| تعداد نشریات | 14 |
| تعداد شمارهها | 680 |
| تعداد مقالات | 7,068 |
| تعداد مشاهده مقاله | 10,685,369 |
| تعداد دریافت فایل اصل مقاله | 9,779,609 |
مدلسازی پاسخ گرده افشانی به دما و دوره نوری در ارقام مختلف کینوا | ||
| پژوهشهای تولید گیاهی | ||
| مقاله 7، دوره 33، شماره 1، فروردین 1405، صفحه 143-159 اصل مقاله (1001.43 K) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22069/jopp.2025.23000.3206 | ||
| نویسندگان | ||
| کمیل عسکری1؛ علی راحمی کاریزکی* 2؛ عباس بیایانی3؛ علی نخ زری مقدم4؛ بنیامین ترابی5 | ||
| 1دانشجوی دکتری فیزیولوژی گیاهان زراعی، دانشکده کشاورزی و منابع طبیعی دانشگاه گنبد کاووس، گنبد کاووس، ایران | ||
| 2نویسنده مسئول، دانشیار گروه تولیدات گیاهی و مسئول مکاتبه، دانشکده کشاورزی و منابع طبیعی دانشگاه گنبد کاووس، گنبد کاووس، ایران | ||
| 3استاد گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی دانشگاه گنبد کاووس، گنبد کاووس، ایران | ||
| 4دانشیار گروه تولیدات گیاهی، دانشکده کشاورزی و منابع طبیعی دانشگاه گنبد کاووس، گنبد کاووس، ایران | ||
| 5استاد گروه زراعت، دانشکده تولید گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
| چکیده | ||
| چکیده سابقه و هدف: کینوا یکی از محصولات غذایی با ارزش، سالم و مفید است که به تامین امنیت غذایی در سراسر جهان کمک میکند. پیشبینی دقیق فنولوژی برای درک پتانسیل رشد و عملکرد یک گونه گیاهی ضروری است. مهمترین مطالعه مورد نیاز برای این منظور، کمی کردن و تخمین دماهای کاردینال و پارامترهای مربوط به طول روز برای مرحله گردهافشانی در درک رشد و عملکرد گیاهان است. با توجه به این که، اطلاعات کمی در مورد فنولوژی کینوا نادر است، چنین اطلاعاتی برای واکنش گردهافشانی به دما و طول روز می تواند در درک رشد و عملکرد این گیاه مفید واقع شود. هدف تحقیق حاضر: (1) توسعه یک مدل چندگانه برای پیش بینی گردهافشانی کینوا و (2) تعیین دمای کاردینال و پارامترهای طول روز برای گردهافشانی می باشد. مواد و روش ها: آزمایش مزرعه ای با 12 تاریخ کاشت در طی سال های 1398 تا 1400 بر روی سه رقم کینوا (Q12، Titicaca وGiz1) در شهرستان گلوگاه انجام شد. به منظور ثبت زمان شروع گردهافشانی در هر تاریخ کاشت، در هر کرت فرعی 10 بوته به طور تصادفی انتخاب و علامتگذاری شدند. روز تا رسیدن به مرحله شروع گردهافشانی در زمانی که حداقل 50 درصد از بوتهها به مرحله گردهافشانی رسیدند ثبت شد. برای کمی کردن مرحله گردهافشانی در برابر دما و طول روز از یک مدل چندگانه شامل توابع ترکیبی دما و طول روز استفاده شد. تابع دمایی به صورت دوتکه ای و تابع طول روز به صورت نمایی استفاده شد. مدل با رویه Proc nlin در نرم افزار SAS اجرا شد. برای ارزیابی دقت مدل از معیارهای RMSD، R2، مقایسه ضرایب خط 1:1 با ضرایب a و b رگرسیون خطی بین مقادیر پیشبینی شده و مشاهده شده و نیز ضریب همبستگی بین آنها استفاده شد. یافته ها: نتایج نشان داد مقدار RMSD در ارقام مختلف بین 6/1 تا 9/6 روز متغیر بود که هرچه مقدار آن کمتر باشد نشاندهنده کارایی بالاتر مدل است. مقدار ضریب تبیین (R2) جهت توصیف رابطه سرعت گردهافشانی با دما و طول روز در سه رقم کینوا بالای 97/0 برآورد شد. ضریب R2 بالا نشاندهنده مناسب بودن مدل برای توصیف رابطه بین سرعت گردهافشانی با دما و طول روز است. مدل دمای پایه ارقام مختلف را بین 6/1 تا 2/4 درجه سانتیگراد برآورد کرد، اما از لحاظ آماری بین دمای پایه این سه رقم اختلاف معنیداری مشاهده نشد. دمای مطلوب برآورد شده بین ارقام مختلف 1/22 تا 9/27 درجه سانتیگراد برآورد شد. بررسی بیشتر با استفاده از خطای معیار برآورد دمای مطلوب نشان داد از لحاظ دمای پایه بین ارقام اختلاف معنیدار وجود دارد به طوری که رقم Q12 بالاترین مقدار دمای مطلوب را به خود اختصاص داد. ضریب حساسیت به طول روز در رقم Q12، Titicaca وGiz1 به ترتیب 025/0، 065/0 و 096/0 ساعت در روز برآورد شد. از لحاظ آماری بین ارقام مورد بررسی از لحاظ حساسیت به طول روز اختلاف معنیداری مشاهده شد. روز بیولوژیک (کمترین تعداد روز تا گردهافشانی در شرایط مطلوب دما و طول روز) برآورد شده از طریق مدل مورد استفاده برای ارقام Q12، Titicaca وGiz1 به ترتیب 7/31، 1/32 و 1/36 روز برآورد شد. نتیجه گیری: نتایج نشان داد که مدل دوتکه ای-نمایی با توجه به مقدار پایین RMSD (کمتر از 9/6 روز) و مقادیر بالای R2 (بالای 97/0) و r (بالای 95/0) در ارقام مختلف توانسته به خوبی رابطه بین گردهافشانی با دما و طول روز را توصیف کند. این مدل میتواند برای بهینهسازی تصمیمات مدیریتی، تنظیم پاسخهای فنولوژیکی در برابر شرایط محیطی متنوع و پیشبینی واکنشهای فنولوژیکی به تغییر دما و طول روز در آینده استفاده شود. کلمات کلیدی: تابع دمایی، روز بیولوژیک، دمای مطلوب، فنولوژی | ||
| کلیدواژهها | ||
| تابع دمایی؛ روز بیولوژیک؛ دمای مطلوب؛ فنولوژی | ||
| مراجع | ||
2.Abd El-Hakim, A. F., Mady, E., Abou Tahoun, A. M., Ghaly, M. S., & Eissa, M. A. (2022). Seed quality and protein classification of some quinoa varieties. Journal of Ecological Engineering, 23(1), 24-33. DOI: https://doi.org/10.12911/22998993/143866 3.Huang, J. Z., Shrestha, A., Tollenaar, M., Deen, W., Rajcan, I., Rahimian, H., & Swanton, C.J. (2001). Effects of temperature and photoperiod on the phenological development of wild mustard (Sinapis arvensis L.). Field Crops Research, 70, 75-86. DOI:10.1016/S0378-4290(00)00155-6. 4.Daba, K., Tar'an, B., Bueckert, R., & Warkentin, T. D., (2016). Effect of temperature and photoperiod on time to pollination in chickpea. Crop Science, 56(1), 200-208. https://doi.org/10.2135/cropsci2015.07.0445. 5.Soltani, A., Hammer, G.L., Torabi, B., Robertson, M.J., & Zeinali, E. (2006). Modeling chickpea growth and development: phenological development. Field Crops Research, 99, 1-13. DOI:10.1016/j.fcr.2006.02.004. 6.Torabi, B., Adibniya, M., & Rahimi, A. (2015). Seedling emergence response to temperature in safflower: measurements and modeling. Internationa Journal Plant Production, 9, 393-314. doi: 10.22069/ijpp.2015.2223. 7.Torabi, B., Adibnya, M., Rahimi, A., & Azari, A. (2020). Modeling pollination response to temperature and photoperiod in safflower. Industrial Crops and Products, 151, 112474. doi.org/10.1016/j.indcrop.2020.112474. 8.Torabi, B., Attarzadeh, M., & Soltani, A. (2013). Germination Response to Temperature in Different Safflower (Carthamus tinctorius) Cultivars. Seed Technology, 35, 47-59. 9.Torabi, B., Soltani, E., Archontoulis, S.V., & Rabii, A. (2016). Temperature and water potential effects on Carthamus tinctorius L. seed germination: measurements and modeling using hydrothermal and multiplicative approaches. Brazilian Journal of Botany, 39, 427-436. doi:10.1007/s40415-015-0243-x. 10.Hardegree, S.P. (2006a). Predicting germination response to temperature. I. Cardinal-temperature models and subpopulation-specific regression. Annals of Bottany. 97, 1115–1125. doi: 10.1093/aob/mcl071. 11.Hardegree, S.P., & Winstral, A.H. (2006). Predicting germination response to temperature. II. Three-dimensional regression, statistical gridding and iterative-probit optimization using measured and interpolated-subpopulation data. Annals of Bottany, 98, 403–410. doi:10.1093/aob/mcl112. 12.Hardegree, S.P. (2006b). Predicting germination response to temperature. III. Model validation under field-variable temperature conditions. Annals of Botany, 98, 827–834. doi: 10.1093/aob/mcl163. 13.Ellis, R.H., Hadley, P., Roberts, E.H., & Summerfield, R.J. (1990). Quantitative relations between temperature and crop development and growth, in: Jackson, M.T., Ford-Lloyd, B.V., Parry, M.L. (Eds.), Climatic change and plant genetic resources. London: Belhaven Press, 85-115. 14.Slafer, G.A., & Rawson, H.M. (1996). Responses to photoperiod change with phenophase and temperature during wheat development. Field Crops Research, 46, 1-13. doi:10.1016/0378-4290(95)00081-X. 15.Soltani, A., Torabi, B., Zeinali, E., & Sarparast, R. (2004). Response of chickpea to photoperiod as a qualitative long-day plant. Asian Journal Plant Science, 6, 705-708. doi:10.3923/ajps.2004.705.708. 16.Jensen, E., Robson, P., Norris, J., Cookson, A., Farrar, K., Donnison, I., & Clifton-Brown, J. (2013). Pollination induction in the bioenergy grass Miscanthus sacchariflorus is a quantitative short-day response, whilst delayed pollination under long days increases biomass accumulation. Journal of experimental Botany, 64, 541–552. doi:10.1093/jxb/ers346. 17.Mwale, S.S., Azam-Ali, S.N., Clark, J.A., Bradley, R.G., & Chatha, M.R. (1994). Effect of temperature on the germination of sunflower (Helianthus annuus L.). Seed Science Technology, 22, 565-571. doi: 10.1002/fsn3.1983. 18.Soltani, A., & Sinclair, T.R., 2012. Modeling Physiology of Crop Development, Growth and Yield. CABI International. 322 pp. 19.Archontoulis S.V., Miguez, F.E., & Moore, K.J. (2014). A methodology and an optimization tool to calibrate phenology of short-day species included in the APSIM PLANT model: application to soybean. Environmental Modeling & Software, doi:10.1016/j.envsoft.2014.04.009. 20.Yan, W. & Wallace, D. H. (1998). Simulation and prediction of plant phenology for five crops based on photoperiod×temperature interaction. Annals of Botany, 81: 705-716. doi:10.1006/anbo.1998.0625 21.Eghbali, Sh., Nassiri-Mahallati, M., Jahan, M., & Salehi, M. (2023). Quinoa Phenological Development Modeling Based on Field Data. Iranian Journal of Field Crops Research, 21(1), 47-60. https://doi.org/10.22067/jcesc.2022.74969.1145 22.Goadriaan, J. & Van Laar, H. H. (1994). Modeling potential crop growth processes. Klower Academic Public, Dordrecht, The Netherlands. 54(1), 127-129. 23.SAS Institute Inc. (1989). SAS user’ guide: Statics, Version 6, 4th editions, SAS Inst. Inc. Cary, N.C. 24.Bertero, H. D., King, R. W., & Hall, A. J. (1999). Modelling photoperiod and temperature responses of pollination in quinoa (Chenopodium quinoa Willd.) Field Crops Research, 63(1), 19-34. doi.org/10.1016/S0378-4290(99)00024-6. 25.Latif, T., Haider, Z., Ramzan, M., Akhter, M., Gull, S., Mahmood, A., Riaz, A., & Khan, R. (2019). Quantifying effects of photoperiod, temperature and humidity on pollination initiation in Basmati rice lines. American Journal of Plant Sciences, 10, 893-903. doi:10.4236/ajps.2019.106064. 26.Silim, S.N., & Omanga, P.A. (2001). The response of short-duration pigeonpea lines to variation in temperature under field condition in Kenya. Field Crops Research, 72, 97-108. doi:10.1016/S0378-4290(01)00167-8. 27.Ajam-Norouzi, H., & Soltani, A. (2008). Prediction of pollination occurrence in faba bean (Vicia faba L.). Journal of Agricultural Sciences and Natural Resources, 15, 65-77. doi:10.15835/nbha3915615. 28.Turpin, L.E., Robertson, M.J., Haire, C., Bellotti, W.D., Moore, A.D., & Rose, I. (2003). Simulating faba bean development, growth and yield in Australian. Australian Journal of Agricultural Research. 54, 39–52. doi:10.1071/AR02064. 29.Xue, Q. (2000). Phenology and gas exchange in winter wheat (Triticum aestivum L.) Ph.D. Dissertation, University of Nebraska-Lincoln, Lincoln. 30.Kamkar, B. (2005). Application of a system approach for evaluation of potential yield and yield gap of cumin and three millet genus (a case study in Northern, Razavi and Southern Khorasan provinces). Ph.D. thesis. Ferdowsi Univ Mashhad, 177p. 31.Folliard, A., Traore, P. C. S., Vaksmann, M. & Kouressy, M. (2004). Modeling of sorghum response to photoperiod: a threshold-hyperbolic approach. Field Crops Research, 89: 59-70. doi:10.1016/j.fcr.2004.01.006. | ||
|
آمار تعداد مشاهده مقاله: 234 تعداد دریافت فایل اصل مقاله: 45 |
||