Kavun türünde yaprak alanının matematiksel modeller ile tahminlenmesi

Abstract

Amaç: Bitkilerin yaprak alanının belirlenmesinde kullanılan basit, doğru ve bitkiye zarar vermeyen yöntemler, birçok deneysel karşılaştırmada önemli yer tutmaktadır. Bu çalışmada serada yetiştirilen kavun bitkisinin farklı kalsiyum düzeyleri (0, 5, 10, 20 ve 30 kg/da) ve farklı sulama suyu miktarları (I50, I75, ve I100) altında yaprak alan modellerinin geliştirilmesi ve bu modelden faydalanılarak bitkilere zarar vermeden yaprak alanlarının belirlenmesi amaçlanmıştır.

Yöntem ve Bulgular: Bu amaçla her uygulamadan 30’ar adet yaprak toplanmış (toplam 1350 adet) ve bu yaprakların en (W) ve boy (L) ölçümleri dijital kumpasla yapılırken, yaprak alanı (LA) ölçümleri dijital planimetre ile yapılmıştır. Yaprak eni, yaprak boyu ve yaprak alanı değerleri arasındaki ilişkiler MS-Excel 2010 (Microsoft Inc.) yazılımı ile grafiksel olarak incelenmiştir. Yaprak eni, yaprak boyu ve yaprak alanı değerleri arasındaki matematiksel tahmin modelleri ise; Unscrambler yazılımında (Versiyon 9.7, Camo Software, Norway) MLR (Multiple Linear Regression) yöntemine göre oluşturulmuştur. Tahmin modelinin doğrulanması için Tam Çapraz Geçerlilik (Full Cross Validation) yöntemi uygulanmıştır. Modellerin karşılaştırılması amacıyla her bir model için Unscrambler yazılımından elde edilen RMSEP (Root Mean Square Error of Prediction) ve R2 değerleri kullanılmıştır. Kısıtlı su uygulamalarının ortalama yaprak alanını azalttığı belirlenmiş ve bu bağlamda en başarılı modelin; Yaprak Alanı (cm2) = 0.3375 * (W2 + L2) - 0.3539 (RMSEP = 15.76 ve R2 = 0.97) olduğu belirlenmiştir.

Genel Yorum: Oluşturulan matematiksel model yardımıyla özellikle bitki gelişimi ile ilgili tüm tarımsal araştırmalarda çok pahalı cihazlarla ve/veya bitki sökümü yapılarak gerçekleştirilebilen bitki yaprak alanları ve Yaprak Alan İndeksi (LAI) değerleri basit doğrudan ölçümlerle belirlenebilecektir. Aynı zamanda yetiştirme sezonu boyunca aynı yaprak üzerinde ölçümlerin alınması da mümkün olabilecektir.

Çalışmanın Önemi ve Etkisi: Bu çalışma ile bilgisayara yükleyebildiğimiz basit bir yazılım sayesinde kavunda yaprak alan ölçümlerinin daha kısa sürede ve daha az hata ile sonuçlandırılması amaçlanmıştır. Elde edilen verilerle geliştirilen model yardımıyla kavun üzerinde yapılacak fizyolojik, morfolojik ve diğer çalışmalarda kullanılan toplam yaprak alanının hesaplanmasında özellikle araştırma yapan bilim insanlarına faydalı olacaktır. Bu çalışmadan yararlanılarak ve benzer yöntemlerle diğer bitkiler içinde model oluşturmak mümkün olacaktır.

Keywords

• Yaprak Alanı
• Büyüme Modeli
• Yaprak Alan İndeksi
• Su Stresi

Estimation of leaf area in melon species with mathematical models

Abstract

Aims: Simple, accurate, and non destructive methods of determining leaf area of plants are important for many experimental comparisons. The objectives of this study were to establish equations to estimate the leaf area of greenhouse-melon and non destructive leaf area determination by using this model and to evaluate the effects of five calcium rates (0, 5, 10, 20 ve 30 kg/da), and three irrigation water level (full, 25 and 50% restricted) on this estimates.

Methods and Results: For this reason, a total of 30 leaves for each treatments (totally 1350 leaves) were collected and the wide (W) and length (L) of the leaves were measured with digital compass and leaf areas (LA) were measured with digital planimeter. The relationships among W, L and LA of leaves were invested graphically by using MS-Excel 2010 (Microsoft Inc.). The mathematical model estimated with measured leaf parameters were derived from Unscrambler software (Versiyon 9.7, Camo Software, Norway) MLR (Multiple Linear Regression). Full Cross Validation statistical method was used for the validating of the models. The RMSEP (Root Mean Square Error of Prediction) and R2 values were used for comparison of the models. Mean leaf area values were decreased by restricted irrigation amount treatment. In the experiment, the best pepper leaf area estimating model was determined as LA (cm2) = 0.3375 * (W2 + L2) - 0.3539 (RMSEP = 15.76 ve R2 = 0.97).

Conclusions: With this model, estimating melon leaf area and leaf area index (LAI) values would be done without the use of expensive instruments and destructing the leaves of the plant. It is also possible to carry out the measurements on the same leaves throughout the growing period.

Significance and Impact of the Study: With this study, it is aimed to result in leaf melon measurements in a shorter time and with less errors thanks to a simple software that we can install on the computer. With the help of the model developed of the data obtained, it will be especially useful for scientists who conduct research in calculating the total leaf area used in physiological, morphological and other studies on melon. It will be possible to create a model among other plants by using this study and similar methods.

Keywords

• Leaf area
• growth model
• leaf area index
• water stress

References

1. Anonim (2019). TUİK, 2019. Türkiye İstatistik Kurumu, Bitkisel Üretim İstatistikleri, 2019. tuik.gov.tr
2. Bozkurt S, Sayılıkan Mansuroğlu G (2019). Biber bitkisinde doğrusal ölçümlerle yaprak alan modelinin oluşturulması. Mustafa Kemal Üniversitesi Tarım Bilimleri Dergisi. 24(2):77-86.
3. Çamaş N, Ayan AK, Esendal E (2005). Leaf Area Prediction Model for Safflower (Carthamus tinctorius L.) Pakistan Journal of Biological Sciences 8 (11): 1541-1543
4. Capell T,Bassie L, Christou P (2004). Modulation of hepolyamine biosynthetic pathway in transgenic rice confers tolerance to drought stress, Pnas, 101 (26): 9909-9914.
5. Centritto M, Loreto F, Massacci A,Pietrini F, Villani MC, Zacchine M (2000). Improved Growth and Water Use Efficiency of Cherry Saplings under Reduced Light Intensity. Ecological Research, 15: 385–392.
6. Çevik B, Kanber R, Biçici M, Pakyürek Y, Köksal H (1992). Sera Koşullarında Yetiştirilen Hıyarda Değişik Toprak Örtü Materyallerinin Verim, Kalite ve Su Tüketimine Etkileri. Türkiye I. Ulusal Bahçe Bitkileri Kongresi, Cilt II, Ege Üni. Ziraat Fakültesi, İzmir.
7. Esbensen KH (2009). Multivariate Data Analysis - In Practice. 5th Edition. Camo. Norway.
8. Gomez KA,Gomez AA (1984). Statistical Procedures for Agricultural Research. John Wiley and Sons, New York.

9. Gülümser A, Bozoğlu H, Peşken E (1998). Yemeklik Tane Baklagiller (Uygulama Kitabı). OMÜ. Ziraat Fak. Ders Kitabı No.27. Samsun.
10. Guo DP, Sun YZ (2001). Estimation of leaf area of stem lettuce (Lactuca sativa var. angustana) from linear measurements. Indian Journal of Agricultural Science, 71(7): 483-486.
11. Jaleel CA, Manivannan P, Sankar B, Kishorekumar A, Gopi R, Somasundaram R, Panneerselvam R (2007). Water deficit stress mitigation by calcium chloride in Catharanthus roseus: Effects on oxidativestress, proline metabolism andindole alkaloid accumulation. Biointerfaces, 60: 110-116.
12. Kandiannan K, Kailasam C, Chandaragiri KK, Sankaran N (2002). Allometric model for leaf area estimation in black pepper (Piper nigrum L.). J. Agronomy& Crop Science, 188: 138-140.
13. Kanemasu ET, Asrar G, Fuchs M (1985). Application of remotely sensed data in wheat growth modelling. In: Wheat Growth and Modelling, Eds.: W. Day and R.K. Atkin. Nato Asi Series, Series A: Life Sciences, 86, 357-369.
14. Kaygısız H (2000). Sebzecilik Genel Teknikler Özel Uygulamalar (Domates, Biber, Patlıcan, Hıyar). Genişletilmiş İkinci Baskı, Hasad Yayıncılık Ltd. Şti., İstanbul.
15. Koç M, Barutçular C (2000). Buğdayda çiçeklenme dönemindeki yaprak alanı indeksi ile verim arasındaki ilişkinin Çukurova koşullarındaki durumu. Turk Journal Agric For. 24:585-593.
16. Kocaçalışkan İ (2003). Bitki Fizyolojisi. DPÜ Fen-Edebiyat Fakültesi Yayını, 420 s.
17. Longnecker N (1994). Nutrient deficiencies and vegetative growth. In Mechanisms of Plant Growth and Improved Productivity; Basra, A.S., Ed.; Marcel Dekker: New York,137–172.
18. Manivel L, Weaver JC (1974). Biometric correlations between leaf area and length measurements of Grenache grape leaves . Hortscience, 9(1): 27-28.
19. Marschner H (1995). Mineral nutrition of higherplants, Acad. Pres., 2nd.ed., London.
20. Preece JE, Read PE (1993). The Biology of Hort. in İntroductory Textbook, p:263-269.
21. Reddy AR, Chaitanya KV, Jutur PP, Sumithra K (2004). Differential antioxidative responses to water stres among five mulberry (Morus alba L.) cultivars. Environmental and Experimental Botany, 52: 33–42.
22. Robbins NS, Pharr DM (1987). Leaf area prediction models for Cucumber from linear measurements. Hortscience, 22(6): 1264-1266.
23. Sepaskhah AR (1977). Estimation of individual and total leaf areas of safflowers. Agronomy Journal, 69(5): 783-785.
24. Splittstoesser WE (1990). Vegetable Growing Handbook, Organic and Traditional Methods, Plant Physiology in Horticulture University of Illinois, Urbana, Illinois, p:112-115.
25. Stewart DW, Dwyer LM (1993). Mathematical characterization of maize canopies. Agricultural and Forest Meteorology, 66:247-265.
26. Strik BC, Proctor JTA (1985). Estimating the area of trifoliolate and unequally imparipinnate leaves of strawberry. Hortscience, 20(6): 1072-1074.
27. Tuna AL, Özer Ö (2005). Farklı kalsiyum bileşiklerinin karpuz (Citrullus lanatus) bitkisinde verim, beslenme ve bazı kalite özellikleri üzerine etkisi. Ege Üniv. Ziraat Fak. Derg., 2005, 42(1):203-212.
28. Yarşı G, Sarı N (2006). Aşılı fide kullanımının sera kavun yetiştiriciliğinde beslenme durumuna etkisi. Alatarım Dergisi, 5 (2): 1-8.