کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6378497 1624929 2014 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Quality changes in high and low oil content canola during storage: Part II - Mathematical models to predict germination
ترجمه فارسی عنوان
تغییرات کیفی در کاناله با کیفیت بالا و پایین در طول نگهداری: قسمت دوم - مدل های ریاضی برای پیش بینی جوانه زنی
کلمات کلیدی
ترجمه چکیده
مدل های ریاضی رمان برای پیش بینی جوانه زنی کلزا (از جمله کلزا) ذخیره شده در شرایط آزمایشگاهی و مزرعه با پیش فرض های خاصی توسعه یافت. مدل ها بر اساس داده های جمع آوری شده در شرایط آزمایشگاهی (درجه حرارت ثابت) ایجاد شده اند. فرضیه های مدل های توسعه یافته نشان داد که جوانه زنی کانولا ذخیره شده تحت تأثیر دما، رطوبت، زمان ذخیره سازی و هوادهی قرار می گیرد. تأثیر این عوامل بر جوانه زنی کانولا ذخیره شده، محصول زمان موثر ذخیره سازی و اثر تعاملی دما، رطوبت، زمان ذخیره سازی و هوادهی بود. داده های جمع آوری شده در هر دو شرایط آزمایشی و آزمایشگاهی برای تنظیم و تدوین مدل های توسعه یافته مورد استفاده قرار گرفت. دقت پیش بینی مدل های مرتبط با شرایط مزرعه (به استثنای دانه های کانولا با محتوای رطوبت 14٪ که در کیسه های سی ان ان نگهداری می شود) بالاتر از شرایط آزمایشگاهی بود. مدل های توسعه یافته می تواند به صورت بصری یا ریاضی پیش بینی جوانه زنی کلزا یا کلزا را که تحت هیچ شرایطی ذخیره می شود. مدل های توسعه یافته بیش از 96٪ تغییرات جوانه زنی مشاهده شده از کلزا و دانه های کلزا را با رطوبت 10٪ آکا 10٪ رطوبت ذخیره شده در داخل مخزن قرمز یا کیسه های تجاری سیلیوم توضیح دادند.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم زراعت و اصلاح نباتات
چکیده انگلیسی
Novel mathematical models to predict germination of canola (including rapeseed) stored under laboratory and field conditions were developed with certain assumptions. The models were developed based on the data collected under laboratory condition (constant temperatures). The hypothesis of the developed models was that germination of stored canola was influenced by temperature, moisture content, storage time, and airtightness. The effect of these factors on germination of stored canola was the product of effective storage time and interactive effect of temperature, moisture content, storage time, and airtightness. Data collected under both laboratory and filed conditions were used to calibrate and verify the developed models. The prediction accuracy of the models associated with field conditions (except canola seeds with 14% moisture content stored inside silo bags) was higher than that under laboratory conditions. The developed models could visually or mathematically predict germination of canola or rapeseed stored under any condition. The developed models explained more than 96% variation of observed germination of the canola or rapeseed seeds with ≤10% moisture content stored inside a flat bottom bin or commercial silo bags.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Stored Products Research - Volume 59, October 2014, Pages 328-337
نویسندگان
, , , , ,