پيش‌بيني توليد ماده خشك و سطح برگ گياه باقلا .Vicia faba L در تاريخ كاشت و تراكم‌هاي مختلف

Prediction of dry matter production and leaf area index in faba bean under different planting dates and densities

براي آناليز رشد گياه در طول فصل رشد به داده‌هاي سطح برگ و تجمع مادة خشك نياز است. استفاده از مدل‌هاي رگرسيون غيرخطي مثل بتا، لجستيك، گمپرتز، ريچاردز، نمايي‌خطي‌بريده و نمايي‌خطي‌متقارن به‌دليل داشتن پارامتر‌هايي با مفهوم فيزيولوژيك در آناليز رشد درحال گسترش هستند. هدف از انجام تحقيق حاضر، ارزيابي مدل‌هاي رگرسيوني غيرخطي مختلف، براي بررسي روند شاخص سطح برگ و توليد ماده خشك و برآورد پارامترهاي مربوط به آناليز رشد است. مطالعه روي گياه باقلا رقم «بركت» به‌صورت طرح اسپليت - پلات در قالب طرح پاية بلوك‌‌هاي كامل تصادفي، با سه تاريخ ‌كاشت و چهار تراكم در چهار تكرار در مزرعه تحقيقاتي دانشگاه علوم كشاورزي و منابع طبيعي گرگان اجرا شد. معيار AICc نشان داد كه مدل بتا نسبت به مدل لجستيك براي داده‌هاي سطح برگ برازش بهتري داشت. طبق اين مدل در تراكم‌هاي مختلف LAImax بين 2/3 تا 5/3، tm بين 131/9 تا 144/2 و te بين 158/7 تا 163/5 روز پس از كاشت متغير بود. معيار AICc براي داده‌هاي توليد ماده خشك نشان داد كه مدل بتا نسبت به مدل‌هاي گمپرتز و لجستيك در ارزيابي روند توليد ماده خشك بهتر بود. طبق اين مدل Wmax در تراكم‌هاي مختلف بين 725/1 تا 1484/3 گرم در مترمربع، tm بين 138/3 تا 146/4 و te بين 162/6 تا 179/0 روز پس از كاشت متغير بود. نتايج نشان داد عملكرد دانه از 231 تا 2744 گرم در مترمربع متغير بود و با افزايش تراكم در هر تاريخ كاشت عملكرد دانه روند افزايشي نشان داد. تغييرات عملكرد تحت تأثير مستقيم حداكثر شاخص سطح برگ، حداكثر تجمع ماده خشك و سرعت رشد محصول قرار گرفت..

To analyze the growth, it is necessary to access to accurate and well-arranged data obtained from measuring leaf area and dry matter accumulation. The purpose of this study was to evaluate different nonlinear regression models to study the trend of changes in leaf area index and dry matter production and to estimate the parameters related to the growth analysis. The experiment was conducted on faba bean "cv. Barkat" in a split-plot experiment based on randomized complete block design with three planting dates and four densities in four replications. In this study, the beta and logistic models were fitted to the leaf surface data and the beta, Gompertz and logistic models to dry matter production. AICc benchmark showed that the beta model was fitted to the leaf surface data the better than the logistic model. LAImax in different densities varied between 2.3 to 5.3, tm between 131.9 and 144.2, and te between 158.7 and 163.5 days after planting. AICc benchmark showed that the beta model was fitted to the dry matter accumulation data the better than the Gompertz and logistic models. Wmax in different densities varied between 725.1 and 1484.3 g/m2, tm between 138.3 and 146.4 and te between 162.60 and 179.0 days after planting. Grain yield varied from 231 to 2744 g/m2, and with increasing density in each planting date, grain yield showed the increased trend. The results showed that yield changes were directly affected by maximum leaf area index, maximum dry matter accumulation and crop growth rate.