پديد آورندگان :
اسكندرنژاد، شمس الدين دانشگاه صنعتي شاهرود - گروه زراعت , قلي پور، منوچهر دانشگاه صنعتي شاهرود - گروه زراعت , مكاريان، حسن دانشگاه صنعتي شاهرود - گروه زراعت
كليدواژه :
بنيه گياه چه , دماي پرتودهي , مدت خيساندن , امواج آلتراسونيك
چكيده فارسي :
سابقه و هدف
جوانه زني كامل (C)، سريع (R) و يكنواخت (U) گياه چه هاي قوي (V)، ويژگي هايي مي باشند كه همه باهم (CRUV) باعث كوتاه شدن زمان تا بسته شدن كانوپي و در نتيجه افزايش عملكرد گياه مي شوند. اگر احتمالا بين كليه يا برخي از اجزاي CRUV همبستگي مثبت قوي (همبستگي بزرگتر از 0/95+) وجود نداشته باشد، يك سطح تيمار ممكن است بالاترين افزايش را در يك يا تعدادي از اجزاي CRUV بدنبال داشته باشد ولي براي اجزاي ديگر، با تاثير كم يا حتي كاهنده به شمار آيد. در اين شرايط، انتخاب بهترين سطح تيمار دشوار است (مخمصه قضاوت؛ Judgment predicament ). درون يابي سطوح تيمار براي حصول حداكثر افزايش ممكن در كليه اجزاي CRUV به طور همزمان (بهينه سازي مبتني بر الگوريتم ژنتيك) مي تواند به عنوان تجزيه تكميلي، راهي براي فايق آمدن بر مخمصه قضاوت به شمار رود. هدف از اين آزمايش، ابتدا يافتن پاسخ اين سوال بود كه آيا در ماش و گياهان ديگر اين مخمصه قضاوت وجود دارد يا خير؟. ثانيا، در صورت مثبت بودن پاسخ اين سوال، بهترين تركيب مولفه هاي پرتودهي بذر ماش با امواج آلتراسونيك (به عنوان تيمارهاي افزاينده CRUV) شامل مدت خيساندن بذر قبل از پرتودهي، دماي پرتودهي و مدت پرتودهي بدست آورده شد.
مواد و روش ها
ابتدا بر روي ميانگين داده هاي CRUV 10 مقاله منتشر شده، تجزيه همبستگي انجام شد. سپس يك آزمايش جوانه زني بذر ماش به صورت فاكتوريل بر پايه طرح كاملا تصادفي با 3 تكرار اجرا گرديد. فاكتورهاي آزمايش شامل مدت خيساندن بذر (2، 4، 6، 8، 10 و 12 ساعت)، مدت پرتودهي (0، 3، 6، 9 و 12 دقيقه) و دماي پرتودهي (17، 22، 27 و 32 درجه سانتي گراد) بود. به لحاظ عدم وجود همبستگي مثبت قوي بين كليه اجزاي CRUV در ماش، اقدام به بهينه سازي آنها با استفاده از الگوريتم ژنتيك شد. براي اين امر، ابتدا تابع مطلوبيت محاسبه گرديد و سپس مقادير تابع مطلوبيت كل به دست آورده شد. براي پيش بيني متغيرهاي پاسخ، توابع خطي و غير خطي متفاوتي مورد آزمون قرار گرفت كه از بين آنها، تابع غير خطي چندگانه مناسب تشخيص داده شد. سپس با استفاده از الگوريتم ژنتيك و توسط نرم افزار متلب، مقاديري از فاكتورهاي آزمايش كه در آن، كميت CRUV به طور همزمان حداكثر مي گردد، بدست آورده شد.
يافته ها
نتايج نشان داد كه در ماش همانند گياهان ديگر گزارش شده در 10 مقاله مورد بررسي، بين برخي يا كليه اجزاي CRUV همبستگي مثبت قوي وجود نداشت. در نتيجه، به طور مورد انتظار در ماش نيز وجود مخمصه قضاوت صادق بود. نتايج تجزيه واريانس نشان داد كه علاوه بر اثرات اصلي، برهمكنش سه گانه فاكتورها بر CRUV معني دار بود. تركيب بهينه شده فاكتورهاي آزمايش برابر با دماي پرتودهي 24/89 درجه سانتي گراد، مدت پرتودهي 125/4 دقيقه و خيساندن بذور به مدت 6/013 ساعت قبل از پرتودهي شد. اين مقادير فاكتورها توانست بالاترين افزايش ممكن را در CRUV به طور همزمان به دنبال داشته باشد.
نتيجه گيري
بر اساس نتايج اين بررسي، به نظر مي رسد مخمصه قضاوت همه گير بوده و براي كليه گياهان زراعي صدق نمايد. در نتيجه همانطور كه براي ماش روي داد، مقادير تركيبي هر يك از فاكتورهاي آزمايش (يا سطحي از تيمار) كه براي آن (ها) بالاترين مقدار هر يك از اجزاي CRUV حاصل مي گردد مشابه نخواهد بود. در اين شرايط، بهينه سازي به عنوان تجزيه و تحليل تكميلي در كنار مقايسه ميانگين-ها، مي تواند بهترين سطح تيمار (آزمايشات تك عاملي) يا تركيب تيماري (آزمايشات چند عاملي) را مشخص نموده و به لحاظ حصول افزايش ممكن در CRUV به طور همزمان، باعث تسريع در بسته شدن كانوپي گردد.
چكيده لاتين :
Background and objectives: The complete (C), rapid (R) and uniform (U) germination of vigorous seedlings (V) are traits that all together (CRUV) can ensure early canopy closure and ultimately increase plant yield. The probable no strong positive relation (correlation greater than +0.95) between one or some components of CRUV causes that one treatment level appears to be the best treatment level for increasing of one or some components of CRUV, but the worst or medium for other components. In such situation it is hard to select one treatment level (Judgment predicament). Genetic algorithm-based optimization as a complementary analysis is a solution (overcoming the predicament) to such problems by which the treatment levels are interpolated for possible simultaneous maximum increase in CRUV. This experiment was firstly aimed to find whether there is Judgment predicament or not? Secondly, in case of positive answer, it was aimed at finding the best components of ultrasonication (as increasing treatment for CRUV) of mung bean seeds. The components of ultrasonication were seed pre-soaking, ultrasonication temperature, and duration of ultrasonication.
Materials and methods: The mean values of CRUV of 10 published papers were subjected to correlation analysis. Then a germination experiment based on completely randomized design with 3 replications was conducted for mung bean. Treatments were factorial arrangement of seed pre-soaking (2, 4, 6, 8, 10, 12 hours), ultrasonication temperature (17, 22, 27, 32 oC), and ultrasonication duration (0, 3, 6, 9, 12 minutes). Due to no strong relation between all components of CRUV, the genetic algorithm was used to optimize them. For this reason, firstly the desirability function was calculated; then the value of general desirability was determined. For predicting the response variables, different linear and non-linear functions were examined among which, the quadratic multiple regression function was found to be more appropriate. Finally, the best combination of experimental factors for possible simultaneous increase in CRUV was interpolated, using MATLAB software.
Results: The results indicated that like those plants mentioned in published papers which their CRUVs were reviewed here, there was no strong positive relation between all components of CRUV in mung bean. Therefore, the judgment predicament tends to be true in mung bean too. The result of analysis of variance revealed that in addition to main effects, the triple interactive effects of factors were significant on each components of CRUV. The interpolated value of factors was ultrasonication temperature of 24.89 oC, ultrasonication duration of 4.125 minutes, and pre-soaking of seeds for 6.013 hours. This combination of factors could result in the highest possible increase in CRUV simultaneously.
Conclusion: Based on the results of this study, it seems that the judgment predicament tends to be widespread over all plants. In such situation, as it was seen in mung bean, the value of treatment combinations (or treatment level) is not the same for having simultaneous increase in all components of CRUV. The optimization as complementary analysis beside the mean comparison analysis, can estimate the best treatment level (mono-factor experiments) or treatment combination (multi-factor experiments); due to such simultaneous increase in CRUV, the canopy closure will be accelerated.
