مدلینگ سبز و رشد نهالبذرهای لوبیا سبز، آفتابگردان و ذرت با استفاده از برخی مدل های غیر خطی

احتمالاً سبز شدن نهالبذر یکی از مهم ترین رویدادهای فنولوژیکی است که موفقیت گیاهان زراعی یک ساله را تحت تاثیر قرار می دهد. تحقیقات بسیاری در سال های اخیر برای پیش بینی الگوی سبز نهالبذر گیاهان زراعی و علف های هرز برای رسیدن به اهداف مختلف صورت گرفته است. استفاده از مدل های رگرسیونی غیر خطی یکی از روش هایی است که به منظور بررسی الگوی سبز نهالبذر گونه های زراعی و علف هرز به صورت تابعی از زمان به کار رفته است. در این آزمایش برای برازش برخی مدل های سبز نهالبذر از داده های مزرعه ای 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 مدل های لجستیک، گومپرتز و مونومولکولار انجام گردید. میزان شاخص های سبز گیاهچه (soe, med, eri, t0.5 ) نشان داد که سبز گیاهچه های گیاه ذرت در مقایسه با دو گیاه دیگر یعنی لوبیا سبز و آفتابگردان بالاتر بود. مقادیر t0.5 پیش بینی شده با مدل های لجستیک، با زمان لازم برای رسیدن به 50% سبز شدن که به طور مستقیم از درون یابی داده های سبز ردیف ها به دست آمد، مطابقت داشت. در حالی که از لحاظ آماری، برازش رشد طولی گیاهان با دو مدل لجستیک و مونومولکولار اختلاف معنی داری داشت، در مدل رشد گومپرتز مقدار آن معنی دار نبود. در بین سه مدل، مدل های گومپرتز و لجستیک نتایج کاملاً رضایت بخشی را نشان دادند. به طوری که مقادیر پیش بینی 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 گونه های زراعی نبود. با توجه به نتایج به دست آمده مدل های تجربی قرینه دار با یک انحنا که رشد نهالبذرها و گیاهان زراعی را توجیه می نمایند، قابل پیشنهاد است.