پیش بینی اجزای عملکرد سویا با استفاده از شبکه عصبی مصنوعی تحت اثر کود نیتروژن و تراکم بوته
Publish place: Journal of Crop Production، Vol: 11، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 292
This Paper With 14 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_EJCP-11-2_005
تاریخ نمایه سازی: 11 آبان 1398
Abstract:
سابقه و هدف: فاکتورهای زیادی از جمله شرایط آب و هوایی، تاریخ کاشت، آرایش کاشت، جمعیت گیاهی و تغذیه از طریق تاثیر بر روی گیاه می توانند باعث تنوع عملکرد گردند. همچنین از آنجا که ایران در منطقه خشک و نیمه خشک قرار گرفته است، مقدار مواد آلی خاک های آن پایین بوده و در نتیجه دارای سطوح پایین نیتروژن می باشند. اغلب گیاهان دراین مناطق دچار کمبود نیتروژن بوده و تامین نیتروژن از طریق کودهای شیمیایی و آلی ضروری است، در نتیجه بررسی میزان آن برای هر محصولی از اهمیت بسزایی برخوردار است. همچنین افزایش تقاضای محصولات کشاورزی و مشکلات دستیابی به داده های میدانی، ضرورت استفاده از مدل های مناسب برای پیش بینی عملکرد محصولات کشاورزی را نمایان می سازد. هدف از این تحقیق بررسی تاثیر مقادیر کود نیتروژن و تراکم برعملکرد و اجزای عملکرد سویا (رقم گرگان 3) و همچنین پیش بینی این پارامتر ها با استفاده از شبکه عصبی بوده است. مواد و روش ها : این پژوهش روی سویا رقم گرگان 3 بود که دارای دو فاکتور اصلی بود و در قالب طرح بلوک های کامل تصادفی در 3 تکرار در گرگان اجرا شد. فاکتور اول مقدار کود نیتروژن بود که در سه سطح (100، 200 و 300 کیلوگرم در هکتار) به خاک اضافه گردید و فاکتور دوم تراکم کاشت بود که در سه سطح (100000، 150000 و 200000 بوته بر هکتار) انجام شد. برای اندازه گیری صفات مورد نظر از قبیل: ارتفاع بوته، تعداد غلاف های بوته، وزن غلاف های بوته، وزن بوته، تعداد شاخه و قطر ساقه تعداد ده بوته به طور تصادفی در هر کرت از ردیف وسط انتخاب شد. تجزیه و تحلیل داده ها با استفاده از نرم افزار SAS و آزمون LSD در آزمایش فاکتوریل در طرح بلوک کاملا تصادفی انجام شد. به منظور پیش بینی عملکرد و اجزای عملکرد در شبکه عصبی مصنوعی از الگوریتم لونبرگ–مارکوارت برای آموزش شبکه استفاده شد. برای توسعه مدل های شبکه عصبی مصنوعی، تراکم کشت و مقدار کود مصرفی به عنوان ورودی و عملکرد و اجزای عملکرد سویا به عنوان خروجی در نظر گرفته شد. یافته ها: با افزایش مقدار کود نیتروژن مصرفی و افزایش تراکم کشت ارتفاع ساقه افزایش یافت. با افزایش مصرف نیتروژن و کاهش تراکم کشت تعداد غلاف افزایش یافته است. با کاهش تراکم بوته وزن غلاف های بوته افزایش یافته است. با افزایش کود نیتروژن مصرفی و کاهش تراکم وزن بوته افزایش یافت. با افزایش کود نیتروژن مصرفی و کاهش تراکم تعداد شاخه افزایش یافت. با افزایش کود نیتروژن مصرفی و کاهش تراکم کشت سویا قطر ساقه افزایش یافت. شبکه عصبی با توپولوژی 7-20-2 قادر است پارامترهای مورد نظر را با ضریب تبیین 999987/0 و MSE 2497/0 پیش بینی کند. نتیجه گیری: در تراکم 150000 و 200000 بوته در هکتار، وزن غلاف از نظر آماری تفاوت نداشت، این در حالی است که در تراکم 100000 بوته در هکتار این مقدار به شکل قابل توجهی بالاتر بود. عملکرد سویا به مقدار زیادی تحت تاثیر وزن و تعداد غلاف است، هرچند که وزن غلاف در تراکم کم بسیار بیشتر بود، اما ممکن است در تراکم بالا به دلیل بیشتر بودن تعداد بوته، مشکل کم بودن وزن غلاف در تراکم پایین رفع شود. قطر ساقه در نیتروژن دو سطح 100 و 200 کیلوگرم در هکتار از نظر آماری تفاوت چندانی نداشتند. از آنجایی که در تعداد غلاف و قطر ساقه مقدار کود 100 و 200 کیلو گرم در هکتار چندان تفاوتی ندارد، برای انتخاب بین این دو مقدار، 100 کیلوگرم در هکتار برای پایین آوردن هزینه و استفاده کمتر از کود مناسب تر است. شبکه عصبی با توپولوژی 7-20-2، بیشترین بازده را برای پیش بینی عملکرد سویا و کمترین بازده را برای پیش بینی تعداد شاخه داشت.
Keywords:
Authors
محسن آزادبخت
دانشگاه علوم کشاورزی و منابع طبیعی گرگان
احسان قجرجزی
باشگاه پژوهشگران جوان و نخبگان، واحد گرگان، دانشگاه آزاد اسلامی، گرگان، ایران.
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 :