دانشگاه تبریز دانش کشاورزی وتولید پایدار 2476-4310 20 2 2010 05 22 Modeling Seedling Emergence and Growth in Green Bean, Sunflower and Maize by Some Nonlinear Models مدلینگ سبز و رشد نهالبذرهای لوبیا سبز، آفتابگردان و ذرت با استفاده از برخی مدل‌های غیر خطی 129 140 1507 FA بهنام بهتری دانشگاه آزاد واحد تبریز ذبیح الله نعمتی دانشکده کشاورزی اهر، دانشگاه تبریز حمید حسن پور دانشگاه گیلان جواد رضاپور فرد پردیس کشاورزی دانشگاه تهران Journal Article 2014 06 16 Seedling emergence is one of important phenological event that influences the success of an annual crop probably. There has been accomplished numerous researches in recent years to understand and predict the emergence patterns of crop and weed species for different objectives. Nonlinear regression models have been developed to explain crop and weed emergence patterns as a function of time. In this study, some seedling emergence molels by field data of three crop species including green bean (<em>Phaseolus vulgaris</em> var. sunray), sunflower (<em>Helianthus annuus</em> L. var. alistar) and maize (<em>Zea mays </em>L. var. merit) were evaluated. Prediction of crop seedling emergence with the France and Thornley model and growth by the Logistic, Gompertz and Monomolecular models were also attempted. Emergence indices (<em>SOE, MED, ERI, T_0.5</em>) showed that seedling emergence of maize was greater than green bean and sunflower. The values of the median emergence date (<em>T_0.5</em>) predicted by Logistic model were in close agreement with the time required for 50% emergence calculated directly from interpolation of the raw emergence data. While shoot length (<em>L_f</em>) of crop seedling emergence fitted by Logistic and Monomolecular models were significant, it was not significant in Gompertz model statistically. Among the three models, the Gompertz and the Logestic models gave quite satisfactory results as the predicted values from the model and the observed values from the experiment were close (<em>EF</em> 0.9 in most of the cases and <em>RMSE<</em>8<em>.</em>0). The Monomolecular model was not suitable for prediction of studied crop seedling emergence due to its higher <em>RMSE</em> values (>12 in all cases). Results showed that the empirical models with an inflection point are recommendable because thay predicted growth of crops seedling superiorly. احتمالاً سبز شدن نهالبذر یکی از مهم­ترین رویدادهای فنولوژیکی است که موفقیت گیاهان زراعی یک ساله را تحت تاثیر قرار می­دهد. تحقیقات بسیاری در سال­های اخیر برای پیش­بینی الگوی سبز نهالبذر گیاهان زراعی و علف­های هرز برای رسیدن به اهداف مختلف صورت گرفته است. استفاده از مدل­های رگرسیونی غیر خطی یکی از روش­هایی است که به منظور بررسی الگوی سبز نهالبذر گونه­های زراعی و علف هرز به صورت تابعی از زمان به کار رفته است. در این آزمایش برای برازش برخی مدل­های سبز نهالبذر از داده­های مزرعه­ای سه گونه زراعی شامل لوبیا سبز (<em>Phaseolus vulgaris</em> var. sunray)، آفتابگردان (<em>Helianthus annuus</em> L. var. alistar) و ذرت (<em>Zea mays </em>L. var. merit) استفاده شد. پیش بینی سبز نهالبذرها با استفاده از مدل فرانس و تورنلی و رشد با استفاده از مدل­های لجستیک، گومپرتز و مونومولکولار انجام گردید. میزان شاخص­های سبز گیاهچه (<em>SOE, MED, ERI, T_0.5</em>_­) نشان داد که سبز گیاهچه­های گیاه ذرت در مقایسه با دو گیاه دیگر یعنی لوبیا سبز و آفتابگردان بالاتر بود. مقادیر <em>T_0.5</em>پیش­بینی شده با مدل­های لجستیک، با زمان لازم برای رسیدن به 50% سبز شدن که به طور مستقیم از درون­یابی داده­های سبز ردیف­ها به دست آمد، مطابقت داشت. در حالی که از لحاظ آماری، برازش رشد طولی گیاهان با دو مدل لجستیک و مونومولکولار اختلاف معنی­داری داشت، در مدل رشد گومپرتز مقدار آن معنی­دار نبود. در بین سه مدل، مدل­های گومپرتز و لجستیک نتایج کاملاً رضایت بخشی را نشان دادند. به طوری که مقادیر پیش­بینی شده از مدل و مقادیر مشاهده شده از آزمایش به طور کامل بر هم دیگر منطبق بودند (<em>EF</em> تقریباً 9/0 در بیشتر موارد و <em>RMSE</em><8). مدل مونومولکولار با <em>RMSE</em>>12 مدل مناسبی برای برازش سبز نهالبذرهای گونه­های زراعی نبود. با توجه به نتایج به دست آمده مدل­های تجربی قرینه­دار با یک انحنا که رشد نهالبذرها و گیاهان زراعی را توجیه <br /> می­نمایند،  قابل پیشنهاد است. https://sustainagriculture.tabrizu.ac.ir/article_1507_d6c43d005a9a855b1d3638302affb1d8.pdf