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

احتمالا سبز شدن نهالبذر یکی از مهم­ترین رویدادهای فنولوژیکی است که موفقیت گیاهان زراعی یک ساله را تحت تاثیر قرار می­دهد. تحقیقات بسیاری در سال­های اخیر برای پیش­بینی الگوی سبز نهالبذر گیاهان زراعی و علف­های هرز برای رسیدن به اهداف مختلف صورت گرفته است. استفاده از مدل­های رگرسیونی غیر خطی یکی از روش­هایی است که به منظور بررسی الگوی سبز نهالبذر گونه­های زراعی و علف هرز به صورت تابعی از زمان به کار رفته است. در این آزمایش برای برازش برخی مدل­های سبز نهالبذر از داده­های مزرعه­ای 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 مدل­های لجستیک، گومپرتز و مونومولکولار انجام گردید. میزان شاخص­های سبز گیاهچه (SOE, MED, ERI, T۰.۵­) نشان داد که سبز گیاهچه­های گیاه ذرت در مقایسه با دو گیاه دیگر یعنی لوبیا سبز و آفتابگردان بالاتر بود. مقادیر T۰.۵پیش­بینی شده با مدل­های لجستیک، با زمان لازم برای رسیدن به ۵۰% سبز شدن که به طور مستقیم از درون­یابی داده­های سبز ردیف­ها به دست آمد، مطابقت داشت. در حالی که از لحاظ آماری، برازش رشد طولی گیاهان با دو مدل لجستیک و مونومولکولار اختلاف معنی­داری داشت، در مدل رشد گومپرتز مقدار آن معنی­دار نبود. در بین سه مدل، مدل­های گومپرتز و لجستیک نتایج کاملا رضایت بخشی را نشان دادند. به طوری که مقادیر پیش­بینی شده از مدل و مقادیر مشاهده شده از آزمایش به طور کامل بر هم دیگر منطبق بودند (EF تقریبا ۹/۰ در بیشتر موارد و RMSE<۸). مدل مونومولکولار با RMSE>۱۲ مدل مناسبی برای برازش سبز نهالبذرهای گونه­های زراعی نبود. با توجه به نتایج به دست آمده مدل­های تجربی قرینه­دار با یک انحنا که رشد نهالبذرها و گیاهان زراعی را توجیه می­نمایند،  قابل پیشنهاد است.

کلیدواژه ها:

برازش مدل ، رگرسیون غیر خطی ، مدلینگ سبز شدن