سازمان تحقیقات، آموزش و ترویج کشاورزی
چکیده: (80 مشاهده)
فراهمی عناصر کممصرف مانند مس و منگنز در خاکهای آهکی با pH بالا، یکی از چالشهای کلیدی در تولید پایدار مرکبات در مناطق خشک و نیمهخشک است. این پژوهش با هدف پیشبینی غلظت این عناصر در برگ مرکبات جنوب کرمان و شناسایی مؤثرترین خصوصیات خاک بر فراهمی آنها انجام شد. بدین منظور از ۴۰ باغ نمونههای مرکب خاک همراه با برگهای رشد بهاره برداشت شد و با روشهای استاندارد خصوصیات خاک و غلظت مس و منگنز برگ اندازهگیری شد. نتایج نشان داد که pH خاک به طور قابل توجهی مانع جذب عناصر غذایی میشود، به طوری که مس و منگنز برگ به ترتیب همبستگی 41/− و 33/0− با pH را نشان دادند. همچنین مس با مقدار رس همبستگی با ضریب 32/0 و با کربن آلی همبستگی با ضریب 39/0 داشت، در حالی که منگنز همبستگی منفی با شوری خاک با ضریب 29/0 نشان داد. رگرسیون گامبهگام متغیرهای pH، رس و فسفر خاک را برای مس (R² = 0.36) و pH و EC را برای منگنز (R² = 0.28) برگزید که تنها بخشی از تغییرات را تبیین کرد. برای غلبه بر محدودیت خطی بودن، شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم لونبرگ–مارکوارت و نسبت آموزش/آزمون ۷۰/۳۰ توسعه یافت. بهترین مدل برای مس با ورودیهای pH، OC، رس و فسفر و ۱۰ نورون پنهان در مرحله آزمون به R² = 0.78 و RMSE = 0.88 mg kg⁻¹ رسید؛ برای منگنز شبکهای با ورودیهای pH، OC، رس، فسفر و EC و ۱۱ نورون پنهان R² = 0.66 و RMSE = 5.68 mg kg⁻¹ را حاصل کرد. کاهش 42 ٪ خطا برای مس و 38 ٪ خطا برای منگنز نسبت به رگرسیون نشان داد که مدلهای هوش مصنوعی با لحاظ تعاملهای غیرخطی میتوانند ابزار کارآمدی برای برنامهریزی کوددهی و ارتقای بهرهوری باغهای مرکبات این مناطق باشند.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
مدلسازی روابط آب-خاک-گیاه و جذب آب توسط ريشه دریافت: 1404/2/7 | پذیرش: 1404/5/12