نیتروژن یکی از عناصر غذایی مهم لازم برای تولید محصولات کشاورزی است، اما مصرف بیش از حد کودهای شیمیایی نیتروژن دار و آبشویی آن باعث آلودگی محیط می شود. استفاده از ارقام با کارایی بالا در جذب و مصرف نیتروژن، یکی از روش های ممکن برای حل این مسئله است. به منظور ارزیابی عملکرد دانه و شاخص های کارایی مصرف نیتروژن در ژنوتیپ های جو در شرایط کم نهاده (بدون مصرف کود)، آزمایشی با استفاده از 36 ژنوتیپ جو خالص سازی شده در سال زراعی 96 –1395 در قالب طرح آلفا لاتیس ساده با دو تکرار در مزرعه تحقیقاتی دانشکده کشاورزی دانشگاه شاهد-تهران انجام شد. نتایج نشان داد که ژنوتیپ های 106، 107 و 68 دارای بیشترین عملکرد دانه (به ترتیب 7963، 7920 و 7900 کیلوگرم در هکتار)، بالاترین ﻛﺎراﻳﻲ ﻣﺼﺮف ﻧﻴﺘﺮوژن (به ترتیب 58/6، 58/5و 56/9 کیلوگرم بر کیلوگرم) و بالاترین ﻛﺎراﻳﻲ جذب ﻧﻴﺘﺮوژن (به ترتیب 2، 2 و 2/25کیلوگرم بر کیلوگرم) بودند. نتایج تجزیه رگرسیون چندگانه نشان داد که سه متغیر کارایی مصرف نیتروژن، کارایی جذب نیتروژن و عملکر د زیست توده در مجموع 2/98 درصد از تغییرات عملکرد دانه را توجیه کردند. براساس نتایج تجزیه به مؤلفه های اصلی ژنوتیپ های جو مورد بررسی به چهار گروه تقسیم شدند. گروه اول شامل ژنوتیپ های 88، 119، 54، 107و 68 از لحاظ شاخص های کارایی جذب و مصرف نیتروژن، عملکرد و کیفیت دانه برتر از سایر ژنوتیپ ها بودند. نتایج این آزمایش نشان داد که در شرایط کم نهاده می توان از ژنوتیپ های برتر منتخب جهت افزایش کارایی مصرف نیتروژن استفاده کرد.

سابقه و هدف: زیست توده ارتباط حیاتی بین مصرف انرژی خورشیدی و عملکرد گیاه را فراهم می کند، بنابراین برآورد صحیح آن برای پایش دقیق رشد محصول و پیش بینی عملکرد بسیار مهم است و به مدیران کشاورزی برای بهبود مدیریت زمین های زراعی کمک می کند. در چند دهه اخیر، سنجش از دور به عنوان ابزاری برای تخمین پارامترهای بیوفیزیکی گیاه به صورت گسترده مورد استفاده قرار گرفته است. توانایی فناوری سنجش از دور برای تخمین زیست توده گیاهی امید بخش، سریع، دوره ای و غیرمخرب است. بدین منظور، این تحقیق با هدف کاربرد فناوری سنجش از دور و مقایسه دو مدل آماری رگرسیون خطی چندگانه و شبکه عصبی مصنوعی برای برآورد زیست توده گندم زمستانه در شهرستان شهرکرد، استان چهارمحال و بختیاری در سال 1396 انجام شد. مواد و روش ها: در این پژوهش به منظور برآورد زیست توده گیاه گندم به وسیله تصاویر ماهواره لندست 8، هشت مزرعه زیر کشت گندم زمستانه با مساحت بین 10 تا 60 هکتار در سراسر شهرستان شهرکرد، در نظر گرفته شد. سپس موقعیت 120 واحد نمونه-برداری به صورت تصادفی در مزارع مورد مطالعه توسط GPS تعیین گردید. واحدهای نمونه برداری به صورت مربع های 30×30 متری مطابق با پیکسل های لندست بود. هر یک از این واحدها، شامل 5 پلات 25/0 مترمربعی در چهار گوشه و مرکز مربع می باشد. درطی فصل رشد در تاریخ های 31 فروردین (20 آوریل)، 1 خرداد (22 می)، 2 تیر (23 ژوئن) و 3 مرداد (25 ژولای) سال 1396 همزمان با عبور ماهواره لندست 8 به مزارع مراجعه و نمونه برداری انجام گردید. جمع آوری داده های میدانی شامل زیست توده اندام هوایی و شمارش تعداد بوته ها در هر پلات بود. سپس نمونه ها به آزمایشگاه منتقل گردیده و آون خشک و وزن شدند. همزمان داده-های مربوط به سنجش از دور ماهواره لندست 8 در این تاریخ ها به دست آمد و شاخص های گیاهی به کمک باندهای ماهواره ای محاسبه شد. در این بررسی زیست توده گندم با استفاده از 25 شاخص گیاهی و دو روش رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی (Artificial Neural Network, ANN) برآورد شد. مدل شبکه عصبی مصنوعی پرسپترون با چندلایه (پیش خور) طراحی شد و کارایی آن با نتایج مدل رگرسیون خطی چند متغیره مقایسه گردید. اعتبارسنجی و آزمون مدل ها و مقایسه نتایج این دو مدل با استفاده از آماره هایی نظیر ضریب تبیین (R2)، شاخص جذر میانگین مربعات خطا (RMSE)، و میانگین خطا (ME) انجام گرفت. یافته ها: نتایج نشان داد که مدل شبکه عصبی مصنوعی با 83/0=R2 و g/m2 91/53=RMSE برای داده های آموزش و 85/0=R2 و g/m2 74/46=RMSE برای داده های آزمون و مدل رگرسیون خطی چند متغیره با 78/0=R2 و g/m2 68/65=RMSE زیست توده را برآورد کرده اند. در روش رگرسیون خطی چند متغیره، شاخص های EVI، CIgreen، PSRI، CRI، VARI و GNDVI به ترتیب مؤثرترین شاخص در تخمین میزان زیست توده محصول بودند. شاخص های GI، SAVI، ARVI، CRI، EVI، NDWI، MSR و NDVI به ترتیب بیشترین حساسیت را در رابطه با زیست توده گندم در مدل شبکه عصبی مصنوعی داشتند. نتیجه گیری: یافته های پژوهش حاضر نشان داد که با بهره گیری از تصاویر ماهواره ای و توسعه مدل های آماری پارامتری و غیرپارامتری امکان برآورد زیست توده گندم زمستانه در منطقه مورد مطالعه وجود دارد. همچنین روش شبکه عصبی مصنوعی نسبت به روش رگرسیون خطی چندگانه صحت پیش بینی بهتری دارد و لذا استفاده از این روش به عنوان یک رهیافت مناسب در برآورد زیست توده گندم زمستانه پیشنهاد می شود.

در این مقاله، با فرض اینکه در مدل رگرسیونی خطی چندگانه، بردار خطای تصادفی دارای توزیع t چند متغیره است، برآوردگرهای کمترین توانهای دوم تعمیم یافته، کمترین توانهای دوم تعمیم یافته مقید و تورنجش را برای بردار پارامتر مجهول مدل رگرسیونی بدست می آوریم. سپس با استفاده از تابع زیانهای مربعی و مربعی موزون، مخاطره برآوردگرهای بدست آمده را با یکدیگر مقایسه می کنیم و نشان می دهیم در شرایطی خاص کدامیک از برآوردگرها بر دیگری برتری دارند.

متن کامل مقاله های این شماره به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقالات به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

در این مقاله، موضوع طبقه بندی داده ها مدنظر قرار داده می شود که در آن متغیر پاسخ به صورت دو یا چند ارزشی و متغیرهای پیشگو متغیرهای معمولی هستند اما، خطاها علاوه بر ماهیتی تصادفی، ماهیتی ابهامی نیز دارند. در این صورت متغیر پاسخ نیز متغیر تصادفی فازی است. بر این اساس مدلی بر پایه رگرسیون لوژستیک صورت بندی کرده و برآورد ضرایب با استفاده از روش کمترین توان های دوم بدست آورده می شود. با یک مثال نتایج حاصله برای حالت یک متغیر مستقل تشریح می گردند. در پایان روابط بازگشتی برای محاسبه برآورد پارامترها ارائه می شوند. این روابط بازگشتی می توانند در یادگیری ماشین و برای طبقه بندی داده های بزرگ مورد استفاده قرار گیرند.

عملکرد دانه یک صفت کمی و تحت تاثیر محیط بوده و وراثت پذیری پایینی دارد. بنابراین، انتخاب گیاهان زراعی برای عملکرد دانه بدون کنترل محیط، می تواند غیر قابل اطمینان باشد. هدف از این کار، مطالعه ارتباط بین عملکرد دانه و اجزای عملکرد با استفاده از تجزیه مسیر و مدلسازی از طریق رگرسیون ریج برای پیش بینی عملکرد دانه بود. بر این اساس آزمایشی با طرح اسپیلیت پلات بر پایه طرح بلوکهای کامل تصادفی در سه تکرار در سال زراعی 1384 انجام شد. کرتهای اصلی به چهار سطح آبیاری پس از 60±3، 80±3، 100±3 و 120±3 میلی متر تبخیر از تشتک تبخیر کلاس A (به ترتیب از I1 تا I4) و کرتهای فرعی به دو رقم سویا (هاک و زان) اختصاص یافتند. در این مطالعه اجزای عملکرد رکن اصلی آزمایش را تشکیل می دادند که عبارت بودند از: تعداد نیام در گیاه (x1)، تعداد دانه در نیام (x2)، تعداد دانه در گیاه (x3)، تعداد گره های بارور در گیاه (x4) و وزن صد دانه (x5). ضرایب همبستگی پیرسون و تجزیه مسیر اجزای عملکرد x1 تا x5 بر روی عملکرد دانه (Y) نشان داد که مه مترین اثرات غیر مستقیم روی عملکرد دانه، اثر تعداد نیام در گیاه (x1) از طریق تعداد دانه در گیاه (x3) (ضریب 0.29)، تعداد نیام (x1) از طریق تعداد گره های بارور (x4) (ضریب 0.24) و تعداد دانه در گیاه (x3) از طریق تعداد نیام (x1) (ضریب 0.24) بودند. تمامی ضرایب رگرسیونی بجز (x2) تعداد دانه در نیام (که در دو سطح آبیاری I 1 و I 4 مثبت بودند. نتایج نشان داد که صفت تعداد دانه در نیام (x1) در گیاه زراعی سویا به مقدار آب مصرفی بسیار حساس بوده بطوری که در مقادیر حداکثر و حداقل آبیاری، مقدار آن با عملکرد رابطه معکوس داشت. در این مطالعه یک مدل نمایی برای محاسبه عملکرد با استفاده از اجزای عملکرد تحت تاثیر رژیم های مختلف آبیاری ارائه شد. این مدل از لحاظ آماری قابل اطمینان است. در آزمایش حاضر مشخص است که کنترل ژنتیکی عموم یتر از کنترل محیط برای x1 تا x5 است. بنابراین، تصور میشود که x3، x1 و x4 تحت کنترل ژنتیکی و x2 و x5 تحت کنترل محیط است.

سابقه و هدف: متخصصان اصلاح نباتات برای انتخاب اهداف اصلاحی خود از میان صفات متنوع مورفولوژیک و فیزیولوژیک نیاز به دسته بندی محدودیت ها و قابلیت های موجود در گیاهان دارند؛ این موضوع برای برآورد میزان افزایش عملکرد ناشی از تغییر در صفات گیاهی اهمیت بالایی دارد که رسیدن به آن مستلزم استفاده از روش های آماری مناسب است. از این رو، این پژوهش با هدف شناسایی و انتخاب صفات زراعی موثر بر عملکرد ارقام بومی برنج با استفاده از رگرسیون چندگانه در منطقه ساری انجام شد. مواد و روش ها: برای اجرای آزمایش در قالب طرح پایه بلوک های کامل تصادفی با سه تکرار و 12 رقم بومی برنج، داده های مورد نیاز برای استفاده در مدل سازی رگرسیونی جمع آوری شدند. به منظور تعیین مهم ترین صفات و نشان دادن سهم صفات مختلف در تشکیل و تعیین عملکرد شلتوک از روش گزینش متغیر و رگرسیون چندگانه استفاده شد. با استفاده از رگرسیون چندگانه، ارتباط بین عملکرد شلتوک با تمامی صفات به صورت کمی تعیین شد. همچنین، با توجه به همبستگی منفی و یا مثبت موجود بین صفات تعداد خوشه چه پر در خوشه و شاخص برداشت، برای شناسایی تغییرات عملکرد ناشی از همبستگی این دو صفت، سه فرضیه مطرح و جوانب مختلف آن مورد بررسی قرار گرفت. نتایج و بحث: صفات تعداد روز تا سبز شدن بذر، تعداد روز تا گرده افشانی، تعداد روز تا رسیدگی فیزیولوژیک، طول برگ پرچم، تعداد خوشه چه پر در خوشه، وزن هزار دانه و شاخص برداشت که در افزایش عملکرد بیشترین نقش را داشتند، با استفاده از رگرسیون چندگانه، شناسایی و مقدار مطلوب هر یک از آن ها مشخص شدند. این هفت متغیر، 50 درصد از تغییرات عملکرد را توجیه کردند. نتایج نشان داد چنانچه ارتباط و همبستگی موجود بین صفات تعداد خوشه چه پر در خوشه و شاخص برداشت دستخوش تغییرات قرار گیرد، می توان از آن به نفع عملکرد بهره گرفت. با توجه به همبستگی منفی موجود بین دو صفت تعداد خوشه چه پر در خوشه و شاخص برداشت، برای تعیین تغییرات عملکرد سه فرضیه مطرح شد. اگر همبستگی موجود بین صفات شاخص برداشت و تعداد خوشه چه پر در خوشه قابل شکستن نباشد، عملکرد نسبت به متوسط عملکرد ارقام بومی برنچ 1722 (از 4581 به 6303) کیلوگرم در هکتار افزایش خواهد یافت. در صورتی که مقدار تعداد خوشه چه پر در خوشه و شاخص برداشت در حد متوسط بماند، عملکرد به میزان 1985 (از 4581 به 6566) کیلوگرم در هکتار افزایش خواهد یافت. اگر همبستگی بین تعداد خوشه چه پر در خوشه و شاخص برداشت شکسته شود، مقدار افزایش عملکرد 2747 (از 4581 به 7329) کیلوگرم در هکتار خواهد بود. نتایج روش مورد استفاده در این تحقیق به علت اینکه به اختلافات ژنتیکی بین ارقام توجه دارد، می تواند راهگشای متخصصان اصلاح نباتات برای انتخاب صفات موثر بر عملکرد برنج باشد. نتیجه گیری: با انتخاب مقادیر بهینه صفات انتخاب شده در مدل، متوسط عملکرد از 4581 کیلوگرم در هکتار به 6303 تا 7329 کیلوگرم در هکتار قابل افزایش است. نتایج روش مورد استفاده در این پژوهش به علت اینکه به اختلافات ژنتیکی بین ارقام توجه دارد، می تواند در کنار سایر روش ها به متخصصان اصلاح نباتات برای انتخاب مهم ترین صفات موثر بر عملکرد ارقام برنج کمک کند.

انجام عملیات استخراج در معادن روباز مستلزم شناخت خواص هیدرولیکی توده سنگ به ویژه هدایت هیدرولیکی است. هدایت هیدرولیکی، میزان توانایی توده سنگ برای انتقال سیالات است که در بررسی مشکلات نشت، زهکشی و پایداری دیواره های کاواک معادن روباز اهمیت زیادی دارد. از این رو، محققان در جستجوی روش مناسبی برای تعیین هدایت هیدرولیکی توده سنگ تشکیل دهنده مناطق معدنی اند. در این مطالعه، برای تعیین رابطه تجربی هدایت هیدرولیکی بر اساس پارامترهای حاصل از گمانه های اکتشافی و ژئوتکنیکی شامل شاخص کیفی توده سنگ (RQD)، فاصله داری درزه ها و مقاومت فشاری، ابتدا تصویر مغزه های گمانه های ژئوتکنیکی حفر شده در آنومالی A کانسار غربی معدن سنگ آهن سنگان بررسی و با نمودارنگاری مجدد مقدار RQD برای هر نوبت حفاری محاسبه شد و با بررسی تصاویر مغزه های حفاری، هدایت هیدرولیکی هر ران حفاری در طول گمانه با متغیرهای کیفی ارزیابی شد. سپس با استفاده از روابط تجربی با شرایط زمین شناسی مشابه و ضرایب هدایت هیدرولیکی ارایه شده بر اساس جنس سنگ متغیرهای کیفی به کمی تبدیل شدند. در نهایت نمودار پراکندگی تغییرات هدایت هیدرولیکی نسبت به هر یک از فاکتورهای RQD، عمق، فاصله داری درزه ها و مقاومت فشاری سنگ رسم و منحنی رگرسیون بر هر یک از نمودارها برازش شده و مشخص شد با افزایش هر یک از فاکتورهای عمق، فاصله داری درزه ها و مقاومت فشاری سنگ، هدایت هیدرولیکی کاهش می یابد اما همبستگی بالایی بین تغییرات هدایت هیدرولیکی با هر یک از این فاکتورها وجود ندارد. نتایج نشان می دهد که رابطه هدایت هیدرولیکی بر اساس RQD ضریب تعیین بسیار بالایی دارد (R2=0.8247)، بنابراین این رابطه تجربی می تواند برای تخمین هدایت هیدرولیکی محدوده مورد مطالعه بسیار مفید واقع شود.

زمینه و هدف: اندازه گیری و پایش کربن آلی در محیط های آبی یکی از شاخص های مهم کیفی در پروژه های مدیریت محیط زیست، پایش کیفی منابع آب و تامین آب شرب است. در این تحقیق، عملکرد مدل شبکه عصبی مصنوعی و مدل رگرسیون غیر خطی چندگانه با هدف سنجش پارامتر کربن آلی در منابع آب با حداکثر ضریب همبستگی محتمل و حداقل تعداد پارامترهای ورودی، مورد مطالعه و بهینه سازی قرار گرفت. روش بررسی: به این منظور مدل اولیه شبکه عصبی مصنوعی و رگرسیون غیر خطی چندگانه با کلیه پارامترهای ورودی برای دستیابی به حداقل پارامترهای مورد نیاز تحت بهینه سازی به روش حذف ترتیبی قرار گرفت. یافته ها: آزمون صحت سنجی مدل بیانگر توافق خوبی میان سنجش کربن آلی محلول و مشاهدات واقعی بوده است. تحلیل نتایج نشان دهنده ی عملکرد قابل قبول مدل شبکه عصبی با درصد خطای متوسط 7 % و ضریب همبستگی 91/0 می باشد. بحث و نتیجه گیری: رفتار سنجی نتایج مدل سازی آشکار نمود که هرچند مدل رگرسیون چندگانه با درصد خطای متوسط 8 % و ضریب هم بستگی 89/0 عملکرد نسبتاً ضعیف تری داشته است، اما سرعت اجرای بالا و عملکرد بهتر در شرایط بحرانی نشان از قابلیت بالای این مدل در سنجش کربن آلی در منابع آب با دامنه تغییرات کیفی زیاد دارد.