جلد 6، شماره 2 - ( (پاییز و زمستان) 1398 )                   سال1398، جلد6 شماره 2 صفحات 111-123 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Nikoumaram S, Bayatian N, Ansari O. Quantification of the Priming Effect of Canola (Brassica napus cv. Zafar) Response to Temperature Using Nonlinear Regression Models. Iranian J. Seed Res.. 2020; 6 (2) :111-123
URL: http://yujs.yu.ac.ir/jisr/article-1-418-fa.html
نیکومرام سپیده، بیاتیان نعیمه، انصاری امید. کمی‌سازی اثر پرایمینگ بذر کلزا (Brassica napus) رقم ظفر در واکنش به دما با استفاده از مدل‌های رگرسیونی غیرخطی. پژوهشهای بذر ایران. 1398; 6 (2) :111-123

URL: http://yujs.yu.ac.ir/jisr/article-1-418-fa.html


دانشگاه علوم کشاورزی و منابع طبیعی گرگان ، omid0091@yahoo.com
چکیده:   (1146 مشاهده)
DOR: 98.1000/2383-1251.1398. 6.111.12.2.1603.1610

چکیده مبسوط
مقدمه: دما یکی از عوامل اولیه مهم کنترل کننده جوانه‌زنی می‌باشد. امروزه شیوه پیش‌تیمار بذر به عنوان عامل بهبود دهنده جوانه‌زنی و استقرار تحت تنش‌های محیطی معرفی شده است. با استفاده از مدل‌های رگرسیون غیرخطی می‌توان پاسخ جوانه‌زنی بذر به دما و پرایمینگ بذر را کمی‌سازی کرد؛ بنابراین، این تحقیق به‌منظور بررسی اثر دما و پرایمینگ بر جوانه‌زنی و تعیین دمای کاردینال جوانه‌زنی (دمای پایه، مطلوب و بیشینه جوانه‌زنی) بذر کلزا به اجرا درآمد.
مواد و روش‌ها: تیمارهای آزمایشی شامل سطوح مختلف پرایمینگ بذر (بذر بدون پرایمینگ، پرایمینگ با آب، اسید جیبرلیک 50 و 100 میلی‌گرم در لیتر) و دماهای مختلف (5، 10، 15، 20، 25، 30، 35 و 40 درجه سلسیوس) بود. با استفاده از مدل لجستیک 3 پارامتره، جوانه‌زنی بذر کلزا به سطوح مختلف دما و پرایمینگ بذر کمی‌سازی شد و درصد و زمان رسیدن به 50 درصد جوانه‌زنی به‌دست آمد. جهت کمی‌سازی واکنش سرعت جوانه‌زنی بذر کلزا به دما از 3 مدل رگرسیون غیرخطی دو تکه‌ای، دندان مانند و بتا استفاده شد. جهت مقایسه مدل‌ها و تعیین مناسب‌ترین مدل از شاخص ریشه میانگین مربعات، ضریب تببین، ضریب تغییرات و خطای استاندارد برای درصد جوانه‌زنی مشاهده شده در مقابل جوانه‌زنی واقعی استفاده شد.
یافته‌ها: نتایج نشان داد که دما و پرایمینگ علاوه بر درصد جوانه‌زنی بر سرعت جوانه‌زنی نیز اثر گذار بود. همچنین نتایج نشان داد که با افزایش دما تا دمای مطلوب، درصد و سرعت جوانه‌زنی افزایش یافت و استفاده از تیمار پرایمینگ بذر، درصد و سرعت جوانه‌زنی را افزایش داد. در مقایسه 3 مدل استفاده شده با توجه به پارامترهای آماری مناسب‌ترین مدل جهت تخمین دماهای کاردینال کلزا برای تیمار بدون پرایمینگ مدل دوتکه‌ای و برای تیمار پیش‌انداز شده با اسید جیبرلیک 100 میلی‌گرم در لیتر و آب مدل دوتکه‌ای و دندان مانند و برای تیمار پیش‌انداز شده با اسید جیبرلیک 50 میلی‌گرم در لیتر مدل دندان مانند بود. نتایج نشان داد که دمای پایه برآورد شده با استفاده از مدل دوتکه‌ای برای بذر بدون پرایمینگ، پرایمینگ با آب، پرایمینگ با اسید جیبرلیک 50 و 100 میلی‌گرم در لیتر به‌ترتیب 54/3، 57/2، 34/2 و 34/2 درجه سلسیوس و با استفاده از مدل دندان مانند به‌ترتیب 34/3، 45/2، 21/2 و 83/2 درجه سلسیوس بود. دمای مطلوب با استفاده از مدل دوتکه‌ای به‌ترتیب 62/24، 23/23، 69/23 و 38/24 درجه سلسیوس و با استفاده از مدل بتا 18/27، 66/27، 87/27 و 11/27 درجه سلسیوس، دمای مطلوب تحتانی و فوقانی با استفاده از مدل دندان مانند، 01/20 و 62/19، 25/16 و 87/19، 81/28 و 38/27 و 58/29 و 31/27 درجه سلسیوس، دمای سقف با استفاده از مدل دو تکه‌ای 07/40، 52/40، 4/40 و 56/40 و با استفاده از مدل دندان مانند 17/40، 35/40، 61/39 و 91/40 درجه سلسیوس برآورد شد.
نتیجه‌گیری: استفاده از مدل‌های رگرسیون غیرخطی (دو تکه‌ای، دندان مانند و بتا) جهت کمی‌سازی پاسخ جوانه‌زنی بذر کلزا به سطوح مختلف پرایمینگ بذر و دماهای مختلف دارای نتایج قابل قبولی بود؛ بنابراین با استفاده از خروجی این مدل‌ها در دماهای مختلف می‌توان سرعت جوانه‌زنی را در تیمارهای مختلف پیش‌بینی نمود.

جنبه‌های نوآوری:
  1. اثر دما و پرایمینگ بر جوانه‌زنی بذر کلزا بررسی شد.
  2. دامنه دمایی جوانه‌زنی بذر کلزا تحت شرایط استفاده از تیمار پرایمینگ بذر تغییر می‌یابد.
متن کامل [PDF 518 kb]   (140 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اکولوژی بذر
دریافت: 1398/2/20 | پذیرش: 1398/6/3

فهرست منابع
1. Acosta, J.M., Bentivegna, D.J., Panigo, E.S. and Dellaferrera, I. 2014. Influence of environmental factors on seed germination and emergence of Iresine diffusa. Weed Research, 54(6): 584-592. [DOI:10.1111/wre.12114]
2. Akramghaderi, F., Soltani, A. and Sadeghipour, H.R. 2008. Cardinal temperature of germination in medicinal pumpkin (Cucurbita pepo L. subsp. pepo. Convar. pepo var. styriaca Greb), borage (Borago officinalis L.) and black cumin (Nigella sativa L.). Asian Journal of Plant Science, 2: 101-119. [DOI:10.3923/ajps.2008.574.578]
3. Ansari, O. and Sharif-Zadeh, F. 2012. Does gibberellic acid (GA), salicylic acid (SA) and ascorbic acid (ASc) improve Mountain Rye (Secale montanum) seeds germination and seedlings growth under cold stress?. International Research Journal of Applied and Basic Sciences, 3(8): 1651-1657.
4. Ansari, O., Gherekhloo, J., Kamkar, B. and Ghaderi-Far, F. 2016. Breaking seed dormancy and determining cardinal temperatures for Malva sylvestris using nonlinear regression. Seed Science and Technology, 44(3): 1-14. [DOI:10.15258/sst.2016.44.3.05]
5. Ashraf, M. and Foolad, M.R. 2005. Pre-sowing seed treatment- a shotgun approach to improve germination growth and crop yield under saline and none-saline condition. Advances in Agronomy, 88: 223-271. [DOI:10.1016/S0065-2113(05)88006-X]
6. Bewley, J.D. and Black, M. 1994. Seeds: Physiology of Development and Germination, 2nd ed. Plenum Press, New York. [DOI:10.1007/978-1-4899-1002-8]
7. Bradford, K.J. 2002. Application of hydrothermal time to quantifying and modeling seed germination and dormancy. Weed Science, 50: 248-260. [DOI:10.1614/0043-1745(2002)050[0248:AOHTTQ]2.0.CO;2]
8. Buhler, D.D. 2000. Theoretical and practice challenges to an IPM approach to weed management. Weed Science, 48(3): 274-280. [DOI:10.1614/0043-1745(2000)048[0274:TAPCTA]2.0.CO;2]
9. Chen, K. and Arora, R. 2013. Priming memory invokes seed stress-tolerance. Environmental and Experimental Botany, 94: 33-45. [DOI:10.1016/j.envexpbot.2012.03.005]
10. Colbach, N., Du¨rr, C., Roger-Estrade, J. and Caneill, J. 2005. How to model the effects of farming practices on weed emergence. Weed Research, 45(1): 2-17. [DOI:10.1111/j.1365-3180.2004.00428.x]
11. Derakhshan, A., Gherekhloo, J., Vidal, R.B. and De Prado, R. 2013. Quantitative description of the germination of Littleseed canarygrass (Phalaris minor) in response to temperature. Weed Science, 62(2): 250-257. [DOI:10.1614/WS-D-13-00055.1]
12. Dumur, D., Pilbeam, C.J. and Craigon, J. 1990. Use of the Weibull function to calculate cardinal temperatures in Faba bean. Journal of Experimental Botany, 41(11): 1423-1430. [DOI:10.1093/jxb/41.11.1423]
13. Eshraghi Nejad, M., Kamkar, B. and Soltani, A. 2009. Cardinal temperatures and required biological days from sowing to emergence of three millet species (common, foxtail, pearl millet). Journal of Agricultural Science and Technology, 12(3): 36-43.
14. Forcella, F., Benech Arnold, R.L. and Sanchez, R. 2000. Modelling seedling emergence. Field Crops Research, 67(2): 123-139. [DOI:10.1016/S0378-4290(00)00088-5]
15. Ghaderi-Far, F., Soltani, A. and Sadeghipour, H.R. 2009. Evaluation of nonlinear regression models in quantifying germination rate of medicinal pumpkin (Cucurbita pepo L. subsp. pepo. Convar. pepo var. styriaca Greb), borage (Borago officinalis L.) and black cumin (Nigella sativa L.) to temperature. Journal of Plant Production, 16(4): 1-9. [In Persian with English Summary].
16. Hardegree, S. P. 2006. Predicting germination response to temperature. I. Cardinal-temperature models and subpopulation-specific regression. Annals of Botany, 97(6): 1115-1125. [DOI:10.1093/aob/mcl071] [PMID] [PMCID]
17. Heidari, Z., Kamkar, B. and Masoud Sinaki, J. 2014. Determination of cardinal temperatures of milk thistle (Silybum marianum L.) germination. Advances in Plants and Agriculture Research, 1(5): 28. [DOI:10.15406/apar.2014.01.00027]
18. Kamkar, B., Jami Al-Ahmadi, M., Mahdavi-Damghani, A. and Villalobos, F.J. 2011. Quantification of the cardinal temperatures and thermal time requirement of opium poppy (Papaver somniferum L.) seeds germinate using non-linear regression models. Industrial Crops and Products, 35(1): 192-198. [DOI:10.1016/j.indcrop.2011.06.033]
19. Karami, H. 2016. An alternative model to quantifying corn seed germination to temperature and water potential. A thesis submitted in partial fulfillment of the requirements for the degree of M.Sc. in Agronomy. Gorgan University of Agricultural Sciences and Natural Resources. [In Persian with English Summary].
20. Khalaj, H., Allahdadi, I., Irannejad, Gholamabbas, Minbashi, M. and Baghestani, M.A. 2012. Using nonlinear regression approach for prediction of cardinal temperature of canola and four common weed. Journal of Agronomy, 2(1): 21-33.
21. Lakzaei, S., Soltani, A., Zeinali, E., Ghaderifar, F. and Jafanodeh, S. 2018. Quantifying response of seedling emergence to temperature in rapeseed (Brassica napus L.) under field conditions. Iranian Journal of Crop Sciences, 19(3): 195-207. [In Persian with English Summary].
22. Parmoon, G., Moosavi, S.A., Akbari, H. and Ebadi, A. 2015. Quantifying cardinal temperatures and thermal time required for germination of Silybum marianum seed. The Crop Journal, 3(2): 145-151. [DOI:10.1016/j.cj.2014.11.003]
23. Patade, V.Y., Maya, K. and Zakwan, A. 2011. Seed priming mediated germination improvement and tolerance to subsequent exposure to cold and salt stress in capsicum. Research Journal of Seed Science, 4(3): 125-136. [DOI:10.3923/rjss.2011.125.136]
24. Piper, E.L., Boote, K.J., Jones, J.W. and Grimm, S.S. 1996. Comparison of two phenology models for predicting flowering and maturity date of soybean. Crop Science, 36: 1606-1614. [DOI:10.2135/cropsci1996.0011183X003600060033x]
25. Shafii, B., Price, W.J., 2001. Estimation of cardinal temperatures in germination data analysis. Journal of Agricultural, Biological, and Environmental Statistics, 6: 356-366. [DOI:10.1198/108571101317096569]
26. Shayanfar, A., Ghaderi-Far, F., Behmaram, R., Soltani, A. and Sadeghipour, H.R. 2017. Assessment of germination and secondary dormancy behaviors of lines and cultivars of canola. Crops Improvement (Journal of Agricultural Crop Production), 19(4): 881-892.
27. Soltani, A., Gholipoor, M. and Zeinali, E. 2006. Seed reserve utilization and seedling growth of wheat as affected by drought and salinity. Environmental and Experimental Botany, 55: 195-200. [DOI:10.1016/j.envexpbot.2004.10.012]
28. Soltani, E., Galeshi, S., Kamkar, B. and Akramghaderi, F. 2008. Modeling seed aging effects on the response of germination to temperature in wheat. Seed Science and Biotechnology, 2(1): 32-36.
29. Wang, J., Ferrell, J., MacDonald, G. and Sellers, B. 2009. Factors affecting seed germination of Cadillo (Urena lobata). Weed Science, 57(1): 31-35. [DOI:10.1614/WS-08-092.1]
30. Wei, S., Zhang, C., Li, X., Cui, H., Huang, H., Sui, B., Meng, Q. and Zhang, H. 2009. Factors affecting Buffalobur (Solanum rostratum) seed germination and seedling emergence. Weed Science, 57(5): 521-525. [DOI:10.1614/WE-09-054.1]
31. Wu, X., Li, J., Xu, H. and Dong, L. 2015. Factors affecting seed germination and seedling emergence of Asia Minor bluegrass (Polypogon fugax). Weed Science, 63: 440-447. [DOI:10.1614/WS-D-14-00093.1]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله پژوهشهای بذر ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | Iranian Journal of Seed Research

Designed & Developed by : Yektaweb

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.