水稻(Oryza sativa L.)种子萌发行为的统计模型构建及其在温-水双因子胁迫下的应用研究

本研究针对传统热时间模型(thermal time model)无法解释水分势阈值效应的难题，来自未知机构的研究人员创新性地开发了基于三参数对数逻辑分布(log-logistic distribution)的统计模型，整合水时间(hydro time)特性解析水稻种子萌发动态。通过建立考虑异方差和相关性的参数估计方法，揭示了不同成熟度品种在温-水胁迫下的萌发生理阈值，为气候变化条件下的水稻种子活力评估提供了量化工具。

　　

种子萌发测试是评估种子质量的关键环节，这一复杂生理过程受遗传因素、生理生化机制及温度(thermal)、水分势(water potential)等环境因子的协同调控。传统研究采用热时间特性(thermal time property)建立萌发时间进程模型，但该模型在非饱和萌发条件下无法表征水分势的阈值效应。

研究团队创新性地运用三参数对数逻辑分布理论框架，成功整合水时间特性(hydro time properties)构建统计模型。该模型参数可有效区分生物因子对萌发行为的影响差异，为解析不同气候条件下水稻种子活力提供了新方法。开发的新型参数估计算法兼顾数据相关性(correlation)和异方差性(heteroscedasticity)，与最大似然估计法(maximum likelihood estimation)形成方法学互补。

研究突破性地量化了母株生长环境与种子成熟度对萌发特性的影响，相较于仅关注基础温度(cardinal temperature)的传统方法，首次系统提出了不同成熟度水稻品种在水分胁迫条件下的最适萌发温度区间。这项研究为精准预测气候变化情境下的水稻种植适应性提供了理论模型和量化标准。