تخمین طول نهایی شاخه گل دهنده در رزهای گلخانه ایی به کمک مدل رشدی ریچاردز

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه باغبانی، دانشکده کشاورزی، دانشگاه تبریز

2 گروه اکوفیزیولوژی گیاهی، دانشکده کشاورزی، دانشگاه تبریز

چکیده

طول شاخه گل دهنده در رزهای بریدنی بسیار مهم است. یکی از کاربردهای مهم تابع ریچاردز تخمین رفتار رشدی گیاهان است. چهار رقم رز در یک گلخانه تولیدی انتخاب و طول شاخه های آنها در مرحله رسیدن به هر گره اندازه گیری و ثبت گردید. داده های بدست آمده ابتدا به نزدیکترین شکل منحنی یعنی مدل درجه دوم برازش شدند. ضریب تبیین برای این مدل بین 95/0 تا 98/0 بدست آمد. در مرحله بعد تبدیل داده با تقسیم طول شاخه در هر گره به بزرگترین طول شاخه انجام گرفت و سپس مدل ریچاردز برازش شد. دراین حالت ضریب تبیین مدل برای بیشتر ارقام به بیش از 99/0 افزایش یافت. پارامترهای مدل به روش رگرسیون غیر خطی حداقل مربعات برای ارقام و فصول مختلف تخمین زده شد. بیشترین مقدار شیب منحنی در نقطه عطف برای رقم بلک مجیک در فصل بهار بدست آمد. متوسط شیب منحنی برای فصل بهار بیش از فصل تابستان بود. سرعت نسبی رشد شاخه ها با مشتق گیری از مدل ریچاردز محاسبه گردید. نتایج نشان داد متوسط سرعت رشد نسبی برای فصل بهار بیشتر از فصل تابستان بود، بطوریکه حداکثر سرعت نسبی رشد در فصل بهار در گره های هشتم و نهم اتفاق افتاد، در صورتیکه در فصل تابستان میزان حداکثر این متغییر در گره های پنجم و ششم مشاهده گردید. طول نهایی شاخه بعد از گره چهارم در اکثر ارقام با اختلاف کمتر از ده سانتی متر و بعد از گره هشتم با اختلاف کمتر از حدود 5 سانتی متر تخمین زده شد.
 
 

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of Flower Stem Length in Greenhouse Roses Using Richard’s Growth Model

نویسندگان [English]

  • Sajad Hosseini 1
  • Mansour Matloobi 1
  • Adel Dabbagh Mohammadi Nassab 2
چکیده [English]

Flower stem length is highly important in cut roses. One of the Richard’s function application is estimating growth behavior of plants. Four cultivars of cut roses have been selected in a commercial greenhouse then were subjected to stem length measurement upon producing a new node. Data was first fitted to the nearest form of curve, i.e., quadratic model. Coefficient of determination was calculated between 0.95 and 0.98 for this model. Thereafter, data transformation was done by dividing each value by the maximum value in the measured data. Richard’s function was then fitted to the data which gave rise to R2 value of more than 0.99 for most cultivars. To estimate model parameters for all curves of cultivars in two seasons we used nonlinear least square regression. The cultivar ‘Black Magic’ showed the highest rate of curve slope in inflection point, however the curve slope for spring season was appeared to be more than the summer slope. First derivative of the Richard’s function was used to calculate the relative stem growth rate. Results indicated higher rate of relative growth rate for spring stems rather than summer stems. Spring stems showed their highest relative growth rate in eighth and ninth node while this happened for summer stems in nodes of five and six. Estimation of stem final length was done by 10 cm difference from the measured value in fourth node onwards and about 5 cm difference in nodes followed by node 8.
 
 

کلیدواژه‌ها [English]

  • Cut Roses
  • Growth Models
  • Richard’s
  • Relative Growth Rate
  • Stem Length
Bredmose N, Hansen J, Nielsen J. 1999. Factors intrinsic to the axillary bud determine topophysic effects on bud and shoot growth and flower development in Rosa hybrida. International Journal of Plant Sciences, 160(5): 819–825.
Buck-Sorlin G, de Visser PHB, Henke M, Sarlikioti V, Van der Heijden GW, Marcelis LFM, & Vos J. 2011. Towards a functional-structural plant model of cut-rose: simulation of light environment, light absorption, photosynthesis and interference with the plant structure. Annals of Botany, 108(6): 1121–34.
Costa JM & Heuvelink E. 2004. Modelling growth of the primary shoot of rose. Acta Horticulturae, 654, 279–286.
Gutierrez Colomer RP, Gonzalez-Real MM & Baille A. 2006. Dry matter production and partitioning in rose (Rosa hybrida) flower shoots. Scientia Horticulturae, 107(3): 284–291.
Dieleman JA & Meinen E. 2007. Interacting effects of temperature integration and light intensity on growth and development of single-stemmed cut rose plants. Scientia Horticulturae, 113(2):182–187
Hara Y. 2015. Calculation of Population Parameters using Richards Function and Application of Indices of Growth and Seed Vigor to Rice Plants. Plant Production Science, 1008:129-135.
Iwanami H, Moriya-tanaka Y, Honda C, Hanada T & Wada M. 2018.A model for representing the relationships among crop load , timing of thinning , flower bud formation , and fruit weight in apples. Scientia Horticulturae, 242, 181–187.
Kajihara S, Itou J, Katsutani N, Goto T, & Shimaji H. 2009. Partitioning of photosynthates originating from bent shoots in the arching and high-rack culture systems of cut rose production. Scientia Horticulturae, 121: 485–489.
Koya PR, & Taye G. T.2013. Solutions of Rate-state Equation Describing Biological Growths. American Journal of Mathematics and Statistics, 3(6): 305-311
Kucharavy D & Guio R De. 2015. Application of Logistic Growth Curve. Procedia Engineering, 131: 280–290.
Li G, Lin L, Dong Y, An D, Li Y, Luo W, Zhao C. 2012. Testing two models for the estimation of leaf stomatal conductance in four greenhouse crops cucumber, chrysanthemum, tulip and lilium. Agricultural and Forest Meteorology, 165(0): 92–103.
Massa D, Mattson NS, & Lieth H. 2008. An empirical model to simulate sodium absorption in roses growing in a hydroponic system. Scientia Horticulturae, 118(3): 228–235.
Marcelis LF, Heuvelink E, & Goudriaan J. 1998. Modelling biomass production and yield of horticultural crops: a review. Scientia Horticulturae, 74(1–2): 83–111.
Matloobi M, Baille A, González-Real MM, & Colomer RPG. 2008. Effects of sink removal on leaf photosynthetic attributes of rose flower shoots (Rosa hybrida L., cv. Dallas). Scientia Horticulturae, 118(4):321–327.
Oki LR, Mattson NS, & Lieth JH. 2006. Predicting stem length of cut flower roses at harvest using stem elongation rates in relationship to developmental events. Acta Horticulturae, 718,:13–120.
Pommerening A, & Muszta A. 2015. Methods of modelling relative growth rate. Forest Ecosystems,
2(5): 1-9   
Ritz C, Pipper C, Yndgaard F, Fredlund K & Steinrücken G. 2010. Modelling flowering of plants using time-to-event methods. European Journal of Agronomy, 32: 155–161.
Taki M, Ajabshirchi Y, Ranjbar SF, Rohani A & Matloobi M. 2016. Heat transfer and MLP neural network models to predict inside environment variables and energy lost in a semi-solar greenhouse. Energy and Buildings, 110: 314-329
Tjørve E & Tjørve KMC. 2010. A unified approach to the Richards-model family for use in growth analyses: Why we need only two model forms. Journal of Theoretical Biology, 267(3): 417–425.
Van Winden W. 2001. Handbook for Modern Greenhouse Rose Cultivation. Applied Plant Research, Netherland.
Yeo KH, Cho YY, Lee YB. 2010. Estimation of shoot development for a single-stemmed rose 'Vital' Based on thermal units in a plant factory system. Horticultural Science & Technology, 28(5): 768-776.