نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار، بخش تحقیقات اصلاح و تهیه نهال و بذر، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان یزد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یزد

2 دانش‌آموخته کارشناسی ارشد علوم و تکنولوژی بذر، دانشگاه تهران

3 دانش‌آموخته دکتری علوم و تکنولوژی بذر، دانشگاه کشاورزی و منابع طبیعی گرگان

چکیده

دو عامل اولیه مهم کنترل‌کننده جوانه‌زنی دما و پتانسیل آب می‌باشند. با استفاده از مدل‌ هیدروتایم می‌توان پاسخ جوانه‌زنی بذر به پتانسیل آب در دماهای مختلف را کمی‌سازی کرد. در این پژوهش با استفاده از مدل هیدروتایم پاسخ جوانه‌زنی بذر کلزا (.Brassica napus L) رقم اکاپی به سطوح مختلف پتانسیل آب در دماهای مختلف موردبررسی قرار گرفت. تیمارهای آزمایشی شامل سطوح مختلف خشکی (پتانسیل‌های 0، 0.2-، 0.4-، 0.6- و 0.8- مگا پاسکال) در دماهای 10، 15، 20، 25 و 30 درجه سانتی‌گراد بود. پاسخ جوانه‌زنی بذرها به سطوح مختلف پتانسیل‌ آب در دماهای مختلف با استفاده از مدل هیدروتایم کمی‌سازی شد (جهت محاسبه ضرایب هیدروتایم برای هر دما از مدل هیدروتایم با توزیع نرمال استفاده شد). نتایج نشان داد که در تمامی سطوح پتانسیل آب با افزایش دما تا 25 درجه سانتی‌گراد، درصد جوانه‌زنی افزایش یافت و با افزایش پتانسیل آب، درصد جوانه‌زنی کاهش یافت. ضریب هیدروتایم (θH) با افزایش درجه حرارت به‌طور معنی‌داری کاهش یافت به‌طوری‌که کمترین ضریب هیدروتایم (11.24 مگاپاسکال ساعت) مربوط به دمای 30 درجه سانتی‌گراد بود. پتانسیل پایه با افزایش درجه حرارت به‌طور معنی‌داری کاهش یافت و بیشترین پتانسیل پایه منفی با میانگین 0.91- مگا پاسکال مربوط به دمای 20 درجه سانتی‌گراد و کمترین میزان پتانسیل پایه (Ψb(50)) با میانگین 0.52- مگاپاسکال مربوط به دمای 30 درجه سانتی‌گراد بود. کمترین ضریب انحراف توزیع پتانسیل پایه در جمعیت (σ Ψb(50)) (0.35) مربوط به دمای 30 درجه سانتی‌گراد بود. جهت کمی‌سازی پاسخ جوانه‌زنی بذر کلزا به سطوح مختلف پتانسیل آب در دماهای مختلف استفاده از مدل هیدروتایم دارای نتایج نسبتاً قابل قبولی بود؛ بنابراین می‌توان با استفاده از خروجی‌ مدل هیدروتایم در دماهای مختلف درصد جوانه‌زنی بذر کلزا را در پتانسیل‌های مختلف پیش‌بینی نمود.

کلیدواژه‌ها

Adeli, R., Soltani, E., Akbari, G.A., Ramshini, H.A., 2017. Assessment of seed germination on the response to water potential in different canola genotypes using hydrotime model. Crops Improvement. 19(4), 921-932. [In Persian with English Summary].
Alimagham, S.M., Ghaderi-Far, F., 2014. Hydrotime model: Introduction and application of this model in seed researches. Environmental Stresses in Crop Sciences. 7(1), 41-52. [In Persian with English Summary].
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. Ceretari Agronomic 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.
Balbaki, R.Z., Zurayk, R.A., Blelk, M.M., Tahouk, S.N., 1999. Germination and seedling development of drought tolerant and susceptible wheat under moisture stress. Seed Science and Technology. 27, 291-302.
Benech-Arnold, R.L., Sa´nchez, R.A., 1995. Modeling weed seed germination. P 545–566, In: Kigel, J., Galili, G. (eds.), Seed Development and Germination. New York, Marcel Dekker.
Bradford, K.J., Somasco O.A., 1994. Water relations of lettuce seed thermoinhibition I Priming and endosperm effects on base water potential. Seed Science Research. 4(1), 1–10.
Bradford, K.J., 1990. A water relation analysis of seed germination rates. Plant Physiology. 94, 840-849.
Bradford, K.J., 1997. The hydrotime concept in seed germination and dormancy, pp 349-360. In: Ellis, R.H., Black, M., Murdoch, A.J., Hong, T.D. (eds.), Basic. Applied Aspect. Seed Biology, Boston, Kluwer Academic Publishers.
Bradford, K.J., 2002. Applications of hydrothermal time to quantifying and modeling seed germination and dormancy. Weed Science. 50, 248–260.
Bradford, K.J., Still, D.W., 2004. Application of hydrotime analysis in seed testing. Seed Technology. 26, 74-85.
Brown, R.F., Mayer, G.G., 1988. Representing cumulative germination. The use of the Weibull function and other empirically derived curves. Annals of Botany. 6, 127-138.
Cardoso, V.J.M., Bianconi, A., 2013. Hydrotime model can describe the response of common bean (Phaseolus vulgaris L.) seeds to temperature and reduced water potential.  Acta Scientiarum, 35(2), 255-261.
del Monte, J.P., Dorado, J., 2011. Effects of light conditions and after-ripening time on seed dormancy loss of Bromus diandrus Roth. Weed Research. 51, 551–590.
Forcella, F., Oskaui, K.E., Wagner, S.W., 1993. Application of weed seed bank ecology to lowinput crop management. Ecology Applied. 3, 74-83.
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.
Gummerson R.J., 1986. The effect of constant temperatures and osmotic potentials on the germination of sugar beet. Journal of Experimental Botany. 37(6), 729–741.
Hilhorst, H.W.M., 1998. The regulation of secondary dormancy. The membrane hypothesis revisited. Seed Science Research. 8, 77-90.
Huarte, R., 2006. Hydrotime analysis of the effect of fluctuating temperatures on seed germination in several non-cultivated species. Seed Science and Technology. 34, 533-547.
Leblanc, M. L., Cloutier, D.C., Stewart, K.A., Hamel, C., 2004. Calibration and validation of a common lambsquarters (Chenopodium album) seedling emergence model. Weed Science. 52, 61–66.
Michel, B.E., Kaufmann, M.R., 1973. The osmotic potential of polyethylene glycol 6000. Plant Physiology. 51, 914-916.
Myers, M.W., Curran, W.S., VanGessel, M.J., Calvin, D.D., Mortensen, D.A., Majek, B.A., Karsten, H.D., Roth, G.W., 2004. Predicting weed emergence for eight annual species in the northeastern United States. Weed Science. 52, 913–919
Nonogaki, H., Bassel G.W., Bewley J. D. 2010. Germination still a mystery. Plant Science. 179, 574–81.
Schellenberg, M.P., Biligetu, B., Wei, Y., 2013. Predicting seed germination of slender wheatgrass [Elymus trachycaulus (Link) Gould subsp. trachycaulus] using thermal and hydro time models. Canadian Journal of Plant Science. 93, 793-798.
Sester, M., Dürr, C., Darmency, H., Colbach, N., 2007. Modeling the effects of cropping systems on the seed bank dynamics and the emergence of weed beet. Ecology Modeling. 204, 47–58.
Soltani, E., Adeli, R., Akbari, G.A. and Ramshini, H.A., 2017. Application of hydrotime model to predict early vigor of rapeseed (Brassica napus L.) under abiotic stresses. Acta Physiologiae Plantarum. 39: 252.
Tabatabaei, S.A., Ansari, O., 2017.  Quantification of safflower (Carthamus tinctorius) seed germination response to water potential and priming: hydro time models on the basis of normal, weibull and gumbel distributions. Environmental Stresses in Crop Sciences. 11(2), 327-340. [In Persian with English Summary].
Taghi Zoghi, S., Soltani, E., Alahdadi, I. and Sadeghi, R., 2018. The effect of different seed coating treatments on seed germination of canola under drought and salinity stresses, using modeling approach. Crops Improvement. 20(3), 577-593. [In Persian with English Summary].
Windauer, L., Altuna, A. and Benech-Arnold, R., 2007. Hydrotime analysis of Lesquerella fendleri seed germination responses to priming treatments. Industrial Crops Products. 25, 70-74.