کمی کردن تولید و توزیع ماده خشک در گلرنگ

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گروه زراعت

2 هیات علمی

3 سایر

چکیده

مقدمه
مدل‌های شبیه‌سازی گیاهان زراعی یک ابزار قوی برای بهبود مدیریت زراعی و مطالعه عوامل محدودکننده و کاهنده عملکرد هستند. برای شبیه‌سازی رشد و عملکرد گیاه زراعی نیاز به تخمین پارامترهای گیاهی مربوط به فنولوژی، سطح برگ و تولید و توزیع ماده خشک می باشد. بنابراین این پژوهش با هدف کمّی‌کردن تولید ماده خشک و نیز محاسبه ضریب تخصیص ماده خشک به اندام‌های مختلف (برگ، ساقه و دانه) گیاه گلرنگ انجام شد.

مواد و روش
آزمایشی به صورت فاکتوریل در قالب طرح بلوک‌های کامل تصادفی در 4 تکرار با سه تاریخ کاشت (16 فروردین و 6 و 27 اردیبهشت) و چهار رقم (411، سینا، محلی‏اصفهان و صفه) در سال 1391-1390 در مزرعه پژوهشی دانشگاه ولیعصر (عج) رفسنجان انجام شد. نمونه‌گیری از دو هفته پس از کاشت تا انتهای فصل رشد با فاصله زمانی هر 10-5 روز انجام شد. در هر نمونه‌گیری وزن خشک اندام هوایی به تفکیک برگ، ساقه و دانه اندازه‎گیری شد. به‎منظور توصیف روند تغییرات ماده خشک کل (W) در برابر زمان پس از کاشت (t) از مدل نمایی خطی بریده استفاده شد. ضریب تخصیص ماده خشک برای هر یک از اندام‌های گیاه با استفاده از برازش مدل رگرسیون خطی بین داده‌های وزن خشک اندام موردنظر در برابر وزن خشک کل به‌دست آمد.

نتایج
نتایج نشان داد روند تغییرات ماده خشک در طی فصل رشد از منحنی نمایی بریده تبعیت می‌کند. مطابق این مدل حداکثر تجمع ماده خشک بین ارقام در تاریخ کاشت اول بین 1179-972، در تاریخ کاشت دوم بین 611-576 و در تاریخ کاشت سوم بین 277-191 گرم بر مترمربع متغیر بود. ضریب تخصیص ماده خشک به برگ بین 45/0 تا 51/0 در تاریخ کاشت اول، 51/0 تا 60/0 در تاریخ کاشت دوم و 44/0 تا 61/0 در تاریخ کاشت سوم متغیر بود و بین ارقام اختلاف معنی‌داری مشاهده نشد. ضریب تخصیص ماده خشک به ساقه برای ارقام در تاریخ کاشت اول تا سوم به ترتیب بین 35/0 تا 49/0، 24/0 تا 44/0 و 14/0 تا 23/0 متغیر بود. ضریب تخصیص ماده خشک به دانه در تاریخ کاشت اول بین 16/0 تا 44/0 بود که در تاریخ کاشت دوم در تمام ارقام نسبت به تاریخ کاشت اول افزایش یافت. ضریب تخصیص ماده خشک به دانه در تاریخ کاشت سوم بین 35/0 تا 76/0 متغیر بود و بین ارقام از این لحاظ اختلاف معنی‌داری وجود داشت.

نتیجه‌گیری
با استفاده از نتایج تحقیق حاضر استنباط شد که روند تولید و توزیع ماده خشک تحت تاثیر شرایط محیطی (دما و تشعشع خورشیدی) و رقم قرار می‌گیرد. نتایج به‌دست آمده در تاریخ کاشت‌های مختلف نشان داد که با تاخیر در کاشت از میزان سرعت رشد گیاه و نیز تولید ماده خشک کاسته می‌شود. در چنین شرایطی سهم ضریب تخصیص ماده خشک به ساقه کاهش و سهم ضریب تخصیص ماده خشک به برگ و به ویژه دانه افزایش می‌یابد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Quantifying dry matter production and partitioning in safflower (Carthamus tinctorious L.)

چکیده [English]

Abstract
Introduction
Simulation crop models are a robust tool to improve crop management and to study yield limiting and reducing factors. Crop parameters related to phenology, leaf area and dry matter production and partitioning are needed to simulate crop growth and yield. Therefore, the aim of present study is to quantify the dry matter production and to estimate dry matter partitioning coefficients to different crop parts (stem, leaf and grain).

Materials and Methods
A factorial experiment was conducted based on completely randomized block design with four replicates and three sowing dates (4 April, 25 April and 16 May) and four cultivars (411, Sina, Local Isfahan and Sofeh) in Research Farm of Rafsanjan Vali-e-Asr University in 2011. Sampling was done at an interval of 5-10 days from two weeks after planting and continued up to end of the growing season. On each sampling, the leaf, stem and grain dry matter weight were measured. The truncated expolinear model was fitted on total dry matter weight (w) data over the time (t). Coefficient of dry matter partitioning to different crop parts (leaf, stem and grain) was obtained by fitting the linear regression model on dry matter weight of each part versus total dry matter weight.


Results
Results showed that the model well described the trend of dry matter production versus days after planting. According to the model, the maximum dry matter accumulation in all three planting dates was obtained 972-1179, 576-611 and 191-277 gm-2, respectively. Coefficient of dry matter partitioning to leaves ranged from 0.45 to 0.51 in the first planting date, 0.51 to 0.60 in the second planting date and 0.44 to 0.61 in the third planting date. There was no different between the coefficients of cultivars. Coefficient of dry matter partitioning to stem in all three planting dates were 0.35-0.49, 0.24-0.44 and 0.14-0.23, respectively. There was no significant difference among the cultivars. Partitioning coefficient to grain was between 0.16 and 0.44 for the first planting date that was lower than the second planting date. In the third planting date, the coefficient was between 0.35 and 0.76 that there was a significant difference among the cultivars.

Conclusion
It was concluded that the trend of the dry matter production and partitioning is affected by environmental condition (temperature and solar radiation) and cultivar. The results showed that with delay in planting date crop growth rate and dry matter production were decreased. In such condition, coefficient of dry matter partitioning to stem was decreased and coefficient of dry matter partitioning to leaves and grain was increased.

کلیدواژه‌ها [English]

  • planting date
  • safflower
  • quantification
  • dry matter
1. Ahmad-Amini, T., Kamkar, B., and Soltani, A. 2011. The effect of planting date on the
allocation coefficients of dry matter in different wheat varieties. J. Crop Prod., 4(1): 150-
131. (In Persian)
2. Ghadirian, R., Soltani, A., Zeinali, A., Kalate-Arabi, M., and Bakhshandeh, A. 2012.
Evaluation of non-linear regression models for analysis of wheat. J. Crop Prod., 4(3): 77-55.
(In Persian)
3. Guadriaan, J., and Monteith, J.L. 1990. A mathematical function for crop growth based on
light interception and leaf area expansion. Ann. Bot., 66: 695-701.
4. Gutierrez Colomer, R.P., Gonzalez-Real, M.M., and Baille, A. 2006. Dry matter production
in rose (Rosa hybrida) flower shoots. Scientia Hort., 107: 284-291.
5. Hassan, F.U., Leitch, M.H., and Ahmad, S. 1999. Dry Matter Partitioning in linseed
(Linumusitatissimum L.). J. Agron. Crop Sci., 183: 213-216.
6. Inman-Bamber, N.G., Muchow, R.C., and Robertson, M.J. 2002. Dry matter partitioning of
sugarcane in Australia and South Africa. Field Crops Res., 76: 71-84.
7. Khajehpour, M.R. 2005. Industrial Plants. JDE Press. 580p. (In Persian)
8. Madah-Yazdi, V., Soltani, A., Kamkar, B., and Zeinali, A. 2008. Comparative physiology of
wheat and chickpea production and decay of leaves. J. Agric. Sci. Natu. Resou., 15(4): 72-
63. (In Persian)
9. Nasiri-Mahalati, M. 2000. Processes Growth Crop Potential Modelling. JDM Press., Pp: 280.
(In Persian)
10. Robertson, M.J., Silim, S., Chauhan, Y.S., and Ranganathan, R. 2001. Predicting growth and
development of pigeonpea: biomass accumulation and partitioning. Field Crops Res. 70: 89-
100.
11. Soltani, A. 2007. Application of SAS in Statistical Analysis.JDM Press. 182p. (In Persian)
12. Soltani, A., and Torabi, B. 2009. Crop Modeling: Case studies. JDM Press. 232p. (In
Persian)
13. Soltani, A., Maddah, V., and Sinclair, T.R. 2013. SSM-Wheat: a simulation model for wheat
development, growth and yield. Int. J. Plant Prod., 7(4): 711-740.
14. Van Ittersum, M.K., and Donatelli, M. 2003. Modelling cropping systems highlights of the
symposium and preface to the special issues. Eur. J. Agron., 18: 187-197.
15. Wang, E., and Engel, T. 2002. Simulation of growth, water and nitrogen uptake of a wheat
crop using the SPASS model. Environ. Model Software., 17: 387-402.
16. Yin, X., Gouadriaan, J., Latinga, E.A., Vos, J., and Spiertz, J.H. 2003. A flexible sigmoid
growth function determinate of growth Ann. Bot., 91: 361-371.