>
Fa   |   Ar   |   En
   تجزیه و تحلیل رشد ارقام باقلا (vicia faba l.) با استفاده از مدل رگرسیون غیرخطی لجستیک با انجام سرزنی  
   
نویسنده علی پور قاسم آباد سفلی عارفه ,راحمی کاریزکی علی ,نخ‎زری مقدم علی ,بیابانی عباس
منبع اكوفيزيولوژي گياهان زراعي - 1396 - دوره : 11 - شماره : 3 - صفحه:485 -502
چکیده    آنالیز رشد روش با ارزشی در بررسی کمّی رشد و نمو و تولید محصولات به‏شمار می‏رود. با توجه به این‎که پارامترهای مدل‏های رگرسیونی غیر‏خطی از لحاظ فیزیولوژیکی پرمعنا می‏باشند، بنابراین، به‎منظور بررسی تاثیر سرزنی و رقم بر روی شاخص‎های رشد با استفاده از مدل رگرسیون غیر‏خطی لجستیک، آزمایشی به صورت فاکتوریل در قالب طرح‎ بلوک‎‎های کامل تصادفی در فصل زراعی 941393 در مزرعه آموزشی و پژوهشی دانشگاه گنبد کاووس با سه تکرار اجرا گردید. عامل سرزنی در دو سطح شامل سرزنی و عدم سرزنی و عامل رقم در پنج سطح شامل زهره، شامی، شش‎بند، سرازیری و برکت بودند. نتایج نشان داد که مدل رگرسیون غیر‎خطی لجستیک به‎خوبی روند تغییرات شاخص سطح برگ و تجمع ماده خشک را در برابر زمان توصیف می کند و از این مدل می‎توان در آنالیزهای رشد استفاده کرد. نتایج استفاده از این مدل نشان داد که ارقام از نظر زمان رسیدن به حداکثر شاخص سطح برگ و مدت‏زمان رسیدن تجمع ماده خشک به 50 درصد حداکثر تفاوت معنی‏دار نداشتند. اثر رقم روی حداکثر شاخص سطح برگ در سطح پنج درصد معنی‌دار بود. ارقام برکت، زهره و سرازیری از شاخص سطح برگ، تجمع ماده خشک و سرعت رشد محصول بالاتری نسبت به ارقام شامی و شش‏بند برخوردار بودند که باعث عملکرد بالاتر این ارقام شد. شاخص سطح برگ باقلا در تمامی ارقام از نوع بحرانی بود. متوسط شاخص برگ بحرانی در ارقام باقلا 37/1 برآورد شد. حداکثر و حداقل سرعت رشد نسبی در ابتدای فصل رشد به‏ترتیب 066/0 و 055/0 گرم بر گرم در روز به ارقام سرازیری و برکت تعلق داشتند.
کلیدواژه تجمع ماده خشک، سرعت رشد نسبی، سرعت رشد محصول، شاخص سطح برگ
آدرس دانشگاه گنبد کاووس, دانشکده کشاورزی و منابع طبیعی, ایران, دانشگاه گنبد کاووس, دانشکده کشاورزی و منابع طبیعی, گروه تولیدات گیاهی, ایران, دانشگاه گنبد کاووس, دانشکده کشاورزی و منابع طبیعی, گروه تولیدات گیاهی, ایران, دانشگاه گنبد کاووس, دانشکده کشاورزی و منابع طبیعی, گروه تولیدات گیاهی, ایران
 
   The Analysis of Topping Results of Faba Bean Varieties (Vicia faba L.) by Using Logistic Nonlinear Regression Model  
   
Authors Alipour Ghasem Abad sofla Arefeh ,Rahemi Karizaki Ali ,Nakhzari-moghaddam Ali ,Biabani Abbas
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved