ارزيابي مدل‌هاي رگرسيون غيرخطي براي توصيف سرعت ظهور گياهچه سه رقم كلزا نسبت به دما

Assessment of Non-Linear Regression Models to Evaluate Response of Seedling Emergence Rate to Temperature in Three Oil Seed Rape Seed Cultivars

به منظور ارزيابي واكنش و سرعت ظهور گياهچه‌هاي كلزا نسبت به دما، در اين آزمايش رابطه سرعت سبز شدن سه رقم كلزا شامل ارقام بدون گلبرگ، RGS003 وSyn3 نسبت به دما، به صورت گلداني مورد برازش رگرسيوني غيرخطي قرار گرفت. براي اين منظور از شش مدل، شامل توابع دندانه‌اي، دو تكه‌اي، بتا، منحني، درجه دوم و درجه سوم استفاده شد و براي انتخاب مدل برتر از معيارهاي جذر ميانگين مربعات خطا، ضريب تبيين، ضريب همبستگي و ضرايب رگرسيون ساده خطي (a و b) بين سرعت ظهور گياهچه مشاهده شده و سرعت پيش‌بيني شده استفاده شد. نتايج نشان داد كه واكنش سبز شدن رقم RGS003 به دما به وسيله تابع بتا، رقم Syn3 به وسيله تابع بتا و منحني و در رقم بدون گلبرگ، مدل دو تكه‌اي بهتر از ساير مدل‌ها توصيف مي‌گردد. برآورد دماهاي كاردينال با استفاده از برترين مدل‌ها نشان داد كه دماي پايه از89/7 تا 94/10 درجه سانتي‌گراد، دماي بهينه از 01/20 تا 24 درجه سانتي‌گراد و دماي سقف از 36 تا 19/37 درجه سانتي‌گراد براي ارقام مختلف كلزاي مورد ارزيابي در نوسان بود. برآورد روز بيولوژيك مورد نياز براي ظهور گياهچه با استفاده از مدل‌هاي دوتكه‌اي و بتا نيز نشان داد كه از اين نظر بين ارقام كلزا اختلاف معني‌داري وجود داشت. با توجه به اين نتايج، مي‌توان براي كمّي‌سازي واكنش سرعت ظهور ارقام كلزا به دما از مدل‌هاي بتا و دوتكه‌اي استفاده كرد و از اين مدل‌ها و پارامترهاي برآورد شده از آنها (دماي پايه، دماي مطلوب و دماي سقف) در تهيه مدل‌هاي پيش‌بيني زمان سبز شدن گياهچه در مزرعه استفاده كرد، همچنين مي‌توان در مدل سازي ظهور گياهچه ارقام كلزا از دماهاي كاردينال همراه با مدل مربوط به آن استفاده كرد.

In order to evaluate the response of emergence rate of oil seed rape seedlings to temperature, a pot experiment was conducted to assess the relationship between emergence rate of three rape seed cultivars (apetalous flower, RGS003 and Syn3) by using a non-linear regression against temperature variation. Six models (tooth shape, segmented, beta, curve, quadratic and cubic) were used and the superior model was selected according to square root of MSE, coefficient of determination, coefficient of correlation and simple linear regression coefficients (a, b) between observed and predicted emergence rates. Results showed that the seedling emergence response to temperature explained by beta function in RGS003, by beta and cure functions in Syn3, and by segmented function in apetalous flower cultivar. Prediction of cardinal temperatures by using the best models showed that the base temperature varied between 7.89 and 10.94, the optimum temperature was between 20.1 and 24 and the ceiling temperature was between 36 and 37.19°C for rape seed cultivars. The biological day estimation for seedling emergence by using segmented and beta models showed that there were significant differences between rape seed cultivars. According to the results of this experiment, beta and segmented models could be used for quantification of seedling emergence response of rape seed cultivars to temperature. It seems that these models and parameters (base, optimum and ceiling temperatures) could be used for prediction of seedling emergence in the field. Cardinal temperatures and its related model could be used for modeling of seedling emergence of rape seed cultivars.