پيشبيني سبز شدن خاكشير (sophia Descurainia) و يوالف وحشي (fatua Avena) با استفاده از مدلهاي ترمال تايم در كلزاي پاييزه (napus Brassica)

Prediction of emergence of Flixweed (Descurainia sophia) and Wild Oat (Avena fatua) using thermal time models in Winter Rapeseed (Brassica napus)

به منظور شبيهسازي سبز شدن دو گونه علف هرز )خاكشير و يوال ف وششي( در مزرعه كلزاي پاييزه از مدلهاي ترمال تايم )زمان-دما( استفاده شده است. بكارگيري مدلهاي پيشبيني سبز شدن علف هرز ميتواند اطالعات مناسبي را در تعيين زمان رويش علفهاي هرز ارائه دهد. رگرسيونهاي غيرخطي معموال قابليت پيشبيني دقيق سبز شدن را در شرايط محيطي مختلف را دارند. در تحقيق شاضر براي تعيين درصد تجمعي سبز شدن از مدلهاي ترمال تايم شامل ويبول، لجستيك، گامپرتز، سيگموئيد و چاپمن استفاده شده است. همچنين 2 براي تعيين نكويي برازش مدلها از ضريب تبيين ) R (، ريشه ميانگين مربعات خطا )RMSE )و شاخص آكائيك )AIC )استفاده شد. نتايج نشان داد كه در هر دوگونه مدل چهار پارامتره ويبول توانست برازش مناسبي را براي پيشبيني رويش اين دو علف هرز انجام دهد. همچنين يوال ف وششي بعداز كاشت كلزا براي شروع زمان سبز شدن به دماي كمتري نسبت به خاكشير نياز دارد. بطوريكه براي دستيابي از 50 به 90 درصد سبز شدن كل به ترتيب 315 تا 543 درجه روز رشد براي خاكشير و به ترتيب 70 تا 286 درجه روز رشد براي يوال ف وششي نياز ميباشد.

A thermal time (TT) model was developed to simulate field emergence of two weed species (flixweed and wild oat) in winter rapeseed. Practical predictive weed emergence models can provide information about timing of weed emergence. Non-linear regression models are usually able to accurately predict field emergence under specific environmental conditions. In the present study, cumulative seedling emergence in response to TT was described by the Weibull, Logistic, Gompertz, Sigmoid and Chapman functions. Some criteria were used to describe the goodness of fit of the models. These criteria includ coefficient of determination (r 2 adj), root mean square of error (RMSE) and Akaike index (AIC). In both species (Descurainia sophia: RMSE= 3.65, r2 adj=0.97, AIC=88.87; Avena fatua: RMSE= 2.59, r2 adj=0.99, AIC=45.83) the seedling emergence flushes were well described with the Weibull four-parameter function. To start emergence after sowing and to reach maximum emergence, lower TT requirements were observed in A. fatua than in D. sophia. Seedling emergence increased steadily and reached from 50% to 90% of total emergence at 315 and 543 TT, respectively for D. sophia and 70 and 286 TT, respectively for A. fatua