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

نوع مقاله : مقاله کامل علمی- پژوهشی

نویسندگان

1 گروه مهندسی تولید و ژنتیک گیاهی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه

2 دانشیار ، گروه مهندسی تولید و ژنتیک گیاهی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران،

3 دانشیار، گروه مهندسی تولید و ژنتیک گیاهی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران،

4 استادیار، 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

موضوعات

عنوان مقاله [English]

Spatial Dynamics Analysis of Weeds and Their Impact on Yield and Yield Components of Lentils (Lens culinaris) During the Growing Season

نویسندگان [English]

  • Nahid Afandideh 1
  • Alireza Bagheri 2
  • Farzad Mondani 3
  • Hamidreza Chaghazardi 4
1 Department of Plant Production and Genetics, Razi University, Kermanshah,
2 Associate Professor, Department of Plant Production Engineering and Genetics, College of Agriculture and Natural Resources, Razi University, Kermanshah, Iran,
3 Associate Professor, Department of Plant Production Engineering and Genetics, College of Agriculture and Natural Resources, Razi University, Kermanshah, Iran,
4 Assistant Professor, Department of Plant Production Engineering and Genetics, College of Agriculture and Natural Resources, Razi University, Kermanshah, Iran,
چکیده [English]

Background and objectives: Lentil (Lens culinaris Med.) is one of the important and nutritious legumes cultivated in many countries around the world. This plant is significant in human and animal nutrition. One of the major challenges in lentil production is the presence of weeds, which can negatively affect its growth and performance. Weeds compete for water, light, and nutrients, leading to a significant reduction in lentil yield. Research has shown that increased weed density results in decreased biomass and establishment ability of plants during the growing season. Understanding the spatial dynamics of weeds and their distribution in fields can help farmers adopt more effective strategies for weed control and increase lentil yield. This study aimed to investigate the impacts of weeds on the yield and yield components of lentil throughout the growing season, as well as to analyze their spatial relationships.
Materials and Methods: This research was conducted during the 2017 growth season in a lentil field located at the Faculty of Agriculture and Natural Resources, Razi University, Kermanshah. In this study, weed infestation was classified into six categories: less than 10%, 10% to 20%, 20% to 30%, 30% to 40%, 40% to 50%, and more than 50%. Sampling was conducted at five different phonological stages from the six-leaf stage until just before harvest. The examined traits included weed density and dry biomass, as well as dry biomass of lentils throughout the growing season, along with seed number, seed weight, pod number, pod weight, and thousand-seed weight. To identify the most sensitive growth stages of lentils to weed presence, stepwise regression analysis was employed. Additionally, the distribution of weeds and lentils as well as their spatial correlation were analyzed using ArcMap software.
Results: The findings revealed that the most significant effects of weeds were noted during the initial sampling period (25 days after emergence, coinciding with plant establishment) and the fourth sampling period (60 days after germination, coinciding with pod formation and seed filling). Specifically, for each gram per square meter of dry weed biomass recorded in the first sampling stage, there was a corresponding decrease of 0.5 g in seed weight and 1.61 g in the dry biomass of lentils per square meter. In the fourth sampling stage, this relationship changed slightly, with a reduction of 0.1 g in seed weight and 0.42 g in lentil dry biomass for every gram per square meter of dry weed biomass. Additionally, the strongest spatial correlations between lentil characteristics and dry weed biomass were observed during both the first and fourth sampling stages. In the first sampling stage, the spatial correlations for weed dry biomass with pod number, pod weight, seed number, seed weight, and lentil dry biomass were -74.6%, -73.3%, -72.4%, -73.5%, and -74.5%, respectively. In the fourth sampling stage, these correlations were -75.3%, -78.0%, -71.9%, -73.3%, and -71.0%. This indicates high competition and adverse effects of weeds on lentil traits during these two growth stages.
Conclusion: The findings from this study underscore the importance of effective weed management during critical growth stages of lentils. Identifying sensitive growth stages relative to weed presence and utilizing spatial mapping for implementing location-based management strategies can lead to increased crop yield. Thus, adopting timely and location-based management strategies for identifying high-density areas at risk for weed control is essential and can assist farmers in making better decisions regarding weed management.

کلیدواژه‌ها [English]

  • Lentils
  • mapping
  • site-specific management
  • spatial distribution
  • weed critical period

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.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار