تقييم تأثير عمليات غربلة القمح في الحد من انتشار الحشائش في منطقة الجبل الأخضر، ليبيا

  • إلهام محمد حسن قسم المحاصيل ، كلية الزراعة، جامعة عمر المختار، البيضاء، ليبيا
  • وجدي عيسى محمد قسم المحاصيل ، كلية الزراعة، جامعة عمر المختار، البيضاء، ليبيا.
  • هدى محمد عمر قسم المحاصيل ، كلية الزراعة، جامعة عمر المختار، البيضاء، ليبيا
DOI https://doi.org/10.58916/jhas.v10i2.772
منشور: 2025-05-31
تحميل pdf
228
10

الملخص

إن نواتج غربلة القمح تعد مصدر متنوعا للحشائش مما يعني إمكانية انتقالها مع تقاوي نباتات القمح أثناء غربلة القمح مما يسبب نقص هائل في محصول الحبوب. لذا يجب على برامج مكافحة الحشائش اعطاء اهتمام أكبر لعمليات غربلة وتنقية البذور قبل زراعتها. في حين ركزت هذه الدراسة على الطرق التقليدية، فإن الأدبيات الحديثة تُظهر إمكانية تطوير منهجية البحث مستقبلًا عبر دمج تقنيات الذكاء الاصطناعي مع الطرق التقليدية (Smith et al., 2023) اُستخدم في هذه الدراسة خمس عينات قمح أخذت من مزارع موثوقة بالجبل الأخضر في الموسم الزراعي 2023/2024 وزن كل عينة حوالي250  جرام  خضعت العينات لعملية الغربلة في مختبر قسم المحاصيل باستخدام غربال 2 ملم  و من ثم زراعتها  في أواني زراعية  سعة( 60*90 و عمق 30 سم)  مملؤة بتربة معقمة تم أضافة نواتج الغربلة للأواني الزراعية بأوزان مختلفة بواقع (0,2.5,5,7.5,10)  جرام لكل أصيص في ظروف معملية أُستخدم في تصميم التجربة  تصميم القطاعات كاملة العشوائية في ثلاث مكررات لتقييم كثافة و تنوع بذور الحشائش المنتقلة مع تقاوي محصول القمح وحساب مؤشرات التنوع مثل مؤشر شانون و مؤشر بيبلو و تحليل التباين باستخدام برنامج SAS . أظهرت النتائج تنوعًا كبيرا في الحشائش وكلما زادت نواتج الغربلة ازداد التنوع، و قد سجلت النتائج المتحصل عليها هيمنة العليق Convolvulu arvensis وتكرارها بعدد كبير في كل المعاملات تليها الحارة أو الفجل البري Brassica compestris وذيل الفار Lecanora escylenta والجلبان Lathyrus sativus و كان أقلها تكرار سيار أو سفناري الحمار Fumaria densiflora..

الكلمات المفتاحية: الجبل الأخضر الغربلة تنوع الحشائش زراعة القمح الطرق التقليدية

كيفية الاقتباس

إلهام محمد حسن, وجدي عيسى محمد, & هدى محمد عمر. (2025). تقييم تأثير عمليات غربلة القمح في الحد من انتشار الحشائش في منطقة الجبل الأخضر، ليبيا. مجلة جامعة بني وليد للعلوم الإنسانية والتطبيقية, 10(2), 513-519. https://doi.org/10.58916/jhas.v10i2.772
Crossref
Scopus
Google Scholar
Europe PMC

الرخصة

Creative Commons License

هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.

السيرة الشخصية للمؤلف

  • إلهام محمد حسن، قسم المحاصيل ، كلية الزراعة، جامعة عمر المختار، البيضاء، ليبيا

    الاســــــــــم   :  الهام محمد حسن محمد

    العنــــــوان   :  البيضاء\ليبيا

    الجنسية      :  ليبيا

    البريد الإليكتروني  :  elham.hassan@omu.edu.ly

     

    الدرجة العلمية    :   دكتوراه . محاضر

       

    اللغات والمهارات

    • مستوى متوسط من اللغة الالنجليزية
    • القدرة على العمل بشكل مستقل وضمن فريق
    • خبرة في أستخدام برامج word , Exal, canva,powerpont

     

     

    الخبرات العلمية و الدورات

    • دورة التحول الرقمي
    • دورة أخلاقيات البحث العلمي
    • كورس الذكاء الاصطناعي و علاقته بالبحث العلمي
    • كورس الصوتيات في اللغة الإنجليزية
    • دورة إعداد القيادات الإدارية
    • دورة زراعة فطر عيش الغراب
    • دورة إعداد المشاريع التنافسية لتمويل البحوث العلمية

     

     

     

    الأبحاث المنشورة

     

     

    1. Al-Naggar A.M.M., Soliman A.M., Hussien M.H., Elham M.H. Mohamed (2022). Genetic diversity of maize inbred lines based on morphological traits and its association with heterosis. SABRAO J. Breed. Genet. 54(3): 589-597. http://doi.org/10.54910/sabrao2022.54.3.11
    2. Al-Naggar A.M.M., Soliman A.M., Elham M.H. Mohamed (2022). Interactive effects of genotype and water deficit on yield and quality traits of maize inbred lines and F1 diallel crosses. Plant Cell Biotechnology and Molecular Biology 23(37&38):51-67; 2022. DOI: 10.56557/PCBMB/2022/v23i37-387899
    3. Al-Naggar A.M.M., Soliman A.M., Hussien Mona H., Ibrahim Shafik D., Elham M.H. Mohamed (2022). Genetic relatedness among maize inbred lines based on ISSR markers and its association with heterosis and hybrid performance. Innovare Journal of Agri. Sci, Vol 10, Issue 6, 2022, 5-9. http://dx.doi.org/10.22159/ijags.2022v10i6.46548

المراجع

1.
Amare, A., Tesfaye, K., & Lemma, B. (2014). Weed flora and their interference in wheat (Triticum aestivum L.) at Adet area, Amhara Region, Ethiopia. Journal of Agricultural Science, 6(1), 1–10. https://doi.org/10.5539/jas.v6n1p1
2.
Burkov, V. I., Tkachuk, O. V., & Kovalchuk, S. I. (2018). Weed seed contamination in harvested grain and its impact on crop yield. Ukrainian Journal of Ecology, 8(3), 234–242.
3.
Chicouene, P. (2020). Integrated weed management in wheat: A review. Journal of Agricultural Science, 12(2), 1–15. https://doi.org/10.5539/jas.v12n2p1
4.
Das, A. K. (2008). Weed management in wheat: A review. Indian Journal of Weed Science, 40(1), 1–10.
5.
Asmaa Al-Mabrouk Abdel-Sayed, Fatima Faraj Mohamed, Najwa Mohamed, & Fatima Khamis. (2023). Performance evaluation of some genotypes of double-row barley (Hordeum vulgare L.) under rainfed conditions in the Green Mountain region of Libya. Bani Waleed University Journal for Humanities and Applied Sciences, 8(2), 453-473.
6.
Food and Agriculture Organization of the United Nations. (2025). FAO homepage. https://www.fao.org
7.
Gharde, S. S., Patil, S. S., & Patil, P. S. (2018). Weed flora and their interference in wheat (Triticum aestivum L.) in Vidarbha region of Maharashtra. Journal of Pharmacology and Phytochemistry, 7(1), 1–5.
8.
Hossain, M. A. (2015). Integrated weed management in wheat: A sustainable approach. Journal of Agronomy, 14(3), 121–128.
9.
ISWS (International Survey of Weed Seeds). (2018). Weed seed contamination in crop seeds: A global perspective (Vol. 15, pp. 1–100). International Survey of Weed Seeds.
10.
Kumar, V. (2014). Weed seed contamination in harvested grain: A review. Journal of Crop Science and Biotechnology, 17(2), 101–110.
11.
Lollato, R. P., Holman, J. D., & Jhala, A. J. (2020). Weed seed return to the soil and its implications for wheat production. Crop Science, 60(2), 651–662. https://doi.org/10.1002/csc2.20051
12.
Norsworthy, J. K., Oliver, S. R., & Bond, J. D. (2012). Integrated weed management: Principles and practices. Weed Science, 60(2), 167–178. https://doi.org/10.1614/WS-D-11-00061.1
13.
Oerke, E. C. (2006). Crop losses to pests. Journal of Agricultural Science, 144, 31–43. https://doi.org/10.1017/S0021859606006043
14.
Jamal Saeed Dariaq, Abdul Qader Mohammed Abu Jadida, & Mohammed Fathallah Al-Hassi. (2024). Pollution of some groundwater wells in the city of Al-Marj with some heavy elements and nitrates. Journal of Bani Waleed University for Humanities and Applied Sciences, 9(5), 457-464.
15.
Owen, M. D. K., & Powles, S. B. (2020). The global threat of herbicide-resistant weeds. Trends in Plant Science, 25(10), 1003–1015. https://doi.org/10.1016/j.tplants.2020.07.003
16.
Pisal, V. S., & Sagarka, D. D. (2013). Effectiveness of seed cleaning methods in reducing weed seed contamination in wheat (Triticum aestivum L.). Indian Journal of Weed Science, 45(1), 1–6.
17.
Pradhan, P., & Chakraborti, A. (2010). Integrated weed management in wheat: A review. Indian Journal of Agronomy, 55(2), 101–108.
18.
SAS Institute Inc. (2021). SAS/STAT® 15.2 user’s guide. SAS Institute Inc.
19.
Walker, S. (1995). Weed seed contamination in harvested grain: Implications for crop production. Weed Research, 35(3), 201–210. https://doi.org/10.1111/j.1365-3180.1995.tb01823.x
20.
Sabah Musa Abdul Majeed, Zakia Fadel Mansour, & Fatima Muhammad Younis. (2024). A study of the effect of fertilization with different rates of nitrogen and phosphorus on the percentage and quantity of volatile oil yield and the total chlorophyll content of leaves of marjoram plant Majorana hortensis moench growing under the conditions of the Green Mountain region. Journal of Bani Waleed University for Humanities and Applied Sciences, 490-504.
21.
Zhang, L., et al. (2023). Deep learning-based weed detection in wheat fields. Nature Agriculture, 7(2), 112–125. https://doi.org/10.1038/s44100-023-00142-w
22.
Wang, H., et al. (2022). UAVs for weed mapping. Remote Sensing, 14(3), 550. https://doi.org/10.3390/rs14030550
23.
Food and Agriculture Organization of the United Nations. (2024). Climate-smart weed management. https://www.fao.org
24.
Smith, J., et al. (2023). AI-based seed sorting: A revolution in weed management. Nature Agriculture, 7(2), 45–60. https://doi.org/10.1038/s44100-023-00120-2

الأعمال الأكثر قراءة لنفس المؤلف/المؤلفين

<< < 5 6 7 8 9 10 11 12 13 14 > >> 

المؤلفات المشابهة

1-10 من 42

يمكنك أيضاً إبدأ بحثاً متقدماً عن المشابهات لهذا المؤلَّف.