کمی‌سازی جوانه‌زنی بذر دیلار (fagopyrum esculentum) با استفاده از مدل‌های رگرسیونی و زمان‌دمایی

مقدمه: جوانه‌زنی اولین و مهم‌ترین مرحله استقرار و متعاقب آن رقابت موفقیت‌آمیز به شمار می‌رود که متاثر از عوامل ژنتیکی و محیطی است. از بین عوامل محیطی موثر بر جوانه‌زنی، دما و نور مهم‌ترین عوامل هستند. با استفاده از مدل‌های مختلف می‌توان پاسخ جوانه‌زنی بذر به دما را کمی‌سازی کرد؛ بنابراین، این تحقیق به منظور بررسی اثر دما بر جوانه‌زنی و کمی‌سازی پاسخ جوانه‌زنی بذر دیلار (fagopyrum esculentum moenc.) به دما با استفاده از مدل‌های رگرسیون غیرخطی و مدل زمان‌دمایی به اجرا درآمد.مواد و روش‌ها: بذرها در چهار تکرار 25 بذری تحت 8 تیمار دمایی ثابت (5، 10، 15، 20، 25، 30، 35 و 40 درجه سلسیوس) مورد آزمون جوانه‌زنی قرار گرفتند. با استفاده از مدل لجستیک سه پارامتره، جوانه‌زنی بذر دیلار به سطوح مختلف دما کمی‌سازی شد و درصد و زمان رسیدن به 50 درصد جوانه‌زنی به‌دست آمد. جهت کمی‌سازی واکنش سرعت جوانه‌زنی بذر دیلار به دما از 4 مدل رگرسیون غیرخطی و مدل زمان‌دمایی استفاده شد. جهت مقایسه مدل‌ها و تعیین مناسب‌ترین مدل از شاخص ریشه میانگین مربعات خطا (rmse)، ضریب تبیین (r^2)، ضریب تغییرات (cv) و خطای استاندارد (se) برای سرعت جوانه‌زنی مشاهده شده در مقابل سرعت جوانه‌زنی پیش بینی شده استفاده شد.یافته‌ها: نتایج نشان داد که دما علاوه بر درصد جوانه‌زنی بر طول گیاهچه، درصد گیاهچه طبیعی، بنیه بذر و سرعت جوانه‌زنی نیز اثر گذار بود. همچنین نتایج نشان داد که با افزایش دما تا دمای 20 و 25 درجه سلسیوس شاخص‌های جوانه‌زنی افزایش یافت. در مقایسه 3 مدل استفاده شده با توجه به پارامترهای rmse، cv، r2، se مناسب‌ترین مدل جهت تخمین دماهای کاردینال دیلار مدل دندان مانند بود. نتایج استفاده از مدل زمان‌دمایی نشان داد که دمای پایه بذر دیلار 4.01 درجه سلسیوس و ضریب زمان‌دمایی 1242.6 ساعت درجه سلسیوس بود.نتیجه گیری: استفاده از مدل‌های رگرسیون غیرخطی (دو تکه‌ای، دندان مانند و بتا) و مدل زمان‌دمایی جهت کمی‌سازی پاسخ جوانه‌زنی بذر دیلار در دماهای مختلف دارای نتایج قابل قبولی بود. بنابراین با استفاده از خروجی این مدل‌ها در دماهای مختلف می‌توان سرعت جوانه‌زنی و درصد جوانه‌زنی را پیش‌بینی نمود.

Quantifying the Germination of Fagopyrum esculentum Moenc. Using Regression and Thermal-Time Models

Extended Abstract Introduction: Germination is considered the first and most important stage of establishment and consequently, successful competition which is influenced by genetic and environmental factors. Among the environmental factors influencing the germination, temperature and light are the most important ones. Using different models, the germination response of seeds to temperature can be quantified; therefore, this study was performed to investigate the effect of temperature on germination and to quantify the germination response of Buckwheat seed (Fagopyrum esculentum Moenc) to temperature using nonlinear regression models and thermaltime model.Materials and methods: The seeds were germinated in 4 replications of 25 seeds under 8 constant temperature treatments (5, 10, 15, 20, 25, 30, 35 and 40 ° C). Using a threeparameter logistic model, Buckwheat seed germination was quantified at different temperature levels and the percentage and time to reach 50% germination were obtained. Four nonlinear regression models and a thermaltime model were used to quantify the response of Buckwheat seed germination rate to temperature. To compare the models and determine the most appropriate model, the root mean square error index (RMSE), coefficient of determination (R2), coefficient of variation (CV) and standard error (SE) were used for the observed germination rate versus the predicted germination rate.Results: The results indicated that temperature affected the seedling length, normal seedling percentage, seed vigor and the germination rate as well as germination percentage. Also, the results showed that germination characteristics increased with increasing temperature up to 20 and 25 °C. Comparison of the three models based on the root mean square error (RMSE) of germination time, the coefficient of determination (R2), CV and SE, the best model to determine the cardinal temperatures of Fagopyrum esculentum was the dentlike model. The results of thermaltime model showed that the base temperature of Fagopyrum esculentum seeds was 4.01 ° C and the thermaltime coefficient was 1242.6 h° C. Conclusion: Utilization of nonlinear regression models (segmented, dentlike and beta) and thermaltime model to quantify the germination response of Fagopyrum esculentum response to different temperatures led to acceptable results. Therefore, germination rate and percentage may be predicted using the outputs of these models at different temperatures.Highlights:The best temperature for Fagopyrum esculentum Moenc. seed germination is 2025 Celsius.The dentlike model was determined the most appropriate model for estimating the cardinal temperatures of Buckwheat.