PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
22 (2018) | nr 3 (167) | 11--20
Tytuł artykułu

Concepts and Methods of Mathematic Modelling of Plant Growth and Development. Plant Germination - Part I

Warianty tytułu
Koncepcje i metody modelowania matematycznego procesów wzrostu i rozwoju roślin. Kiełkowanie roślin - część I
Języki publikacji
EN
Abstrakty
Nowoczesna inżynieria rolnicza, szuka "bezpiecznych" metod podwyższania jakości plonów roślin uprawnych, wykorzystując powiązanie wiedzy z wielu nauk. W ten zakres wpisuje się zatem modelowanie komputerowe wzrostu i rozwoju roślin, ponieważ stało się to obszarem badań interdyscyplinarnych. Przedstawienie wiedzy w postaci matematycznych modeli komputerowych jest jednym z paradygmatów systemów produkcji rolniczej opartych na wiedzy naukowej i praktycznej oraz informacji. W działalności naukowej w obszarze inżynierii rolniczej realizuje się już od wielu lat zadania badawcze związane z matematycznym modelowaniem procesów agrobiologicznych. Dodatkowo stosowanie nowoczesnych technik prognozowania w rolnictwie może przynieść realne korzyści finansowe, ze względu na fakt, iż na podstawie prognozowania plonu roślin uprawnych możliwe jest szacowanie opłacalności ich uprawy. Dynamiczny i ciągły postęp technologii komputerowych oraz informacyjnych kreuje nowe możliwości wytyczając tym samym kierunki rozwoju inżynierii rolniczej. Mając to na uwadze należy podkreślić, że modelowanie matematyczne stanowi wsparcie procesów decyzyjnych zachodzących w produkcji rolniczej. W artykule tym omówione zostały modele matematyczne, w których analizowany system jest opisany przy zastosowaniu formuł matematycznych. Celem pracy było przedstawienie dotychczasowego stanu wiedzy na temat metod matematycznych w opisywaniu i prognozowaniu kiełkowania nasion. Przedstawiono możliwości ich wykorzystania i nowe wyzwania pojawiające się w opisie kiełkowania nasion.(abstrakt oryginalny)
EN
Contemporary agricultural engineering searches for "safe" methods of raising crop yields, using a combination of knowledge from a number of sciences. Thus, computer modelling of plant growth and development fits this range, because it has become an area of interdisciplinary research. Presentation of knowledge in the form of mathematical computer models is one of paradigms of agricultural production systems based on the scientific and practical knowledge and information. In the scientific activity concerning agricultural engineering research tasks related to mathematical modelling of agrobiological processes have been carried out for many years. Additionally, the use of modern forecasting techniques in agriculture may bring real financial advantages with regard to the fact that based on crop yield prediction estimation of their cultivation profitability is possible. Dynamic and continuous progress of computer and informative technologies creates new opportunities showing thus growth directions of agricultural engineering. Taking this into consideration, it should be emphasised that mathematical modelling constitutes a support for decision processes which take place in agricultural production. This article discusses mathematical models, where the analysed system is described with the use of mathematical formulas. The objective of the paper was to present the current state of knowledge on mathematical methods in describing and predicting seeds germination. Possibilities of their use and new challenges which occur in the description of seeds germination were presented.(original abstract)
Rocznik
Numer
Strony
11--20
Opis fizyczny
Twórcy
  • University of Life Sciences in Lublin
Bibliografia
  • Aggarwal, P.K. (1993). Agro-ecological zoning using crop growth simulation models: characterization of wheat environments in India. F.W.T. Penning de Vries, P. Teng, K. Metselaar (Eds.), Systems approaches for sustainable agricultural development, Kluwer Academic Publishers, Dordrecht, The Netherlis, 97-109.
  • Allen, P.S. (2003). When i how many? Hydrothermal models and the prediction of seed germination. New Phytologist 158, 1-9.
  • Alvarado, V, Bradford, K.J. (2002). A hydrothermal time model explains the cardinal temperatures for seed germination. Plant, Cell & Environment 25, 1061-1069.
  • Baskin, C.C, Baskin, J.M. (1998). Seeds - ecology, biogeography, and evolution of dormancy and germination. San Diego, CA, USA: Academic Press.
  • Batlla, D, Kruk, BC, Benech-Arnold, RL. (2004). Modelling changes in dormancy in weed soil seed banks: Implications for the prediction of weed emergence. In: Benech-Arnold RL, Sanchez RA, eds. Hibook of seed physiology: applications to agriculture. New York, NY, USA: Food Product Press i the Haworth Reference Press, 245-270.
  • Bauer, M.C., Meyer, S.E., Allen, P.S. (1998). A simulation model to predict seed dormancy loss in the field for Bromus tectorum L. Journal of Experimental Botany 49, 1235-1244.
  • Benech Arnold, R.L., Ghersa, C.M., Sanchez, R.A., Insausti, P. (1990). A mathematical model to predict Sorghum halepense (L.) Pers. seedling emergence in relation to soil temperature. Weed Research, 30, 91-99.
  • Berry, G.J., Cawood, R.J., Flood, R.G. (1988). Curve fitting of germination data using the Richards function. Plant, Cell & Environment, 11, 183-188.
  • Bewley, J.D., Black, M. (1994). Seeds. Germination, Structure, and Composition. Springer Science+Business Media, LLC, New York. Białobrzeski, I., Markowski, M., Bowszys, J., Myhan, R. (2005). Symulacyjny model zmian pola temperatury w silosie zbożowym. Inżynieria Rolnicza, 8(68), 23-30.
  • Birch, C.P.D. (1999). A New Generalized Logistic Sigmoid Growth Equation Compared with the Richards Growth Equation. Annals of Botany, 83, 713-723.
  • Boniecki, P., Niżewski, P. (2010). Modelowanie neuronowe w rozwiązywaniu wybranych problemów predykcyjnych inżynierii rolniczej. Journal of Research i Applications in Agricultural Engineering, 55(1), 16-19.
  • Bradford, K.J., (1995). Water relations in seed germination. In: Kigel, J., Galili, G. (Eds.), Seed Development i Germination. Marcel Dekker, New York, pp. 351-396.
  • Cieśla A., Kraszewski, W., Skowron, M., Syrek P. (2015). Wpływ działania pola magnetycznego na kiełkowanie nasion. Przegląd Elektrotechniczny, 91(1), 125-128.
  • Daws, M.I., Crabtree, L.M., Dalling, J.W., Mullins, C.E., Burslem, D. (2008). Germination responses to water potential in neotropical pioneers suggest large-seeded species take more risks. Annals of Botany 102, 945-951.
  • De Wit, C.T. (1982). Simulation of living systems. In Simulation of plant growth and crop production, ed. F. W. T. Penning de Vries & H. H. van Laar. Simulation Monographs, PUDOC, Wageningen, The Netherlis. pp. 3-8.
  • Dingkuhn, M., Penning De Vries, F.W.T., Miezan, K.M. (1993). Improvement of rice plant type concepts: systems research enables interaction of physiology i breeding. In: Penning de Vries F., Teng P., Metselaar K. (eds) Systems approaches for agricultural development. Systems Approaches for Sustainable Agricultural Development, vol 2. Springer, Dordrecht Donald, C.M. (1968). The breeding of crop ideotypes. Euphytica, 17, 385-403.
  • Ellis, R.H., Covell, S., Roberts, E.H., Summerfield, R.J.(1986). The influence of temperature on seed germination rate in grain legumes. II. Intraspecific variation in chickpea at constant temperatures. Journal of Experimental Botany, 37, 1503-1515.
  • Fellner, M., Sawhney, V.K. (2001). Seed germination in a tomato male-sterile mutant is resistant to osmotic, salt and low temperature stresses. Theoretical and Applied Genetics, 102, 215-221.
  • Fenner, M., Thompson, K. (2005). The ecology of seeds. Cambridge. UK: Cambridge University Press.
  • Finch-Savage, W.E., Bergervoet, J.H.W., Bino, R.J., Clay, H.A., Groot, S.P.C. (1998). Nuclear replication activity during seed-dormancy breakage and germination in the three tree species: Norway maple (Acer platanoides L.), sycamore (Acer pseudoplatanus L.) and cherry (Prunus avium L.). Annals of Botany, 81, 519-526.
  • Finch-Savage, W.E., Phelps, K. (1993). Onion (Allium cepa L.) seedling emergence patterns can be explained by the influence of soil temperature and water potential on seed germination. Journal of Experimental Botany 44, 407-414.
  • Forcella, F. (1998). Real-time assessment of seed dormancy and seedling growth for weed management. Seed Science Research, 8, 201-209.
  • France, J., Thornley, J.H.M. (1984). Mathematical models in agriculture. Butterworths, London
  • Garcia-Huidobro, J., Monteith, J.L., Squire, G.R. (1982). Time, temperature and germination of pearl millet (Pennisetum typhoides S.H.). 1. Constant temperature. Journal of Experimental Botany, 33, 288-296.
  • Gładyszewska B. (1998). Ocena wpływu przedsiewnej laserowej biostymulacji nasion pomidorów na proces ich kiełkowania. Rozprawa doktorska. Lublin. Maszynopis.
  • Gładyszewska B., Koper R. (2002a). Symulacyjny model procesu kiełkowania nasion w ujęciu analitycznym. Inżynieria Rolnicza, 7, 59-63.
  • Gładyszewska, B., Koper, R. (2002b). Zastosowanie modelowania matematycznego w ocenie żywotności nasion. Inżynieria Rolnicza, 7, 51-57.
  • Gładyszewska, B. (2004). Matematyczne metody oceny wpływu procesów przedsiewnej stymulacji na kiełkowanie nasion. Acta Agrophysica, 3(3), 443-452.
  • Gładyszewska, B., Ciupak, A. (2009). Effect of temperature on the viability of buckwheat (cv. Kora) seeds. Teka Komisji Motoryzacji i Energetyki Rolnictwa, 6, 31-39.
  • Gładyszewska, B., Koper, R., Drabarek, L., Gładyszewski, G. (2001). Analityczne modele procesu kiełkowania nasion. Inżynieria Rolnicza, 2, 57-61.
  • Glaser, R. (1975). Wstęp do biofizyki. PZWL, Warszawa.
  • Hageseth, G.T., Joyner, R.D. (1975). Kinetics and thermodynamics of isothermal seed germination. Journal of Theoretical Biology, 53, 51-65.
  • Hunt, L.A. (1993). Designing improved plant types: a breeder's viewpoint. In: F.W.T., Penning de Vries F.P., Teng P., Metselaar K. (eds) Systems approaches for agricultural development. Springer, Dordrecht
  • Jazwiński, J., Pabis, S., Wieremiejczyk, W. (1975). Symulacyjne metody badań niezawodności systemów technicznych. Materiały na "Szkołę Zimową -75". Jaszowiec, 13-18 stycznia 1975, Katowice.
  • Keller, E.F. (2002). Making Sense of Life. Explaining Biological Development with Models, Metaphors, and Machines. Cambridge, MA: Harvard University Press.
  • Köchy, M., Tielbörger, K. (2007). Hydrothermal time model of germination: parameters for 36 Mediterranean annual species based on a simplified approach. Basic and Applied Ecology, 8,171-182.
  • Kropff, M.J., Haverkort, A.J., Aggarwal, P.K., Kooman, P.L. (1995). Using systems approaches to design and evaluate ideotypes for specific environments. J. Bouma, A. Kuyvenhoven, B.A.M. Bouman, J.C. Luyten, H.G. Zistra (Eds.), Eco-regional approaches for sustainable li use and food production, Kluwer Academic Publishers, Dordrecht, The Netherlis, 417-435.
  • Maksym, P., Marciniak, A.W., Kostecki, R. (2006). Zastosowanie sieci bayesowskich do modelowania rolniczego procesu produkcyjnego. Inżynieria Rolnicza, 12, 321-330.
  • Matthews, R.B., Kropff, M.J., Bachelet, D., van Laar, H.H. (1995). Modelling the impact of climate change on rice production in Asia. CAB International, Wallingford, UK.
  • Mesgaran, M.B., Mashhadi, H.R., Alizadeh, H., Hunt, J., Young, K.R., Cousens, R.D. (2012). Importance of distribution function selection for hydrothermal time models of seed germination. Weed Research, 53, 89-101.
  • Michałek, R. (20018). Przyszłość inżynierii rolniczej jako nauki i kierunku kształcenia. Inżynieria Rolnicza, 1(99), 297-302.
  • Minorsky, P.V. (2003). Achieving the in silico plant. Systems biology and the future of plant biological research. Plant Physiolgy, 132, 404-409.
  • Muszyński, S., Świetlicka, I., Świetlicki, M., Gładyszewska, B. (2015). Modelowanie kinetyki kiełkowania nasion pomidora z wykorzystaniem równania Gompertza. Acta Scientiarum Polonorum Technica Agraria, 14(1-2), 61-69.
  • Niklas, K. (2003). The bio-logic and machinery of plant morphogenesis. American Journal of Botany, 90, 515-525.
  • Odabas, M.S., Mut, Z. (2007). Modelling the effect of temperature on percentage and duration of seed germination in grain legumes and cereals. American Journal of Plant Physiology, 2, 303-310.
  • Pabis, S. (1985). Metodologia i metody nauk empirycznych. PWN, Warszawa.
  • Palanisamy, S., Penning de Vries, F.W.T., Mohiass, S., Thiyagarajan, T.M., Kareem A.A. (1993). Simulation in pre-testing of rice genotypes in Tamil Nadu. F.W.T. Penning de Vries, P. Teng, K. Metselaar (Eds.), Systems approaches for sustainable agricultural development, Kluwer Academic Publishers, Dordrecht, The Netherlis, 63-75.
  • Penning de Vries, F.W.T. (1982). Simulation of Plant Growth and Crop Production. Van Laar H.H. (Eds.), Simulation Monographs, Pudoc, Wageningen, The Netherlis.
  • Prusinkiewicz, P. (2004). Modeling plant growth and development. Current Opinion in Plant Biology, 7, 79-83.
  • Rabbinge, R. (1986). The bridge function of crop ecology. Netherlis Journal of Agricultural Sciences, 34, 239-251.
  • Ranal, M.A., Santana, D.G. (2006). How and why to measure the germination process. Revista Brasileira de Botânica, 29, 1-11.
  • Ratkowsky, D.A., Lowry, R.K., McMeekin, T.A., Stokes, A.N., Chiler, R.E. (1983). Model for bacterial culture growth rate throughout the entire biokinetic temperature range. Journal of bacteriology, 154(3), 1222-1226.
  • Roberts, E.H. (1988). Temperature and seed germination. In: Long, S.P., Woodword, F.I. (Eds.), Plants and Temperature. Society for Experimental Biology. Company of Biologists, Cambridge.
  • Roberts, E.H., Ellis, R.H. (1989). Water and seed survival. Annals of Botany, 63, 39-52.
  • Roe B. P. (1992). Probabilistic and statistics in experimental physics. Springer-Verlag, New York.
  • Roman, E.S., Murphy, S.D., Swanton, C.J. (2000). Simulation of Chenopodium album Seedling Emergence. Weed Science, 48, 217-224
  • Roman, E.S., Thomas, A.G., Murphy, S.D., Swanton, C.J. (1999). Modelling germination and seedling elongation of common lambsquarters (Chenopodium album). Weed Science, 47, 149-155.
  • Room, P., Hanan, J., Prusinkiewicz, P. (1996). Virtual plants: new perspectives for ecologists, pathologists and agricultural scientists. Trends in Plant Science, 1, 33-38.
  • Rowse, H.R., Finch-Savage, W.E. (2003). Hydrothermal threshold models can describe the germination response of carrot (Daucus carota) and onion (Allium cepa) seed populations across both sub- and supra-optimal temperatures. New Phytologist, 158, 101-108.
  • Seligman, N.G. (1990). The crop model record: promise or poor show? R. Rabbinge, J. Goudriaan, H. van Keulen, F.W.T. Penning de Vries, H.H. van Laar (Eds.), Theoretical Production Ecology: Reflections and Prospects, PUDOC, Wageningen, pp. 249-258.
  • Shafii, B., Price, W.J., Swensen, J.B., i Murray, G.A. (1991). "Nonlinear Estimation of Growth Curve Models for Germination Data Analysis," in Proceedings of the 1991 Kansas State University Conference on Applied Statistics in Agriculture, G. A. Milliken i J. R. Schwenke (eds.), Manhattan, KS: Kansas State University, 19-42.
  • Shafii, B., Price, W.J. (2001). Estimation of cardinal temperatures in germination data analysis. Journal of Agricultural, Biological and Environmental Statistics, 6, 356-366
  • Tjørve, E., Tjørve, K.M.C. (2010). A unified approach to the Richards-model family for use in growth analyses: why we need only two model forms. Journal of Theoretical Biology, 267, 417-425.
  • Trajer, J. (2005). Sztuczne sieci neuronowe w modelowaniu procesów z ograniczonym zbiorem danych w inżynierii rolniczej. Inżynieria Rolnicza, 2(62), 55-61.
  • Tsoularis, A., Wallace J. (2002). Analysis of logistic growth models. Mathematical Biosciences, 179, 21-55.
  • Van Keulen, H., Stol, W. (1995). Agro-ecological zonation for potato production. A.J. Haverkort, D.K.L. Mackerron (Eds.), Potato ecology and modelling of crops under conditions limiting growth, Kluwer Academic Publishers, Dordrecht, The Netherlis (1995), pp. 357-371.
  • Verhulst, P.F. (1838). Notice sur la loi que la population suit dans son accroissement. Correspondence Mathematique et Physique, 10, 113.
  • Werker, A.R., Jaggard, K.W. (1997). Modelling Asymmetrical Growth Curves that Rise and then Fall: Applications to Foliage Dynamics of Sugar Beet (Beta vulgaris L.). Annals of Botany, 79, 657-665.
  • Wolf, J. (1993). Effects of climate change on wheat production potential in the European Community. European Journal of Agronomy, 2, 281-292.
  • Yang, R.C., Kozak, A., Smith, J.H.G. (1978). The potential of Weibull-type functions as flexible growth curves. Canadian Journal of Forest Research, 8, 424-431.
  • Zeide, B. (1993). Analysis of growth equations. Forest Science, 39, 594-616.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171568333

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.