پیش‌بینی تعداد دانه در گندم

نوع مقاله : مقاله پژوهشی

چکیده

پی بردن به تغییرات تعداد دانه در واحد سطح اثر مهمی در شناخت تشکیل عملکرد و افزایش عملکرد بالقوه دارد. در بعضی از مدل‌های شبیه‌سازی گندم برای پیش‌بینی عملکرد به پیش‌بینی مناسب تعداد دانه بستگی دارد. از این‌رو به‌منظور کمی کردن رابطه بین تعداد دانه در واحد سطح با پارامترهای تأثیرگذار (محیطی و غیرمحیطی) برروی آن، آزمایشی به‌صورت تجزیه مرکب در قالب طرح بلوک‌های کامل تصادفی در 4 تکرار در دانشکده علوم زراعی دانشگاه علوم کشاورزی و منابع طبیعی گرگان در سال زراعی 85-1384 اجرا شد. تیمارها شامل تاریخ‌های کاشت (23 آذر،30 دی، اول اسفند، 29 اسفند، 27 فروردین) و ارقام گندم (کوهدشت، شیرودی، تجن و زاگرس) بودند. نتایج ضریب همبستگی نشان داد که رابطه تعداد دانه در واحد سطح با میانگین دما در درجه اهمیت اول قرار دارد ولی برازش مدل‌های غیرخطی بر پارامترهای تأثیرگذار بر تعداد دانه در واحد سطح و بررسی ضریب تغییرات و R2در مدل‌های مختلف مشخص گردید که اثر ماده خشک ساقه در گرده‌افشانی بهترین برآورد را دارد که با توجه به معادله‌ای که از برازش به‌دست آمده نشان داد که تقریباً در 747 گرم ماده خشک ساقه در مترمربع 95 درصد دانه‌ها تشکیل می‌شود.

عنوان مقاله [English]

Predicting Kernel Number in Wheat

چکیده [English]

Understanding the variation of kernel number per unit area (KNO) is an important factor in respect yield and in identifying opportunities to increase potential yield. Some crop models are for dependence on kernel number prediction to yield simulation. In order to quantify the relationship between kernel number per unit area and influencing parameters (Environment and non-environment-based factors), compound analysis with randomized complete block design was conducted including four replications. This experiment was done at the Gorgan University of Agricultural Sciences Research Farm in 2005. The treatments were five different sowing dates (14 December, 20 Jan, 20 Feb, 20 March, 16 Apr) and four wheat variations (Kohdasht, Shirudi, Tajan, Zagros). Considering results of correlation coefficients, kernel number per unit area appeared to have the best relation with mean temperature, but Non-linear models fitting indicated that the highest R2 and the lowest CV belonged to stem dry matter at anthesis. Fitted model showed that 95% of kernel numbers are formed when stem dry matter is around 747 g.