تاریخ دریافت: 13 اسفند 1395،
تاریخ بازنگری: 10 مهر 1396،
تاریخ پذیرش: 24 آبان 1396
چکیده
مدل‌های مبتنی بر مفهوم زمان‌گرمایی ابزار مفیدی برای پیش‌بینی جوانه‌زنی بذر در رابطه با زمان و دما هستند. در این آزمایش که در سال 1395 در دانشگاه کشاورزی و منابع طبیعی رامین انجام شد، مدل جوانه‌زنی-گرمایی بر مبنای هفت تابع توزیع احتمال (لجستیک، ویبول، گامبل، لوگ‌لجستیک، نرمال‌معکوس، لوگ‌نرمال و گاما) توسعه یافت و دوره‌های زمانی جوانه‌زنی پیش‌بینی‌شده توسط این مدل‌ها برای دو رقم کلزای بهاره (RGS003 و ساری‌گل) با خروجی‌های مدل جوانه‌زنی-گرمایی نرمال مقایسه شد. آزمون جوانه‌زنی برای هر رقم در 11 دمای ثابت 8، 12، 16، 20، 24، 28، 32، 33، 34، 35 و 36 درجه سانتی‌گراد انجام شد. نتایج نشان داد که مدل زمان‌گرمایی لوگ‌نرمال برازش بهتری به دوره‌های زمانی جوانه‌زنی هر دو رقم RGS003 (AICc= -1173) و ساری‌گل (AICc= -1180) داشت. بر اساس خروجی‌های این مدل، دمای پایه برای جوانه‌زنی ارقام RGS003 و ساری‌گل بترتیب 85/5 و 60/5 درجه سانتی‌گراد برآورد شد. زمان‌گرمایی زیر حد بهینه برای شروع جوانه‌زنی ارقام RGS003 و ساری‌گل به ترتیب 40/118 و 00/120 درجه سانتی‌گراد ساعت و زمان‌گرمایی مورد نیاز برای تکمیل جوانه‌زنی این ارقام در دماهای بیشتر از حد بهینه بترتیب 07/29 و 47/31 درجه سانتی‌گراد ساعت پیش‌بینی شد. هر دو رقم کلزا در دمای فراتر از 17/33 درجه سانتی‌گراد بازدارندگی گرمایی جوانه‌زنی نشان دادند. ضرایب برآورد شده در این آزمایش می‌توانند در مدل‌های شبیه‌سازی جوانه‌زنی سایر ارقام کلزا نیز استفاده شوند.
Comparison of probability distribution functions in thermal-time models for modeling of spring oilseed rape germination to temperature
نویسندگان [English]
seyed ata siadat1؛ Mohammad reza Moradi telavat1؛ Bahram Andarzian2؛
1Rmain Agriculture and Natural Resource University
چکیده [English]
The models based on thermal-time concept are useful tools for predicting germination in relation to time and temperature. In this study, conducted in 2016 at Ramin Agriculture and Natural Resources University, thermal-germination model was developed based on seven probability distribution function (Logistic, Weibull, Gumbel, Loglogistic, Inverse-Normal, Log-Normal and Gamma) and predicted germination time courses by these models for two spring oilseed rape cultivars (RGS003, Sarigol) were compared with the Normal thermal-germination outputs. Germination test were conducted at eleven constant temperature regimes of 8, 12, 16, 20, 24, 28, 32, 33, 34, 35 and 36 ºC. Results indicated that the Log-Normal thermal-germination model gave best fit to germination time courses of both cvs. RGS003 (AICc=-1173) and Sarigol (AICc=-1180). Based on the outputs of this model, base temperature for germination of cvs. RGS003 and Sarigol were estimated to be 5.85 and 5.60 ºC, respectively. The suboptimal thermal-time to initiate germination were predicted as 118.40 ºC h in cv. RGS003 and 120.00 ºC h in cv. Sarigol, While thermal-time required to complete germination at supra-optimal temperatures were estimated to be 29.07 ºC h in cv. RGS003 and 31.47 ºC h in cv. Sarigol. Also, both oilseed rape cultivars showed thermoinhibition beyond averaged temperature of 33.17 ºC. Estimated parameters in this study can be used in crop simulation models.
کلیدواژه‌ها [English]
Thermoinhibition, Log-normal distribution, Cardinal temperatures, Thermal-germination model
مراجع
Alvarado, V. & Bradford, K. J. (2002). A hydrothermal time model explains the cardinal temperatures for seed germination. Plant, Cell & Environment, 25(8), 1061-1069.
Andreucci, M. P., Moot, D. J., Black, A. D. & Sedcole, R. (2016). A comparison of cardinal temperatures estimated by linear and nonlinear models for germination and bulb growth of forage brassicas. European Journal of Agronomy. 81(1), 52-63.
Bradford, K. J. (2002). Applications of hydrothermal time to quantifying and modeling seed germination and dormancy. Weed Science, 50(2), 248-260.
Burnham, K. P. & Anderson, D. R. (2002). Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach. Springer.
Chantre, G. R., Batlla, D., Sabbatini, M. R. & Orioli, G. (2009). Germination parameterization and development of an after-ripening thermal-time model for primary dormancy release of Lithospermum arvense seeds. Annals of Botany, 103(8), 1291-1301.
Covell, S., Ellis, R. H., Roberts, E. H. & Summerfield, R. J. (1986).The influence of temperature on seed germination rate in grain legumes. I. A comparison of chickpea, lentil, soybean, and cowpea at constant temperatures. Journal of Experimental Botany, 37(5), 705-715.
Derakhshan, A., Moradi-Telavat, M.R., Siadat, S.A. (2016). Hydrotime analysis of Melilotus officinalis, Sinapis arvensis and Hordeum vulgare seed germination. Iranian Journal of Plant Protection, 30(3), 518-532. (In Farsi)
Ellis, R. H., Covell, S., Roberts, E. H. & Summerfield, R. J. (1986). The influence of temperature on seed germination rate in grain legumes. II. Intraspecific variation in chickpea (Cicer arietinum L.) at constant temperatures. Journal of Experimental Botany, 37(10), 1503-1515.
Evans, M., Hastimgs, N. & Peacock, B. (2000). Statistical distributions (3th ed.). John Wiley & Sons, Inc, New York.
10. Hardegree, S. P. (2006). Predicting germination response to temperature. III. Model validation under field-variable temperature conditions. Annals of Botany, 98(4), 827-834.
11. Hardegree, S. P. & Van Vactor, S. S. (2000).Germination and emergence of primed grass seeds under field and simulated-field temperature regimes. Annals of Botany, 85(3), 379-390.
12. Huo, H. & Bradford, K. J. (2015). Molecular and hormonal regulation of thermoinhibition of seed germination. In J. V. Anderson (Ed), Advances in Plant Dormancy. (pp. 3-33). Springer International Publishing Switzerland.
13. Mesgaran, M. B., Mashhadi, H. R., Alizadeh, H., Hunt, J., Young, K. R. & Cousens, R. D. (2013). Importance of distribution function selection for hydrothermal time models of seed germination. Weed Research, 53(2), 89-101.
14. Mesgaran, M. B., Rahimian Mashhadi, H. R., Alizadeh, H., Ohadi, S. & Zare, A. (2014). Modeling the germination responses of wild barley (Hordeum spontaneum) and littleseed cannary grass (Phalaris minor) to temperature. Iranian Journal of Weed Science, 9(2), 105-118. (In Farsi)
15. Soltani, E., Oveisi, M., Soltani, A., Galeshi, S., Ghaderifar, F. & Zeinali, E. (2014). Seed germination modeling of volunteer canola as affected by temperature and water potential: hydrothermal time model. Iranian Journal of Weed Research, 6(1), 23-38. (In Farsi)
16. Soltani, A., Robertson, M. J., Torabi, B., Yousefi-Daz, M. & Sarparast, R. (2006). Modelling seedling emergence in chickpea as influenced by temperature and sowing depth. Agricultural and Forest Meteorology, 138(1-4), 156-167.
17. Watt, M. S., Bloomberg, M., & Finch-Savage, W. E. (2011). Development of a hydrothermal time model that accurately characterises how thermoinhibition regulates seed germination. Plant, Cell & Environment, 34(5), 870–876.
18. Watt, M. S., Xu, V. & Bloomberg, M. (2010). Development of a hydrothermal time seed germination model which uses the Weibull distribution to describe base water potential. Ecological Modelling, 221(9), 1267–1272.
ابتدای صفحه