قاعده دمای پایین در دریای مدیترانه در کشت زیتون

مناطق کشت زیتون زیتون پرورده نازگل در ترکیه به عنوان یک قاعده دمای پایینی را در ماه ژانویه تجربه می کنند، زمانی که دما بین 4.4 تا 10 درجه سانتی گراد متغیر است.

با این حال، درختان زیتون نیازهای سرمای خود را بین 7- تا 7 درجه سانتی گراد برآورده می کنند .

بنابراین در مناطق کشت زیتون دریای اژه جنوبی و مدیترانه با مشکلی مواجه نمی شویم .

دمای بین 5 تا 10 درجه سانتیگراد برای این درختان در ماه فوریه و مارس مورد نیاز است.

این محدوده ها در تمام نقاط ساحلی که کشت زیتون اهمیت دارد رایج است.

در فصل بهار، زیتون پرورده شمالی میانگین دما در دریای مدیترانه بالاتر اما در منطقه مرمره کمتر است.

به این ترتیب، فعالیت های رویشی مانند تشکیل شاخه های جدید و گلدهی زودتر در مناطق مدیترانه ای شروع می شود که منجر به رشد میوه می شود.

در مناطقی که دما در تابستان بیش از 30 درجه سانتیگراد است، فعالیت فتوسنتز کاهش می یابد و بر شکل گیری میوه تأثیر منفی می گذارد. دمای اصلی مورد نیاز برای عملکرد زیتون در این دوره بین 20 تا 25 درجه سانتیگراد است.

بنابراین، مناطق زیتون پرورده پوپک شمال دریای اژه و مرمره جنوبی در مقایسه با مناطق مدیترانه ای در ترکیه، شرایط مساعدی را برای توسعه میوه نشان می دهند [14].

خشکسالی در منطقه و دمای بالا در طول دوره رویشی نیز بر تولید میوه زیتون تأثیر منفی می گذارد و افزایش دما نیز باعث افزایش فعالیت فتوسنتزی می شود.

معمولاً آنزیم های دخیل در فتوسنتز از 30 درجه سانتیگراد به بعد شروع به دناتوره شدن می کنند و سرعت فتوسنتز کاهش می یابد.

در دمای بالای 35 درجه سانتیگراد، روزنه ها شروع به بسته شدن می کنند، که تبادل گازها را برای فتوسنتز محدود می کند و در نتیجه بر رشد تأثیر منفی می گذارد [22،23].

در دمای 40 تا 45 درجه سانتی گراد، زیتون پرورده رامسر فتوسنتز به طور کامل متوقف می شود [24].

با توجه به این موضوع، کشت زیتون متعاقباً در منطقه جنوب شرقی آناتولی مشکل ساز است و تولید اقتصادی آن تنها در شرایط حاشیه ای انجام می شود [14].

  • منابع:
  1. An Overview of Olive Cultivation in Turkey: Botanical Features, Eco-Physiology and Phytochemical Aspects
  • تبلیغات: 
    1. رویکردی برای شناسایی و محلی‌سازی انواع بخیه‌های نخ و پارچه
    2. تغییرات چرخشی در پارچه برای استخراج الگوریتم
    3. پارچه به عنوان یک شبکه پایه برای معماری
    4. خوشه‌بندی در پارچه و مدل یادگیری عمیق آن