بررسی برخی ویژگی های بوم شناختی گیاه دارویی (Artemisia sieberi Besser.) و تخمین تراکم آن به روش شبکه های عصبی در بخش روداب سبزوار
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 155
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECOPH-7-4_007
تاریخ نمایه سازی: 3 آبان 1400
Abstract:
چکیده درمنه دشتی (Artemisia sieberi Besser) از تیره Asteraceae گونهای دارویی در فلور ایران بوده که اسانس آن در درمان بیماریهای انگلی و عفونی کاربرد دارد. طی سالیان اخیر، بخشهایی از رویشگاههای درمنه، توسط عوامل انسانی تخریب شده است. این تحقیق با هدف بررسی نیازهای آت اکولوژی و برآورد تراکم درمنه در سال ۱۳۹۶ در منطقه روداب سبزوار انجام گرفت. ابتدا محدوده درمنهزار بر روی عکسهای ماهوارهای، تعیین و اطلاعات بوم شناختی آن، شامل (توپوگرافی، اقلیم، خاک، زمینشناسی و فنولوژی) جمعآوری گردید. در مرحلهی بعد، تراکم درمنه در مراتع تخریب شده با استفاده از مدل شبکه عصبی مورد آزمون قرار گرفت. بدین منظور ۷۰ نمونه تصادفی خاک متشکل از متغیرهای مستقل (بافت، EC،SAR ، pH،N ،P ،K ، کاتیونها، ماده آلی و درصد آهک) و نیز تراکم درمنه (متغیر وابسته) برای ساخت مدل استفاده گردید. نتایج نشان دادند که درمنه دشتی، ارتفاعات ۱۴۰۰ تا ۱۸۰۰ متر، شیبهای صفر تا ۱۲%، بارندگی ۱۶۰ تا ۲۰۰ میلی متر و خاکهای لومی تا لومیماسهای آهکدار با شوری کم را ترجیح میدهد. فعالیت رویشی درمنه از اواخر اسفند شروع شده و تا اوایل آذر بذرها میرسند. همچنین نتایج پیشبینی مدل نشان داد، کمترین تراکم درمنه با ۱۱/۰ در مترمربع مربوط به اراضی میباشد که ۴۰ سال تحت تنش شخم قرار داشتهاند و بیشترین تراکم درمنه با ۴/۰ در مترمربع مربوط به اراضی است که دو سال از تخریب آنها میگذرد.مدل رگرسیون (R۲) نشان داد که متغیرهای مستقل، ۹۵% در تعیین تراکم درمنه نفش دارند.
Keywords:
Authors
علیرضا قاسمی آریان
عضو هیات علمی مرکز تحقیقات وآموزش کشاورزی خراسان رضوی
سیدفاضل فاضلی کاخکی
عضوهیات علمی مرکز تحقیقات وآموزش کشاورزی خراسان رضوی
حسین روحانی
مدیرگروه مدیریت وتوسعه کشاورزی مرکز تحقیقات وآموزش کشاورزی خراسان رضوی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :