پديد آورندگان :
نيكومرام، سپيده دانشگاه تهران، تهران , بياتيان، نعيمه دانشگاه بيرجند، بيرجند , انصاري، اميد دانشگاه كشاورزي و منابع طبيعي، گرگان
كليدواژه :
پرايمينگ بذر , جوانه‌زني , دماهاي كاردينال , كلزا , مدل‌هاي رگرسيون غيرخطي
چكيده فارسي :
دما يكي از عوامل اوليه مهم كنترل كننده جوانه‌زني مي‌باشد. امروزه شيوه پيش‌تيمار بذر به عنوان عامل بهبود دهنده جوانه‌زني و استقرار تحت تنش‌هاي محيطي معرفي شده است. با استفاده از مدل‌هاي رگرسيون غيرخطي مي‌توان پاسخ جوانه‌زني بذر به دما و پرايمينگ بذر را كمي‌سازي كرد؛ بنابراين، اين تحقيق به‌منظور بررسي اثر دما و پرايمينگ بر جوانه‌زني و تعيين دماي كاردينال جوانه‌زني (دماي پايه، مطلوب و بيشينه جوانه‌زني) بذر كلزا به اجرا درآمد.
مواد و روش‌ها: تيمارهاي آزمايشي شامل سطوح مختلف پرايمينگ بذر (بذر بدون پرايمينگ، پرايمينگ با آب، اسيد جيبرليك 50 و 100 ميلي‌گرم در ليتر) و دماهاي مختلف (5، 10، 15، 20، 25، 30، 35 و 40 درجه سلسيوس) بود. با استفاده از مدل لجستيك 3 پارامتره، جوانه‌زني بذر كلزا به سطوح مختلف دما و پرايمينگ بذر كمي‌سازي شد و درصد و زمان رسيدن به 50 درصد جوانه‌زني به‌دست آمد. جهت كمي‌سازي واكنش سرعت جوانه‌زني بذر كلزا به دما از 3 مدل رگرسيون غيرخطي دو تكه‌اي، دندان مانند و بتا استفاده شد. جهت مقايسه مدل‌ها و تعيين مناسب‌ترين مدل از شاخص ريشه ميانگين مربعات، ضريب تببين، ضريب تغييرات و خطاي استاندارد براي درصد جوانه‌زني مشاهده شده در مقابل جوانه‌زني واقعي استفاده شد.
يافته‌ها: نتايج نشان داد كه دما و پرايمينگ علاوه بر درصد جوانه‌زني بر سرعت جوانه‌زني نيز اثر گذار بود. همچنين نتايج نشان داد كه با افزايش دما تا دماي مطلوب، درصد و سرعت جوانه‌زني افزايش يافت و استفاده از تيمار پرايمينگ بذر، درصد و سرعت جوانه‌زني را افزايش داد. در مقايسه 3 مدل استفاده شده با توجه به پارامترهاي آماري مناسب‌ترين مدل جهت تخمين دماهاي كاردينال كلزا براي تيمار بدون پرايمينگ مدل دوتكه‌اي و براي تيمار پيش‌انداز شده با اسيد جيبرليك 100 ميلي‌گرم در ليتر و آب مدل دوتكه‌اي و دندان مانند و براي تيمار پيش‌انداز شده با اسيد جيبرليك 50 ميلي‌گرم در ليتر مدل دندان مانند بود. نتايج نشان داد كه دماي پايه برآورد شده با استفاده از مدل دوتكه‌اي براي بذر بدون پرايمينگ، پرايمينگ با آب، پرايمينگ با اسيد جيبرليك 50 و 100 ميلي‌گرم در ليتر به‌ترتيب 54/3، 57/2، 34/2 و 34/2 درجه سلسيوس و با استفاده از مدل دندان مانند به‌ترتيب 34/3، 45/2، 21/2 و 83/2 درجه سلسيوس بود. دماي مطلوب با استفاده از مدل دوتكه‌اي به‌ترتيب 62/24، 23/23، 69/23 و 38/24 درجه سلسيوس و با استفاده از مدل بتا 18/27، 66/27، 87/27 و 11/27 درجه سلسيوس، دماي مطلوب تحتاني و فوقاني 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 سلسيوس، دماي سقف با استفاده از مدل دو تكه‌اي 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 سلسيوس برآورد شد.
چكيده لاتين :
Introduction: Temperature is one of the primary environmental regulators of seed germination. Seed
priming technique has been known as a challenge to improving germination and seedling emergence under
different environmental stresses. Quantification of germination response to temperature and priming is
possible, using non-liner regression models. Therefore, the objective of this study was to evaluate the effect
of temperature and priming on germination and determination of cardinal temperatures (base, optimum and
maximum) of Brassica napus L.
Material and Methods: Treatments included priming levels (non-priming, priming with water,
gibberellin 50 and 100 mg/l) and temperature (5, 10, 15, 20, 30, 35 and 40 °C). Germination percentage and
time to 50% maximum seed germination of Brassica napus L. were calculated for different temperatures and
priming by fitting 3-parameter logistic functions to cumulative germination data. For the purpose of
quantifying the response of germination rate to temperature, use was made of 3 nonlinear regression models
(segmented, dent-like and beta). The root mean square of errors (RMSE), coefficient of determination (R2),
CV and SE for the relationship between the observed and the predicted germination percentage were used to
compare the models and select the superior model from among the methods employed.
Results: The results indicated that temperature and priming were effective in both germination
percentage and germination rate. In addition, the results showed that germination percentage and rate
increase with increasing temperature to the optimum level and using priming. As for the comparison of the 3
models, according to the root mean square of errors (RMSE) of germination time, the coefficient of
determination (R2), CV and SE, the best model for the determination of cardinal temperatures of Brassica
napus L. for non-primed seeds was the segmented model. For hydro-priming and hormone-priming with 50
mg/l GA, the best models were segmented and dent-like models and for hormone-priming with 100 mg/l GA,
the dent-like model was the best. The results showed that for non-priming, hydropriming with water,
gibberellin 50 and 100 mg/l treatments, the segmented model estimated base temperature as 3.54, 2.57, 2.34
and 2.34 °C and dent-model estimated base temperature as 3.34, 2.45, 2.21 and 2.83 °C, respectively. The
segmented model estimated optimum temperature as 24.62, 23.23, 23.69 and 24.38 °C. The dent-model
estimated lower limit of optimum temperature and upper limit of optimum temperature as 20.01, 19.62,
16.25, 19.87 and 28.81, 27.38, 29.58 and 27.31 °C.
Conclusion: Utilizing non-liner models (segmented, dent-like and beta) for quantification of germination
of Brassica napus L. response to different temperatures and priming produced desirable results. Therefore,
utilizing the output of these models at different temperatures can be useful in the prediction of germination
rate in different treatments
