ارزیابی مدل‌های رگرسیونی غیرخطی برای استفاده در آنالیز رشد گندم

نوع مقاله: مقاله پژوهشی

چکیده

آنالیز رشد روش با ارزشی در بررسی کمی رشد و نمو و تولید محصولات به شمار می‌رود. مدل‌های رگرسیونی زیادی برای توصیف الگوهای رشد سیگموییدی وجود دارد. با توجه به این‌که پارامترهای مدل‌های رگرسیونی غیر‌خطی از لحاظ فیزیولوژیکی پرمعنا می‌باشند، نسبت به مدل‌های خطی ارجح‌تر هستند. هدف از این مطالعه جمع‌آوری و ارایه مدل‌های رگرسیونی غیر‌خطی پرکاربرد در مطالعات آنالیز رشد (لجستیک، گومپرتز، ریچاردز، ویبول، نمایی خطی بریده، نمایی خطی متقارن و دو نوع مدل بتا برای توصیف روند تغییرات وزن خشک و مدل‎های لجستیک و بتا برای توصیف روند تغییرات سطح برگ) بود. آزمایشی با طرح پایه بلوک‌های کامل تصادفی در چهار تکرار و در دو شرایط کشت دیم و آبی و 7 رقم گندم (آریا، دریا، کوهدشت، شیرودی، تجن، تارو و زاگرس) به‌صورت آزمایش مرکب در سال زراعی 88-1387 اجرا شد. در این مطالعه کلیه مدل‌های رگرسیونی غیرخطی به داده‌های سطح برگ و وزن خشک دو رقم گندم آریا و زاگرس برازش داده شدند. نتایج نشان داد که تمام مدل‌های مورد استفاده به خوبی روند تغییرات وزن خشک و سطح برگ را در برابر زمان (روز پس از کاشت) توصیف کردند و از این مدل‌ها می‌توان در مطالعات آنالیز رشد استفاده کرد.

عنوان مقاله [English]

Evaluating non-linear regression models for use in growth analysis of wheat

چکیده [English]

Growth analysis is a valuable method in the quantitative analysis of crop growth, development and crop production. There are many regression models to describe the sigmoid growth patterns. By considering that, the parameters of non-linear regression models have physiological meanings, they are preferable relation to linear regression models. The aim of this study was to collect and evaluate the high visibility non-linear regression models in the growth analysis studies (Logistic, Gompertz, Richards, Weibull, Truncated Expolinear, Symetrical Expolinear and two kinds of Beta model to describe the biomass accumulation, and Logistic and Beta models to describe the leaf area index variation patterns). An experiment was conducted using 7 wheat cultivars (Arya, Darya, Kuhdasht, Shiroudi, Tajan, Taro and Zagros) in 2 conditions, irrigated and rainfed, in randomized complete block design with 4 replications in 2008-2009. All models were fitted to the dry matter and LAI data of two cultivars (Arya and Zagros). Results shoed that all of the used models at this study described well the variation pattern of dry matter accumulation and LAI by time (day after planting). And these models can be used in the growth analysis studies.