آمار
| تعداد نشریات | 44 |
| تعداد شماره‌ها | 1,312 |
| تعداد مقالات | 16,113 |
| تعداد مشاهده مقاله | 52,719,843 |
| تعداد دریافت فایل اصل مقاله | 15,387,175 |
مدلینگ سبز و رشد نهالبذرهای لوبیا سبز، آفتابگردان و ذرت با استفاده از برخی مدلهای غیر خطی | ||
| دانش کشاورزی وتولید پایدار | ||
| مقاله 11، دوره 20، شماره 2، مرداد 1389، صفحه 129-140 اصل مقاله (232.69 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| بهنام بهتری* 1؛ ذبیح الله نعمتی2؛ حمید حسن پور3؛ جواد رضاپور فرد4 | ||
| 1دانشگاه آزاد واحد تبریز | ||
| 2دانشکده کشاورزی اهر، دانشگاه تبریز | ||
| 3دانشگاه گیلان | ||
| 4پردیس کشاورزی دانشگاه تهران | ||
| چکیده | ||
| احتمالاً سبز شدن نهالبذر یکی از مهمترین رویدادهای فنولوژیکی است که موفقیت گیاهان زراعی یک ساله را تحت تاثیر قرار میدهد. تحقیقات بسیاری در سالهای اخیر برای پیشبینی الگوی سبز نهالبذر گیاهان زراعی و علفهای هرز برای رسیدن به اهداف مختلف صورت گرفته است. استفاده از مدلهای رگرسیونی غیر خطی یکی از روشهایی است که به منظور بررسی الگوی سبز نهالبذر گونههای زراعی و علف هرز به صورت تابعی از زمان به کار رفته است. در این آزمایش برای برازش برخی مدلهای سبز نهالبذر از دادههای مزرعهای سه گونه زراعی شامل لوبیا سبز (Phaseolus vulgaris var. sunray)، آفتابگردان (Helianthus annuus L. var. alistar) و ذرت (Zea mays L. var. merit) استفاده شد. پیش بینی سبز نهالبذرها با استفاده از مدل فرانس و تورنلی و رشد با استفاده از مدلهای لجستیک، گومپرتز و مونومولکولار انجام گردید. میزان شاخصهای سبز گیاهچه (SOE, MED, ERI, T0.5) نشان داد که سبز گیاهچههای گیاه ذرت در مقایسه با دو گیاه دیگر یعنی لوبیا سبز و آفتابگردان بالاتر بود. مقادیر T0.5پیشبینی شده با مدلهای لجستیک، با زمان لازم برای رسیدن به 50% سبز شدن که به طور مستقیم از درونیابی دادههای سبز ردیفها به دست آمد، مطابقت داشت. در حالی که از لحاظ آماری، برازش رشد طولی گیاهان با دو مدل لجستیک و مونومولکولار اختلاف معنیداری داشت، در مدل رشد گومپرتز مقدار آن معنیدار نبود. در بین سه مدل، مدلهای گومپرتز و لجستیک نتایج کاملاً رضایت بخشی را نشان دادند. به طوری که مقادیر پیشبینی شده از مدل و مقادیر مشاهده شده از آزمایش به طور کامل بر هم دیگر منطبق بودند (EF تقریباً 9/0 در بیشتر موارد و RMSE<8). مدل مونومولکولار با RMSE>12 مدل مناسبی برای برازش سبز نهالبذرهای گونههای زراعی نبود. با توجه به نتایج به دست آمده مدلهای تجربی قرینهدار با یک انحنا که رشد نهالبذرها و گیاهان زراعی را توجیه مینمایند، قابل پیشنهاد است. | ||
| کلیدواژه‌ها | ||
| برازش مدل؛ رگرسیون غیر خطی؛ مدلینگ سبز شدن | ||
| مراجع | ||
|
بهتری ب، 1388. اثر پرایمینگ رطوبتی و اسمزی بذر روی صفات جوانهزنی، سبز شدن گیاهچه، کیفیت و کمیت علوفه تولیدی درفستوک پا بلندو علف گندمی. پایان نامه کارشناسی ارشد مرتعداری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس. سرمد نیا غ ح و کوچکی ع، 1370. فیزیولوژی گیاهان زراعی (ترجمه). انتشارات جهاد دانشگاهی مشهد. یوسفی داز م، سلطانی ا، قادریفرشید ا و زینلی ا، 1384. ارزیابی مدلهای رگرسیون غیرخطی برای توصیف سرعت سبزشدن نخود نسبت به دما. صفحههای 121 تا 124. اولین همایش ملی حبوبات. مشهد. Bahler C, Hil RR and Byers AR, 1989. Comparison of logistic and Weibull functions: the effect of temperature on cumulative germination of alfalfa. Crop Sci 29: 142–146.
Behtari B, and Abadian H, 2009. Quality and quantity response of soybean (Glycine max L.) seeds to water deficit. P. 195. Conference on International Research on Food Security, Natural Resource Management and Rural Development. University of Hamburg, October 6-8.
Bilbro JD and Wanjura DF, 1982. Soil crust and cotton emergence relationship. Trans ASAE 25: 1485–1488.
Bouaziz A and Bruckler L, 1989. Modeling wheat seedling growth and emergence: seedling growth affected by soil water potential. Soil Sci Soc Am J 53: 1832–1838.
Bush JK and Van Auken OW, 1991. Growth and survival of Prosopis glandulosa seedlings associated with shade and herbaceous competition. Botanisscal Gazette151: 234–239.
Ekeleme F, Forcella F, Archer DW, Akobunda IO and Chikoye D, 2005. Seedling emergence model for tropic ageratum (Ageratum conyzoides). Weed Sci 53: 55–61.
Forcella F, Benech-Arnold RL, Sanchez R and Ghersa CM, 2000. Modelling seedling emergence. Field Crops Res 67: 123–139.
France J and Thornley JHM, 1984. Mathematical models in agriculture and related sciences. Butterworths, London.
Grundy AC, Phelps K, Reader RJ and Burston S, 2000. Modelling the germination of Stellaria media using the concept of hydrothermal time. N Phytol 148: 433–444.
Grundy AC, Peters NCB, Rasmussen IA, Hartmann KM, Sattin M, Andersson L, Mead A, Murdoch AJ and Forcella F, 2003. Emergence of Chenopodium album and Stellaria media of different origins under different climatic conditions. Weed Res 43: 163–176.
Haj Seyed Hadi MR and Gonzalez-Andujar JL,2009. Comparison of fitting weed seedling emergence models with nonlinear regression and genetic algorithm. Computers and Electronics in Agri 65:19–25.
Leblanc ML, Cloutier DC, Stewart KA and Hamel C, 2004. Calibration and validation of a common lambsquarter (Chenopodium album) seedling emergence model. Weed Sci 52: 61–66.
Leguizamon ES, Fernandez-Quintanilla C, Barroso J and Gonzalez-Andujar JL, 2005. Using thermal and hydrothermal time to model seedling emergence of Avena sterilis spp. Ludoviciana in Spain. Weed Res 45: 149–156.
Mohanty M and Painuli DK, 2004. Modeling rice seedling emergence and growth under tillage and residue management in a rice–wheat system on a Vertisol in Central India. Soil and Tillage Res 76: 167–174.
Myers MW, Curran WS, VanGessel MJ, Galvin DD, Mortensen DA, Majek BA, Karsten HD and Roth GW, 2004. Predicting weed emergence for eight annual species in the northeastern United States. Weed Sci 52: 913–919.
Nash JC and Walker-Smith M, 1987. Nonlinear parameter estimation. M. Dekker, Inc., New York.
Roman ES, MurphySD and Swanton CJ, 2000. Simulation of Chenopodium album seedling emergence. Weed Sci 48: 217–224.
Ross MA, Harper JL, 1972. Occupation of biological space during seeding establishment. Journal of Ecology 60: 77–88.
Scott SJ, Jones RA and Williams WA, 1984. Review of data analysis methods for seed germination. Crop Sci 24: 1192–1199.
Schimpf DJ, FlintSD and Palmblad IG, 1977. Representation of germination curves with the logistic function. Ann Bot 41: 1357–1360.
Smith J, Smith P and Addiscott T, 1996. Quantitative methods to evaluate and compare soil organic matter models. Pp. 181–199. In: Powlson DS, Smith P and Smith J (eds). Evaluation of soil organic matter models. Springer-Verlag, Berlin.
Soltani A, Zeinali E, Galeshi S and Latifi N, 2001. Genetic variation for and interrelationships among seed vigor traits in wheat from the Caspian Sea coast of Iran. Seed Sci Technol 29: 653–662.
Tessier S, 1988. Zero till furrow opener geometry effect on wheat emergence and seed zone properties. PhD Dissertation. WashingtonStateUniversity, Pullman.
Thomas WE, Burkw IC, Spears JF and Wilcut JW, 2006. Influence of environmental factors on slender amaranth (Amaranthus viridis) germination. Weed Sci 54: 316–320.
Watts JC, 2001. The effect of seed priming on the germination, emergence,and developrnent of five different grass species. MSc thesis, Department of Plant Science, University of Manitoba, Canada. pp.111. | ||
|
آمار تعداد مشاهده مقاله: 2,353 تعداد دریافت فایل اصل مقاله: 1,077 |
||