بخشی از مقاله
چکیده:
برنج از گیاهان زراعی مهم قارهي آسیاست و پژوهش در ارتباط با این گیاه از جایگاه ویژهاي برخوردار است. در بررسیهاي فیزیولوژیکی، تجزیه و تحلیل رشد و روشهاي ریاضی از جمله تعیین بهترین تابع رگرسیونی که بتواند رشد طولی میانگره نسبت به زمان را کمی نموده و مقادیرآن را پیش بینی نماید، میتواند اطلاعات مفیدي در مورد این متغیر ارائه نماید. در پژوهش حاضر به منظور برازش بهترین مدل رگرسیونی توجیه کننده رابطه بین افزایش رشد طولی میانگره آخر برنج رقم شاه پسند نسبت به زمان، آزمایشی در بهار و تابستان 1394 در مزرعه پژوهشی دانشکده کشاورزي دانشگاه گیلان انجام گردید.
پس از ثبت طول میانگره از ابتداي مرحله زایشی تا رسیدگی و ثابت شدن مقادیر، از مدلهاي مختلف غیر خطی از جمله لجستیک، نمایی، لگاریتمی، درجه سوم، هذلولی، شنات، نمایی مجانب، چاپمن-ریچارد، وان برتالانفی، گومپرتز، توانی و ویبول استفاده شد. نتایج نشان داد، مدل درجه سوم با بالاترین ضریب تبیین تصحیح شده - R2=0.993 - و کمترین جذر میانگین مربعات خطا - RMSE=0.133 - بهترین مدل در توجیه تغییرات طول میانگره آخر برنج رقم شاه پسند نسبت به زمان بود. انتظار میرود بتوان از این مدل با دقت بسیار بالا براي پیش بینی رشد طولی میانگره در رقم شاه پسند استفاده نمود.
مقدمه:
برنج - Oryza sativa L. - یکساله و از خانواده گندمیان، گیاهی نیمه گرمسیري و مناسب براي کشت در مناطق باطلاقی است.ساقه برنج ماشورهاي و برگها بصورت تناوبی رو ساقه قرار دارند. برنج بعد از گندم مهمترین غله دنیاست که غذاي بیش از نیمی از مردم جهان را تأمین میکند . - 2 - طول میانگره از جمله صفات مهم در فیزیولوژي از جمله خوابیدگی گیاه دارد. بدیهی است پژوهشهاي مرتبط با این گیاه از جایگاه ویژهاي برخوردار است.
رگرسیون یا وایازي مبحث ریاضی بسیار کاربردي است که ارتباط بین دو متغیر را به بهترین صورت ممکن با یک مدل ریاضی توصیف میکند. اساس کار رگرسیون، بررسی و شناخت رفتار بین متغیرها است. در موارد زیادي مشاهده میشود که پارامترهاي یک الگوي رگرسیونی خطی نیستند بنابراین پژوهشگران، متغیر وابستهاي را با بسطی ریاضی به متغیرهاي مستقل مربوط میکنند و اغلب این الگوها در پارامترها غیرخطیاند. از رگرسیون غیرخطی، در موارد بسیار زیادي، در علوم بیولوژي و کشاورزي استفاده می شود و کاربردهاي فراوانی به ویژه در پیشبینی متغیرهاي مهم اقتصادي در علوم زیستی و کشاورزي دارد
. از مهمترین مدلهاي غیر خطی مورد استفاده در کشاورزي میتوان به مدلهاي سیگموئید مضاعف، تک مولکولی، دونمایی خطی، لجستیک، گومپرتز، ریچاردز، ویبول، نمایی خطی، نمایی خطی بریده، نمایی خطی متقارن و بتا میباشند که در تحقیقات مختلف داخلی و خارجی مورد استفاده قرار گرفتهاند . - 4 - این تحقیق با هدف برازش بهترین مدل رگرسیونی توجیه کننده رابطه بین افزایش رشد طولی میانگرهي آخر برنج رقم شاه پسند نسبت به زمان طراحی شد.
مواد و روشها:
این تحقیق در بهار و تابستان 1394 در مزرعه پژوهشی دانشکده کشاورزي دانشگاه گیلان انجام گردید. در این آزمایش ابتدا بذور در خزانه کشت شدند و سپس در مرحله 3-4 برگی به زمین اصلی انتقال یافتند. نشاءها در زمین اصلی به مساحت حدود 100 مترمربع به طور یکنواخت و تک نشاء با فاصله کشت 25 در 25 سانتیمتر کشت شدند. در مراحل داشت وجین علفهاي هرز به صورت دستی انجام شد. به منظور حذف اثر حاشیه، بوتههاي کناري در کرت کنار گذاشته شد و بقیه بوتهها به تعداد 105 بوته پس از اتیکت گذاري به فاصله هر سه روز یکبار اندازهگیري شدند. اندازهگیري طول میانگره از ابتداي مرحله زایشی تا رسیدگی فیزیولوژیکی و ثابت ماندن مقادیر ثبت شده ادامه یافت
پس از ثبت دادهها به منظور برازش مدلهاي مختلف رگرسیونی از دستور PROC NLIN به کمک نرم افزار SAS 9.0
استفاده شد. مدلهاي مورد استفاده شامل 12 مدل غیر خطی از جمله لجستیک، نمایی، لگاریتمی، درجه سوم، هذلولی، شنات، نمایی مجانب، چاپمن-ریچارد، وان برتالانفی، گومپرتز، توانی و ویبول بود. در نهایت مقایسه مدلهاي برازش داده شده براساس جذر میانگین مربعات و ضریب تبیین مدل انجام گرفت 4 - و - 5 و نمودار مربوط به برازش مدل ها با استفاده از نرم افزار Excel ترسیم شد.
نتایج و بحث:
پس از برازش مدلهاي مختلف شامل رگرسیون خطی و 12 مدل غیر خطی براي توصیف رشد طولی میانگره آخر برنج رقم شاه پسند نسبت به زمان، به منظور شناسایی کارآمدترین مدل براي توصیف این صفت در این رقم از پارامترهاي مختلف ارزیابی برازش مدل استفاده شد و در نهایت برترین مدل ها تعیین شدند. جدول 1 خلاصه تجزیهها براي مدلهاي برتر را نشان میدهد. ضریب تبیین مدل رگرسیون غیرخطی و جذر میانگین مربعات خطا در مدل، از جمله این پارامترها میباشند.
همچنین پس از تعیین مقادیر طول میانگره مورد انتظار با استفاده از هر مدل، رابطه خطی بین این مقادیر با مقادیر مشاهده شده مورد بررسی قرار گرفت. در ارزیابی مدلهاي رگرسیونی غیر خطی بین مدلهایی که پس از برازش رابطه خطی بین مقادیر مشاهده شده و مورد انتظار، عرض از مبدأ آن با صفر و ضریب رگرسیون آن با یک اختلاف غیر معنی دار داشته باشد، مدلی برتر خواهد بود که داراي ضریب تبیین بالاتر و جذر میانگین مربعات خطاي کوچکتري باشد. در ارتباط با رابطه خطی مذکور باید خاطر نشان نمود ضریب رگرسیون نزدیک یک بیانگر انطباق بیشتر مقادیر مشاهده شده و مورد انتظار طول میانگره میباشد و از طرف دیگر عدم اختلاف عرض از مبدأ صفر نشانگر این است که عرض از مبدأ خط رگرسیون از عرض از مبدأ خط 1:1 اختلاف معنی دار ندارد
بر اساس نتایج جدول 1، مدل درجه سوم، بهترین مدل در توجیه تغییرات طول میانگره رقم شاه پسند نسبت به زمان بود و مدل هاي ویبول، وان برتالانفی، نمایی مجانب و چاپمن ریچارد در مرتبه بعدي قرار داشتند. مدل درجه سوم واجد بالاترین ضریب تبیین تصحیح شده برابر با 0/993 و کمترین جذر میانگین مربعات خطا - 0/133 - بود. شکل 1 و 2 نمودار برازش این مدلها را نشان میدهد. طبق این مدل روند افزایش طول میانگره در ابتدا دوره زایشی سرعت بیشتري داشت سپس از سرعت این روند افزایشی کاسته شد و در انتها نیز این روند سرعت بیشتري گرفت به طوريکه مدل درجه سوم توانست بیش از 99 درصد از تغییرات ارتباط افزایش طول میانگره نسبت به زمان را توجیه نماید.
جدول -1 پارامترهاي ارزیابی برازش مدل هاي غیر خطی شامل Root MSe - جذر میانگین مربعات خطا - و ضریب تبیین مدل غیر خطی - Adj R2 -
شکل -1 مدل برازش یافته درجه سوم به همراه مقادیر مشاهده شده شکل -2 رابطه رگرسیون برازش شده بین مقادیر مشاهده شده و مورد انتظار
