Если цель — именно оценить влияние температуры поливной воды на скорость прорастания, то нужен простой факторный опыт с чётким набором измерений и сопоставимых метрик. Что измерять и как сравнивать:

1) Что зафиксировать до старта

• Уровни температуры воды (независимая переменная): выберите минимум 4–5 уровней с шагом 5–10 °C внутри безопасного для вида диапазона (например, 5, 15, 25, 35, 40 °C).

• Контроль условий: одна партия семян, одинаковый субстрат, глубина и схема посева, объём полива (мл на ёмкость/семя), режим освещения, постоянная температура и влажность воздуха.

• Репликации: по каждому уровню температуры ≥4 повторности, в каждой по 25–50 семян (лучше 50). Случайно распределите семена по чашкам/кассетам.

• Схема полива: одинаковая частота (например, 1–2 раза в день) и одинаковый объём на полив.

2) Что измерять в ходе опыта

• Температура воды при каждом поливе (°C): измеряйте непосредственно перед подачей.

• Температура субстрата (°C): до и через ~1 мин после полива (на подвыборке повторностей), чтобы понять, какую фактическую «температурную ванну» испытали семена.

• Влага субстрата: по возможности одинаковая (взвешивание кассет до/после полива или датчик влажности).

• Погода/микроклимат: температура и влажность воздуха возле посевов (желательно логгером).

• Прорастание во времени: минимум 1 раз в сутки (лучше каждые 12 ч) считайте новопроклюнувшиеся семена в каждой повторности и записывайте время (t) от посева.

3) Какие метрики скорости рассчитать (зависимые переменные)

На основе поминутно/почасово/суточно накопленных данных по каждой повторности рассчитайте:

• Итоговая всхожесть, % (FGP): $\mathrm{FGP}=100\cdot \frac{\sum n}{N}$, где $n$ — число проросших, $N$ — посеянных.

• Среднее время прорастания (MGT): $\mathrm{MGT}=\frac{\sum n_i \cdot t_i}{\sum n_i}$, где $n_i$ — число проросших за интервал $i$, $t_i$ — время середины этого интервала.

• Время до 50 % прорастания (T_{50}): по кумулятивной кривой с линейной интерполяцией между точками.

• Индекс скорости прорастания (GSI по Магуайру): $\mathrm{GSI}=\sum \frac{G_i}{t_i}$, где $G_i$ — кумулятивно проросшие к моменту $t_i$.

• Ранние пороги (T_{10}, T_{25}, T_{75}): для оценки одновременности (равномерности) прорастания; показатель равномерности $U = T_{75}-T_{25}$.

• Латентный период: время до первого проросшего семени.

4) Какие сравнения выполнить

• Графики:

  • Кумулятивные кривые прорастания (доля проросших vs время) для каждого уровня температуры воды на одном графике.

  • Диаграммы (box/violin) по MGT, T_{50}, GSI, FGP для визуального сравнения групп.

• Статистика:

  • Для каждой метрики (MGT, T_{50}, GSI, FGP, U) — сравнение между уровнями температуры: однофакторный ANOVA + post-hoc (Tukey) или непараметрический Краскел-Уоллис + Dunn, если распределения «капризные».

  • Регрессия скорости vs температуры воды: линейная/квадратичная по числовому предиктору (температура воды), отдельно можно моделировать $1/\mathrm{MGT}$ или $1/T_{50}$ как «скорость».

  • При наличии измерений температуры субстрата после полива — проверка, что именно вода, а не стойкое изменение субстратной температуры, объясняет эффект (включите её как ковариату).

5) Как оформить таблицу исходных данных

Для каждой повторности и каждой проверки времени — строка с полями:
[дата/время замера | группа T воды | ID повторности | объём полива, мл | T воды, °C | T субстрата до, °C | T субстрата после, °C | новые проросшие, шт | кумулятивно, шт | примечания].
Из этой «длинной» таблицы легко получить все метрики.

6) Контроль артефактов и погрешностей

• Объём и частота полива строго одинаковы, чтобы температура не «маскировалась» разной влажностью.

• Дезинфекция семян/субстрата (если вид позволяет), чтобы исключить микробиологические различия между группами.

• Слепое считывание (по возможности) или фотофиксация для повторной проверки подсчётов.

• Рандомизация расположения кассет и периодическая ротация, чтобы нивелировать градиенты света/тепла.

7) Критерий вывода

Температура поливной воды влияет на скорость прорастания, если наблюдаются согласованные различия в MGT/T_{50}/GSI между группами, подтверждённые тестами (p < 0,05) и сопровождаемые предсказуемым трендом на регрессии. Итоговая всхожесть (FGP) может не меняться — это нормально; ключевой признак именно сдвиг во времени (быстрее/медленнее) и равномерность (U).