Modified generalized logistic functions (also known as Koya-Goshu functions) were used for mathematical description of germination. These functions constitute natural modification of traditionally used Richards' function for description of plants germination that introduces a non-linear time increase in exponent and an element related to time shift. Curves were adjusted to experimental data based on minimization of the square sum of difference between experimental data and a mathematical model (the smallest squares method). Results of simulation research show that the determined parameters of curves (e.g., values of the growth parameter, time shift or upper limit of population) describing the number of seedlings as a time function stay compliant to interpretation with regard to biology of the investigated processes. Based on the research, it was stated that for control and application of plant extracts to soil, Koyu-Gosha model has better adjustment to experimental data in comparison to the generalized logistic model.
PL
Do opisu matematycznego wschodów wykorzystano zmodyfikowane uogólnione funkcje logistyczne (znane również jako funkcje Koya-Goshu). Funkcje te stanowią naturalną modyfikację klasycznie stosowanych funkcji Richardsa w opisie wzrostu roślin, wprowadzającą nieliniowy przyrost czasu w wykładniku exponenty oraz człon związany z przesunięciem czasowym. Dopasowanie krzywych do danych eksperymentalnych przeprowadzono w oparciu o minimalizacje sumy kwadratów różnic pomiędzy danymi eksperymentalnymi, a modelem matematycznym (metoda najmniejszych kwadratów). Rezultaty badań symulacyjnych pokazują, iż wyznaczone parametry krzywych (np. wartości parametru wzrostu, przesunięcia czasowego czy górnej granicy populacji) opisujących ilość wschodów w funkcji czasu pozostają w dobrej zgodności z interpretacją na gruncie biologicznym badanych procesów. Na podstawie przeprowadzonych badań stwierdzono, iż dla kontroli oraz aplikacji do gleby wyciągów roślinnych model Koya-Goshu posiada lepsze dopasowanie do wyników eksperymentalnych w stosunku do uogólnionego modelu logistycznego.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.