اثر تنش اسمزی بر دماهای کاردینال جوانه زنی بذر پنیرک (Malva sylvestris L.)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری رشته علوم و تکنولوژی بذر، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.

2 عضو هیئت علمی گروه زراعت، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.

چکیده

دما و پتانسیل آب دو عامل اولیه مهم کنترل‌کننده جوانه‌زنی می‌باشند.با استفاده از مدل‌های رگرسیون غیرخطی می‌توان پاسخ جوانه‌زنی بذر به پتانسیل اسمزی و دما را کمی‌سازی کرد؛ بنابراین این تحقیق به‌منظور بررسی اثر پتانسیل اسمزی و دماهای مختلف بر جوانه‌زنی و تعیین دمای کاردینال جوانه‌زنی (دمای پایه، مطلوب و بیشینه جوانه‌زنی) پنیرک تحت شرایط تنش اسمزی به اجرا درآمد. تیمارهای آزمایشی شامل سطوح مختلف پتانسیل اسمزی (صفر، 0.2-، 0.4-، 0.6- و 0.8- مگاپاسکال) و دماهای مختلف (5، 10، 15، 20، 25، 30، 35 و 40 درجه سانتی‌گراد) بود. با استفاده از مدل سیگموئیدی 3 پارامتره جوانه‌زنی بذر پنیرک به سطوح مختلف پتانسیل اسمزی برای دماها و پتانسیل‌های اسمزی مختلف کمی‌سازی شد و درصد و زمان رسیدن به 50 درصد جوانه‌زنی به‌دست آمد. نتایج نشان داد که دما و پتانسیل اسمزی علاوه بر درصد جوانه‌زنی بر سرعت جوانه‌زنی نیز اثرگذار بود. همچنین نتایج نشان داد که با افزایش دما، درصد و سرعت جوانه‌زنی افزایش یافت و با افزایش پتانسیل آب، درصد جوانه‌زنی و سرعت جوانه‌زنی کاهش یافت.در مقایسه 3 مدل استفاده‌شده با توجه به پارامترهای RMSE، CV، R2، SE مناسب‌ترین مدل جهت تخمین دماهای کاردینال بذر پنیرک تا پتانسیل 0.6- مگاپاسکال مدل دندان مانند و برای پتانسیل 0.8- مگاپاسکال مدل دوتکه‌ای بود. استفاده از مدل‌های رگرسیون غیرخطی جهت کمی‌سازی پاسخ جوانه‌زنی بذر پنیرک به سطوح مختلف پتانسیل آب در دماهای مختلف دارای نتایج قابل قبولی بود؛ بنابراین با استفاده از خروجی‌ این مدل‌ها در دماهای مختلف می‌توان سرعت جوانه‌زنی را در پتانسیل‌های مختلف پیش‌بینی نمود.

کلیدواژه‌ها


Acosta, J.M., Bentivegna, D.J., Panigo, E.S., Dellaferrera, I., 2014. Influence of environmental factors on seed germination and emergence of Iresine diffusa. Weed Research. 54, 584-592.

Ahmed, S., Opena, J.L., Chauhan, B.S. 2015. Seed germination ecology of doveweed (Murdannia nudiflora) and its implication for management in dry-seeded rice. Weed Science, 63: 491-501.

Akramghaderi, F., Soltani, A., Sadeghipour, H.R., 2008. Cardinal temperature of germination in medicinal pumpkin (Cucurbita pepo L. subsp. pepo. Convar. pepo var. styriaca Greb.), borago (Borago officinalis L.) and black cumin (Nigella sativa L.). Asian Journal of Plant Science. 2, 101-19.

Ansari, O., Choghazardi, H.R., Sharif Zadeh, F., Nazarli, H., 2012. Seed reserve utilization and seedling growth of treated seeds of mountain rye (Secale montanum) as affected by drought stress. Cercetări Agronomice în Moldova. 2(150), 43-48.

Ansari, O., Gherekhloo, J., Kamkar, B., Ghaderi-Far, F., 2016. Breaking seed dormancy and determining cardinal temperatures for Malva sylvestrisusing nonlinear regression. Seed Science and Technology. 44(3), 1-14.

Atak, M., Kaya, M D., Kaya, G., Cıkılı, Y., Ciftçi, C.Y., 2006. Effects of NaCl on the germination, seedling growth and water uptake of triticale. Turkish Journal of Agriculture and Forestry. 30, 39-47.

Bradford, K.J., 2002. Application of hydrothermal time to quantifying and modeling seed germination and dormancy. Weed Science. 50, 248-260.

Chauhan, B.S., Gill, G., Preston, C., 2006. Factors affecting seed germination of threehorn bedstraw (Galium tricornatum) in Australia. Weed Science. 54, 471-477.

Derakhshan, A., Gherekhloo, J., Vidal, R.B., De Prado, R., 2013. Quantitative description of the germination of littleseed canarygrass (Phalaris minor) in response to temperature. Weed Science. 62, 250-257.

Dumur, D., Pilbeam, C.J., Craigon, J., 1990. Use of the weibull function to calculate cardinal temperatures in faba bean. Journal of Experimental Botany. 41, 1423–1430.

Forcella, F., Benech Arnold, R.L., Sanchez, R., 2000. Modelling seedling emergence. Field Crops Research. 67, 123-139.

Ghaderi-Far, F., Soltani, A., Sadeghipour, H.R., 2009. Evaluation of nonlinear regeression models in quantifying germination rate of medicinal pumpkin (Cucurbita pepo L. subsp. pepo. Convar. pepo var. styriaca Greb), borago (Borago officinalis L.) and black cumin (Nigella sativa L.) to temperature. Journal of Plant Production. 16(4), 1-9. [In Persian with English Summary].

Grundy, A.C., Phelps, K., Reader, R.J., Burston, S., 2000. Modelling the germination of Stellaria media using the concept of hydrothermal time. New Phytology. 148, 433–444.

Guerke, W.R., Gutormson, T., Meyer, D., McDonald, M., Mesa, D., Robinson, J.C., TeKrony, D., 2004. Application of hydrotime analysis in seed testing. Seed Technology. 26 (1), 75- 85.

Kamkar, B., Jami Al-Ahmadi, M., Mahdavi-Damghani, A., 2011. Quantification of the cardinal temperatures and thermal time requirement of opium poppy (Papaver somniferum L.) seeds germinate using non-linear regression models. Industrial Crops and Products. 35, 192-198.

Kaya M.D., Okcu, G., Atak, M., Cıkılı, Y., Kolsarıcı, O., 2006. Seed treatments to overcome salt and drought stress during germination in sunflower (Helianthus annuus L.). European Journal of Agronomy. 24, 291-295.

Khodabakhshi, A., Kamkar, B., Khalili, N., 2015. Using nonlinear regression models to quantify germination response of annual savory to temperature and water potential. Agricultural Crop Management (Journal of Agriculture). 17(1), 229-240. [In Persian with English Summary].

Li, Q., Tan, J, Li, W., Yuan, G., Du, L., Ma, S., Wang, J., 2015. Effects of environmental factors on seed germination and emergence of Japanese brome (Bromus japonicus). Weed Science. 63, 641-649.

Nozari-nejad, M., Zeinali, E., Soltani, A., Soltani, E., Kamkar, B., 2014. Quantify wheat germination rate response to temperature and water potential. Iranian Society of agronomy and Plant Breeding Sciences. 6(4), 117-135. [In Persian with English Summary].

Piper, E.L., Boote, K.J., Jones, J.W., Grimm, S.S., 1996. Comparison of two phenology models for predicting flowering and maturity date of soybean. Crop Science. 36, 1606–1614.

Shafii, B., Price, W.J., 2001. Estimation of cardinal temperatures in germination data analysis. Journal of Agricultural, Biological, and Environmental Statistics. 6, 356–366.

Singh, M., Ramirez, A.H.M., Sharma, S.D., Jhala, A.J., 2012. Factors affecting the germination of tall morningglory (Ipomoea purpurea). Weed Science. 60, 1: 64-68.

Soltani, A., Robertson, M.J., Torabi, B., Yousefi-Daz, M., Sarparast, R., 2006. Modeling seedling emergence in chickpea as influenced by temperature and sowing depth. Agricultural and Forest Meteorology. 138, 156–167.

Tabaraki, R., Yousefi, Z., Ali, H., Gharneh., 2011. Chemical Composition and Antioxidant Properties of Medicinal Plant Malva sylvestris L. Journal of Research in Agricultural Science. 8(1), 59-68. [In Persian with English Summary].

Tang, W., Xu, X., Shen, G., and Chen, J., 2015. Effect of environmental factors on germination and emergence of aryloxyphenoxy propanoate herbicide-resistant and -susceptible Asia minor bluegrass (Polypogon fugax). Weed Science. 63, 669-675.

Van Assche, J.A., Vandelook, F.E.A., 2006. Germination ecology of eleven species of Geraniaceae and Malvaceae, with special reference to the effects of drying seeds. Seed Science Research. 16(4), 283-290.

Wang, J., Ferrell, J., MacDonald, G., Sellers, B., 2009. Factors affecting seed germination of Cadillo (Urena lobata). Weed Science. 57, 31-35.

Wei, S., Zhang, C., Li, X., Cui,H., Huang, H., Sui, B., Meng, Q., Zhang, H., 2009. Factors affecting Buffalobur (Solanum rostratum) seed germination and seedling emergence. Weed Science. 57, 521-525.

Yin, X., Kropff, M.J., McLaren, G., Visperas, R.M., 1995. A nonlinear model for crop development as a function of temperature. Agricultural and Forest Meteorology. 77, 1–16.