحله شامل پانزده روز پس از نشا كاري، زمان خوشه دهي و يك هفته قبل از برداشت صورت گرفت. پس از ورود داده ها در نرم افزار 99 Rockwork، نقشه الگوي پراكنش جمعيت گياهچه هاي علف هرز ترسيم گرديد. طبق نتايج به دست آمده، بالاترين تراكم علف هاي هرز در مزرعه برنج مربوط به اويارسلام بود. همچنين بين بذور و گياهچه هاي اويارسلام در تمامي مراحل نمونه برداري همبستگي مكاني قوي و متوسط وجود داشت. واريوگرام هاي مورد نظر با مدل هاي كروي و نمايي مطابقت داشتند. نقشه هاي توزيع مكاني بانك بذر علف هاي هرز از عمق هاي مختلف خاك (10-صفر، 20-10 و 30-20 سانتي متر) بيانگر توزيع لكه اي بذور علف هاي هرز با اندازه و تراكم متفاوت بود. به طوري كه بانك بذر ابتداي فصل با انتهاي فصل و الگوي جوانه زني گياهچه مطابقت داشت. بر اين اساس نقشه بانك بذر اين علف هرز مي تواند به عنوان منبع اطلاعاتي از چگونگي جوانه زني گياهچه آن استفاده شود. همچنين با دانستن تراكم بذر علف هاي هرز در عمق 30 سانتي متري خاك مزرعه تا حد زيادي مي توان تراكم جمعيت علف هاي هرز در طول فصل زراعي را برآورد نمود.

A field experiment was conducted to investigate the spatial distribution of nutsedge (Cyperus spp) during rice growing season using geostatic in 2011 at Sari Agricultural Sciences and Natural Resources University. At the first field was divided into 36 grids (2.5×2.5 meter) after the final preparation. Grid intersection points were determined and marked. All samples were taken from these points during the crop season. The sampling from seed banks was performed in two stages before the field preparing and after the rice harvesting. Also weed density were determined using square quadrate (50×50 cm) in three different dates during the growing season. All data were transferred to the RockWork99 software for drawing maps of weed and seedling distribution. The results showed that the highest amount of weed population was belong to nutsedge. There was strong and medium spatial correlation as spherical and exponential variogram model between weed and seedling nutsedge at all stages of sampling. Meanwhile, the weed seed bank was patches with different sizes and densities according to spatial distribution maps. Seed bank patchy pattern at the beginning of season was in accordance with seed bank at the end of season and seedling germination pattern. Therefore the seed bank maps can be used as information database of seedling germination. The results of this study showed that spatial distribution monitoring in soil depth (0-10, 10-20 and 20-30 centimeters) can be a valuable tool for prediction of weed behavior and increases our understanding about dynamics of weed populations.