بهینه‌سازی پرتودهی بذر ماش با امواج آلتراسونیک برای افزایش مؤلفه‌های بنیه گیاه‌چه توسط الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیأت علمی دانشگاه صنعتی شاهرود

2 دانشجوی دکتری

3 عضو هیأت علمی

چکیده

چکیده
سابقه و هدف: جوانه‌زنی کامل (C)، سریع (R) و یکنواخت (U) گیاه‌‌چه‌های قوی (V)، ویژگی‌هایی می‌باشند که همه باهم (CRUV) باعث کوتاه شدن زمان تا بسته شدن کانوپی و در نتیجه افزایش عملکرد گیاه می‌شوند. اگر احتمالاً بین کلیه یا برخی از اجزای CRUV همبستگی مثبتِ قوی (همبستگی بزرگتر از 95/0+) وجود نداشته باشد، یک سطح تیمار ممکن است بالاترین افزایش را در یک یا تعدادی از اجزای CRUV بدنبال داشته باشد ولی برای اجزای دیگر، با تأثیر کم یا حتی کاهنده به ‌شمار آید. در این شرایط، انتخاب بهترین سطح تیمار دشوار است (مخمصه قضاوت؛ Judgment predicament ). درون‌یابی سطوح تیمار برای حصول حداکثر افزایش ممکن در کلیه اجزای CRUV به طور همزمان (بهینه‌سازی مبتنی بر الگوریتم ژنتیک) می‌تواند به عنوان تجزیه تکمیلی، راهی برای فایق آمدن بر مخمصه قضاوت به شمار رود. هدف از این آزمایش، ابتدا یافتن پاسخ این سؤال بود که آیا در ماش و گیاهان دیگر این مخمصه قضاوت وجود دارد یا خیر؟. ثانیاً، در صورت مثبت بودن پاسخ این سؤال، بهترین ترکیب مؤلفه‌های پرتودهی بذر ماش با امواج آلتراسونیک (به عنوان تیمارهای افزاینده CRUV) شامل مدت خیساندن بذر قبل از پرتودهی، دمای پرتودهی و مدت پرتودهی بدست آورده شد.
مواد و روش‌ها: ابتدا بر روی میانگین داده‌های CRUV 10 مقاله منتشر شده، تجزیه همبستگی انجام شد. سپس یک آزمایش جوانه‌زنی بذر ماش به صورت فاکتوریل بر پایه طرح کاملاً تصادفی با 3 تکرار اجرا گردید. فاکتورهای آزمایش شامل مدت خیساندن بذر (2، 4، 6، 8، 10 و 12 ساعت)، مدت پرتودهی (0، 3، 6، 9 و 12 دقیقه) و دمای پرتودهی (17، 22، 27 و 32 درجه سانتی‌گراد) بود. به لحاظ عدم وجود همبستگی مثبتِ قوی بین کلیه اجزای CRUV در ماش، اقدام به بهینه‌سازی آنها با استفاده از الگوریتم ژنتیک شد. برای این امر، ابتدا تابع مطلوبیت محاسبه گردید و سپس مقادیر تابع مطلوبیت کل به دست آورده شد. برای پیش‌بینی متغیرهای پاسخ، توابع خطی و غیر خطی متفاوتی مورد آزمون قرار گرفت که از بین آنها، تابع غیر خطی چندگانه مناسب تشخیص داده شد. سپس با استفاده از الگوریتم ژنتیک و توسط نرم‌افزار متلب، مقادیری از فاکتورهای آزمایش که در آن، کمیت CRUV به طور همزمان حداکثر می‌گردد، بدست آورده شد.
یافته‌ها: نتایج نشان داد که در ماش همانند گیاهان دیگر گزارش شده در 10 مقاله مورد بررسی، بین برخی یا کلیه اجزای CRUV همبستگی مثبتِ قوی وجود نداشت. در نتیجه، به طور مورد انتظار در ماش نیز وجود مخمصه قضاوت صادق بود. نتایج تجزیه واریانس نشان داد که علاوه بر اثرات اصلی، برهمکنش سه گانه فاکتورها بر CRUV معنی‌دار بود. ترکیب بهینه شده فاکتورهای آزمایش برابر با دمای پرتودهی 89/24 درجه سانتی‌گراد، مدت پرتودهی 125/4 دقیقه‌ و خیساندن بذور به مدت 013/6 ساعت قبل از پرتودهی شد. این مقادیر فاکتورها توانست بالاترین افزایش ممکن را در CRUV به طور همزمان به دنبال داشته باشد.
نتیجه‌گیری: بر اساس نتایج این بررسی، به نظر می‌رسد مخمصه قضاوت همه‌گیر بوده و برای کلیه گیاهان زراعی صدق نماید. در نتیجه همانطور که برای ماش روی داد، مقادیر ترکیبی هر یک از فاکتورهای آزمایش (یا سطحی از تیمار) که برای آن (ها) بالاترین مقدار هر یک از اجزای CRUV حاصل می‌گردد مشابه نخواهد بود. در این شرایط، بهینه‌سازی به عنوان تجزیه و تحلیل تکمیلی در کنار مقایسه میانگین-ها، می‌تواند بهترین سطح تیمار (آزمایشات تک عاملی) یا ترکیب تیماری (آزمایشات چند عاملی) را مشخص نموده و به لحاظ حصول افزایش ممکن در CRUV به طور همزمان، باعث تسریع در بسته شدن کانوپی گردد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimization of irradiation of Mung bean seeds with ultrasound for increased seedling vigor components, using genetic algorithm

چکیده [English]

Abstract
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.

کلیدواژه‌ها [English]

  • Seedling vigor
  • irradiation temperature
  • pre-soaking
  • ultrasonic waves
1. Ansori, A., Shahgholi, H., Asghari,
H.R., and Azarni, M. 2012. Study of
allelopatic effects of seven plants on
germination and initial growth of
Indigifera tinctoria L. Tech. Plant Prod.,
11: 89-98 (In Persian).
2. Ansori, A., Shahgholi, H., Gholipoor, M.,
and Makarian, H. 2013. Effect of salinity
and temperature on seed germination of
Indigofera tinctoria L. Tech. Plant Prod.,
13: 54-65 (In Persian).
3. Bar, R. 1988. Ultrasound-enhanced
bioprocesses: cholesterol oxidation by
Rhodococcus erythropolis. Biotech.
Bioeng., 32: 655– 663.
4. Derringer, G., and Suich, R. 1980.
Simultaneous optimization of several
response variables. J. Qual. Tech. 12:
214-219.
5. Fazeli, F., Nezami, A., Parsa, M., and
Kafi, M. 2014. Evaluation of components
of germination and seedling growth of
Sesamum indicum L. ecotypes under
salinity conditions. Environ. Stresses
Plant Sci., 7: 217-232 (In Persian).
6. Ghorbani, R., Rahban, S., Mojtabaii, M.,
and Badri, A. 2015. Effect of seed aging
on germination and seedling growth of
sunflower (Helianthus annuus L.)
cultivars. Iran. J. Seed Res., 1: 7-13 (In
Persian).
7. Ghorbani, M.H., Soltani, A., and Amiri,
S. 2008. The effect of salinity and seed
size on response of wheat germination
and seedling growth. J. Agri. Sci. Nat.
Res., 14: 22-30 (In Persian).
8. Golestani-Far, F., and Mahmoodi, S.
2015. Cardinal temperatures for
germination in wild orach (Atriplex
dimorphostegia L.), saltwort (Salola
crassa L.) and seepweed (Suaeda
aegyptiaca L.) and effect of temperature
on their germination characteristics. J.
Seed Ecophysiol., 1: 71-87 (In Persian).
9. Harrington, E.J.R. 1965. The desirability
function. Indust. Qual. Cont., 21: 494-
498.
0.81
0.94
0.94
0.95
0.92
0.00 0.20 0.40 0.60 0.80 1.00
Combined (D)
Vigor
Uniformity
Rapidity
Completeness
Indivitual desirability function (di)
Objective response
مقادیر مطلوبیت
متغیرهای پاسخ
10. Hay, R.K.M., and Walker, A.J. 1989.
Introduction to the Physiology of Plant
Yield. Longman Group UK Limited,
Harlowm Pp: 57-72.
11. Jafarnezhad, A., Taheri, G., and
Rahchamanie, A.A. 2009. Study of
drought tolerance in four wheat genotypes
at germination stage. Environ. Stresses
Agric. Sci. 2: 73-85 (In Persian).
12. Khaliliaqdam, N., Soltani, A., Latifi, N.,
and Ghaderi-Far, F. 2003. Effect of
environmental conditions on soybean
seed vigor. Elect. J. Plant Prod., 5: 87-
104 (In Persian).
13. Koza, J., Keane, M., Streeter, M.,
Mydlowec, W., Yu, J., and Lanza, G.
2003. Genetic Programming IV: Routine
Human-Competitive machine intelligence.
Kluwer Academic Publishers.
14. Lopez-Castaneda, C., Richards, R.A.,
and Farquahar, G.D. 1995. Variation in
early vigor between barley and wheat.
Plant Sci., 35: 472- 479.
15. Maleki-Farahani, S., and Fahiminejad,
H. 2011. The effect of seed germination
in common caraway (Carum sp.) and
cumin (Cuminum sp.) treated with
ultrasonics. Paper Abstracts of the 2nd
Conference on Seeds. Mashhad:
Ferdowsi University, pp. 258-262.
16. Moghanibashi, M., Karimmojeni, H.,
and Nikneshan, P. 2013. Seed treatment
to overcome drought and salt stress
during germination of sunflower
(Helianthus annuus L.). J. Agrobiol., 2:
89–96 (In Persian).
17. Rebetzke, G.J., and Richards, R.A.
1999. Genetic improvement of early
vigour in wheat. Aust. J. Agric. Res., 50:
291–301.
18. Saleminasab, M., Gholipoor, M.,
Makarian, H., and Ariani, 2015.
Interaction of ultrasound and drought
stress on growth and development of corn.
Procedings of the first conference on
novel findings in bioscience & agriculture,
Zabol University, Iram (In Persian).
19. Sharifi, R., and Sharifi, R. 2008. Study
the effect of PEG on germination and
seedling growth of safflower cultivars. J.
Iran. Biol., 21: 14-21 (In Persian).
20. Shimomura, S. 1990. The effects of
ultrasonic irradiation on sprouting radish
seed, Ultrasonic Symposium,
Proceedings, IEEE, 3: 1665-1667.
21. Sivakumar, T., Manavalan, R., and
Valliappan, K. 2007. Global
optimization using derringer's
desirability function: Enantioselective
determination of ketoprofen in
formulations and in biological matrices.
Acta Chrom., 19: 29-47.
22. Soltani, E., Soltani, A., and Oveisi, M.
2013. Modeling the seed aging effects on
emergence of drought-stressed wheat:
Optimization of GERMIN software for
prediction of emergence pattern. J.
Agron., 15: 147-160 (In Persian).
23. Soltani, E., and Soltani, A. 2015. Metaanalysis
of seed priming effects on seed
germination, seedling emergence and
plant yield: Iranian studies. Int. J. Plant
Prod., 9: 413-432.
24. Tanner, C.B., and Sinclair, T.R. 1983.
Efficient water use in plant production:
research or re-search? P 1-28, In: H.M.
Taylor, W.R. Jordan and T.R. Sinclair
(eds), Limitations to Efficient Water use
in Plant Production, American Society
of Agronomy. Madison, WI.
25. Vinning, G.G. 1998. A compromise
approach to multi-response optimization.
J. Quality Tech., 30: 309-313.
26. Yaldagard, M., Mortazavi, S.A., and
Tabatabaie, F. 2008a. Influence of
ultrasonic on the germination of barley
seed and its alpha-amylase. Afr. J.
Biotech., 7: 2456-2471.
27. Yaldagard, M., Mortazavi, S.A., and
Tabatabaie, F. 2008b. The effect of
ultrasound in combination with thermal
treatment on the germinated barley’s
alpha-amylase activity. Korean J.
Chemical Eng., 25: 517-523.
28. Zadbood, A., Noghondarian, K., and
Zadbood, Z. 2013. Multiresponse
surface optimization via harmony search
algorithm. Int. J. Indus. Eng. Prod. Res.,
24: 131-136.