مدل‌سازی هیدروتایم جوانه‌‏زنی بذر علف‌های هرز فالاریس (Phalaris minor)، تاج‌خروس ریشه‌‏قرمز (Amaranthus retroflexus) و تاج‌خروس خوابیده (A. blitoides)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری زراعت دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

2 دانشجوی دکتری زراعت دانشکده علوم کشاورزی دانشگاه تربیت مدرس

3 استادیار گروه زراعت دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده

مدل ‌سازی جوانه‏ زنی با استفاده از مدل‏ های هیدروتایم و هیدروترمال تایم به ‏طور گسترده‌ ای انجام می‌ شود. تنوع در زمان جوانه زنی ناشی از تنوع پتانسیل آب پایه بذرهای یک جمعیت است که به طور معمول توسط توزیع نرمال مدل سازی می شود. در این آزمایش، فرض نرمال بودن توزیع پتانسیل آب پایه با جوانه زنی بذر علف های هرز فالاریس (Phalaris minor)، تاج خروس ریشه قرمز (Amaranthus retroflexus) و تاج خروس خوابیده (A. blitoides) در محدوده ای از پتانسیل های آب (صفر، 2/0-، 4/0-، 6/0- و 8/0- مگاپاسکال) مورد آزمون قرار گرفت. سه توزیع آماری نرمال، ویبول و گامبل برای نشان دادن تنوع نسبی پتانسیل آب پایه جمعیت های بذری مورد مقایسه قرار گرفت. نتایج نشان داد که پارامت های برآورد شده با مدل هیدروتایم توسعه یافته بر مبنای توزیع ویبول از اطمینان بیشتری نسبت به سایر توزیع ها برخوردار بود (2/322- = AICc برای فالاریس، 8/262- =AICc برای تاج خروس ریشه قرمز و 9/507- =AICc برای تاج خروس خوابیده). مقدار پارامتر شکل نشان داد که توزیع پتانسیل آب پایه هر سه جمعیت بذری چوله به راست است (93/0=λ برای فالاریس، 75/1=λ برای تاج خروس ریشه قرمز و 21/2=λ برای تاج خروس خوابیده). بر مبنای مدل هیدروتایم ویبول، ثابت هیدروتایم و آستانه پتانسیل آب برای شروع جوانه زنی بذر فالاریس به ترتیب 64/106 مگاپاسکال ساعت و 52/1- مگاپاسکال، برای تاج خروس ریشه قرمز به ترتیب 47/20 مگاپاسکال ساعت و 86/0- مگاپاسکال و برای تاج خروس خوابیده به ترتیب 61/76 مگاپاسکال ساعت و 07/1- مگاپاسکال برآورد شد. با توجه به انعطاف‏پذیری توزیع ویبول، این مدل امکان پیش بینی دقیق جوانه زنی و نیز تعیین توزیع پتانسیل آب پایه را فراهم می‏آورد.

کلیدواژه‌ها

عنوان مقاله [English]

Hydrotime modeling of Phalaris minor, Amaranthus retroflexus and A. blitoides seed germination

نویسندگان [English]

  • Abolfazl Derakhshan 1
  • Hamed Akbari 2
  • Javid Gherekhloo 3
1 Ph.D. student in Agronomy, Khouzestan Ramin Agriculture and Natural Resources University
2 Ph.D. student in Agronomy, Faculty of Agricultural Sciences, Tarbiat Modares University
3 Assistant Professor, Gorgan University of Agricultural Sciences and Natural Resources
چکیده [English]

Seed germination has been modeled extensively using hydrotime and hydrothermal time models. Variation in time to germination arises from variation in base water potential within a seed population that typically is modeled by a normal distribution. Here, the assumption of normality in the distribution of base water potential was examined by germinating seed of Phalaris minor, Amaranthus retroflexus and A. blitoides across a range of constant water potential (0, -0.2, -0.4, -0.6 and -0.8 MPa). Three statistical distributions of Normal, Weibull and Gumbel were compared to illustrate the relative variation of base water potential. The results showed that the estimated parameters of the hydrotime model developed on the basis of Weibull distribution had more certainty than other distributions (AICc=-322.2 for P. minor, AICc=-262.8 for A. retroflexus and AICc=-507.9 for A. blitoides). Values of shape parameter suggest that the base water potential is right skewed for three species (λ=0.93 for P. minor, λ=1.75 for A. retroflexus and λ=2.21 for A. blitoides). Based on the Weibull hydrotime model, values of the hydrotime constant and water potential threshold for onset of P. minor seed germination were estimated to be 106.64 MPa h and -1.52 MPa, respectively, for A. retroflexus 20.47 MPa h and -0.86 MPa, respectively and for A. blitoides as 76.61 MPa h and -1.07 MPa, respectively. Due to the flexibility of the Weibull distribution, this model provides a useful method for predicting germination and determining the distribution of base water potential.

کلیدواژه‌ها [English]

  • Base water potential
  • Gumbel distribution
  • hydrothermal time model
  • Normal distribution
  • Weibull distribution

مراجع

Alvarado, V. and Bradford, K. J. 2002. A hydrothermal time model explains the cardinal temperatures for seed germination. Plant, Cell and Environment, 25:1061–1069
Bewley, J. D., Bradford, K. J., Hilhorst, H. W. M. and Monogaki, H. 2013. Seeds: Physiology of Development, Germination and Dormancy. Third Edition, Springer, NY.
Bloomberg, M., Sedcole, J. R., Mason, E. G. and Buchan, G. 2009. Hydrothermal time germination models for radiata pine (Pinus radiata D. Don). Seed Science Research, 19:171–182.
Bradford, K. J. 1990. A water relations analysis of seed germination rates. Plant Physiology, 94: 840–849.
Bradford, K. J. 2002. Applications of hydrothermal time to quantifying and modeling seed germination and dormancy. Weed Science, 50: 248–260.
Burnham, K. P. and Anderson, D. R. 2002. Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach. Springer, New York, USA.
Derakhshan, A., Gherekhloo, J. and Paravar, E. 2013. Estimation of cardinal temperatures and thermal time requirement for Cyperus difformis seed germination. Iranian Journal of Weed Science,9: 27-38. (In Persian)
Finch-Savage, W. E. and Leubner-Metzger, G. 2006. Seed dormancy and the control of germination. New Phytologist, 171: 501–523.
Finch-Savage, W. E., Steckel, J. R. A. and Phelps, K. 1998. Germination and post-germination growth to carrot seedling emergence: predictive threshold models and sources of variation between sowing occasions. New Phytologist, 139:505–516.
Ghaderi-Far, F., Soltani, A. and Sadeghipour, H. R. 2009. Evaluation of nonlinear regeression models in quantifying germination rate of medicinal pumpkin (Cucurbita pepo L. subsp. Pepo. Convar. Pepo var. styriaca Greb), borago (Borago officinalis L.) and black cumin (Nigella sativa L.) to temperature. Journal of Plant Production,16:1-19. (In Persian)
Gummerson, R. J. 1986. The effect of constant temperatures and osmotic potentials on the germination of sugar beet. Journal of Experimental Botany, 37: 729–741.
Kebreab, E. and Murdoch, A. J. 1999. Modelling the effects of water stress and temperature on germination rate of Orobanche aegyptiaca seeds. Journal of Experimental Botany, 50:655–664.
Mesgaran, M. B., Mashhadi, H. R., Alizadeh, H., Hunt, J., Young, K. R. and Cousens, R. D. 2013. Importance of distribution function selection for hydrothermal time models of seed germination. Weed Research, 53: 89-101.
Michel, B. E. 1983. Evaluation of the water potentials of solutions of polyethylene glycol 8000 both in the absence and presence of other solutes. Plant Physiology, 72: 66–70.
SAS. 2009. SAS/STAT 9.2 User’s Guide. SAS Institute, Cary, NC, USA.
Soltani, E., Soltani, A., Galeshi, S., Ghaderi-Far, F. and Zeinali, E. 2013. Seed germination modeling of wild mustard (Sinapis arvensis L.) as affected by temperature and water potential: hydrothermal time model. Journal of Plant Production,20:19-33. (In Persian)
Watt,M. S., Bloomberg, M. and Finch-savage, W. E. 2011. Development of a hydrothermal time model that accurately characterises how thermoinhibition regulates seed germination. Plant, Cell and Environment, 34: 870–876.
Watt,M. S., Xu, V. and Bloomberg, M. 2010. Development of a hydrothermal time seed germination model which uses the Weibull distribution to describe base water potential. Ecological Modelling, 221:1267–1272.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار