دقت و سادگی مدل‌های ریاضی آن‌ها را به ابزاری عالی جهت پیش‌بینی الگوی سبز شدن گونه‌های علف‌های هرز در شرایط مزرعه تبدیل کرده است. به‌منظور تعیین بهترین مدل سیگموئیدی از بین مدل های گامپرتز، ویبول، لجستیک و ریچاردز در پیش‌بینی سبز شدن گونه‌های علف‌هرز غالب یکساله در مزرعه چغندرقند، پژوهشی در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه فردوسی مشهد در سال زراعی 99-1398 انجام شد. ارزیابی تخریبی علف‌های هرز تاج‏خروس وحشی (Amaranthus retroflexus)، خرفه (Portulaca oleracea)، سلمه‏تره (Chenopodium album) و دم‏روباهی (Alopecurus myosuroides) هر 10 روز یک‌بار با استفاده از 12 کوادرات 25/0 مترمربعی که به‌صورت تصادفی در مزرعه‌ چغندرقند با مساحت 300 مترمربع کار گذاشته شده بود، صورت گرفت. با استفاده از مدل STM2 دمای روزانه خاک در عمق 5 سانتی‌متری شبیه‌سازی شد. نتایج این مطالعه نشان داد که باتوجه به شاخص آکائیک، مدل لجستیک بهترین پیش‌بینی را از الگوی سبز شدن علف‌های هرز A. retroflexus، P. oleracea و A. myosuroides (به‌ترتیب با شاخص آکائیک 30/3، 38/2 و 99/2) داشت. بااین‌حال، برای علف‏هرز C. album مدل گامپرتز بهترین پیش‌بینی را از الگوی سبز شدن این علف‌هرز با شاخص آکائیک 78/2 نشان داد. برای چهار علف‌‏هرز مورد مطالعه، مدل‌های برتر به‌طور دقیق سبز شدن تجمعی را به‌عنوان تابعی از زمان حرارتی خاک پیش‌بینی نمودند (R2 > 91/0، RMSE < 59/11 و ME > 81/0). صحت‌سنجی مدل‌های برتر نیز بیانگر دقت خوب این مدل‌ها در پیش‌بینی الگوی سبز شدن علف‌های هرز مورد مطالعه بود (R2 > 94/0، RMSE < 55/8 و ME > 93/0).

کلمات کلیدی