محمدرضا مقصودی - ۱ دانشجوی سابق کارشناسی ارشد، گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز
عادل ریحانی تبار - دانشیاران گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز
نصرت اله نصرت اله نجفی - دانشیاران گروه علوم خاک، دانشکده کشاورزی، دانشگاه تبریز

در این تحقیق مقایسه­ای بین شبکه عصبی مصنوعی (ANN) و مدل­های رگرسیونی خطی در تخمین وزن خشک و جذب فسفر گیاه ذرت از روی فسفر خاک استخراج شده توسط عصاره­گیرهای مختلف انجام یافت.  برای این منظور ۲۵ نمونه مرکب خاک سطحی (cm۳۰-۰) از نقاط مختلف استان آذربایجان شرقی جمع آوری و در آن خاک­ها گیاه ذرت (سینگل کراس ۷۰۴) در سه تکرار در گلخانه کشت شد. بعد از ۶۰ روز گیاهان برداشت و وزن خشک بخش هوایی و غلظت فسفر در آن اندازه گیری شد.  نتایج نشان داد که ضریب تبیین مدل رگرسیون خطی بین فسفر استخراج شده با روش های کالول و اولسن با وزن خشک بخش هوایی ذرت به­ترتیب برابر  ۴۹/۰ و ۴۴/۰ بودند. با توجه به نتایج مدل شبکه عصبی مصنوعی روش اولسن برای تخمین وزن خشک و روش آب مقطر برای تخمین غلظت فسفر بخش هوایی ذرت برتر از سایر روش ها بودند. در پیش­بینی شاخص­های مهم وزن خشک و فسفر جذب شده توسط گیاه ذرت بر مبنای غلظت فسفر استخراج شده توسط عصاره­گیرهای مختلف، ضرایب تبیین مدل­های شبکه عصبی مصنوعی بیشتر از مدل­های رگرسیونی خطی حاصل گردید، لذا چنین نتیجه­گیری شد که می­توان از شبکه عصبی مصنوعی در مطالعات آزمون خاک برای فسفر بهره گرفت.

ذرت, رگرسیون خطی, فسفر جذب شده, شبکه عصبی مصنوعی