مدل سازي سبز شدن علف هرز توق (Xanthium strumarium) در دو عمق مختلف كاشت

Predicting Seedling Emergence of Xanthium strumarium in Two Burial Depths

افزايش آگاهي عمومي در زمينه اثرات نامطلوب علفكش ها بر محيط زيست وگسترش علف هاي هرز مقاوم به علف كش ها لزوم كاهش مقدار مصرف علف كش ها را نشان ميدهد. پيش بيني زمان سبز شدن علف هاي هرز با تعيين زمان مناسب كنترل مي تواند در اين راستا ما را ياري رساند. مدل هاي مختلفي جهت شبيه سازي ظهور گياهچه هاي علف هاي هرز در رابطه با زمان دمايي وجود دارد كه با توجه به توانايي متفاوت مدل هاي مختلف در پيش بيني صحيح تر اين زمان، ما ملزم به انتخاب مدل مناسب تر مي باشيم. به همين دليل و به منظور بررسي الگوي سبز شدن علف هرز توق در دو عمق مختلف كاشت در خاك و همچنين انتخاب مدل مناسب براي اين گياه، آزمايشي در سال 1388 انجام شد. در اين آزمايش روند ظهورگياهچه هاي توق كه در عمق هاي دو و پنج سانتيمتري كشت شده بودند، ارزيابي شد. پيش بيني الگوي ظهور گياهچه هاي توق، بين زمان دمايي و درصد سبز شدن تجمعي با استفاده از مدل هاي ويبول، گومپرتز و لجستيك اصلاح شده، صورت گرفت. مقايسه توابع برازش داده شده به داده هاي مشاهده شده در دو عمق مختلف نشان داد كه تابع اصلاح شده ويبول برازش بهتري داشته است. از طرف ديگر اختلاف دو عمق مختلف جهت شروع (10%) ظهورگياهچه ها از لحاظ زمان دمايي مورد نياز ، زياد بود ولي براي اتمام سبز شدن اختلاف زيادي از اين لحاظ نداشتند. براي بذوري كه در عمق دو سانتي متري كشت شده بود 50% سبز شدن تجمعي در زمان دمايي 478 اتفاق افتاد در حاليكه 50% سبز شدن تجمعي اين بذور در عمق پنج سانتي متري در زمان دمايي 774 صورت گرفت.

Increasing public awareness and concern about the impacts of herbicides on the environment, development of herbicide-resistant weeds, and high economic cost of herbicides have increased the need to reduce the amount of herbicides used in agriculture. Prediction of weed emergence timing would help reduce herbicide use through the optimization of the timing of weed control. There are several models that could be used for predicting weed seedling emergence. However, the ability to predict emergence of given species is different between models. For better prediction of emergence we should be able to select a suitable model. Therefore, Xanthium strumarium seedling emergence at two different burial depths from an experiment conducted in 2009-2010, was used to find and develop the best emergence model. The number of X. strumarium seedlings was recorded every three days and then removed from pots. Emergence for each species was expressed as a cumulative percentage of total emergences. Percentage of cumulative emergence values was explained against thermal time (TT) using Logistic, Gompertz and Weibull modified functions. The three models were compared using the Akaike information criterion. The Weibull model gave a better description than other models. Conversely, Logistic model gave the worst fit, with AIC values far higher than Weibull and Gompertz models. Thermal time required for given seedling emergence was affected by burial depth and increased with soil depth. For example, when seeds buried in the 5 cm depth, they required 744 TT for 50% emergence. However, seeds in 2 cm depth had a shorter emergence time-span and required 391-488 TT for 50% emergence.