سمانه غلامی مقدم؛ ناصر معینی نقده؛ لیلا ندرلو
چکیده
پسیل معمولی پسته (Agonoscena pistaciae)، یکی از آفات کلیدی پستهکاریهای ایران است. نمونه‌برداری از سه باغ شامل رقم‌های سفید، اکبری و کله قوچی صورت گرفت. واحد نمونه‌برداری پورهها برگ پسته و حشرات کامل یک کارت چسبندۀ زردرنگ انتخاب شد. تعداد پورهها و حشرات کامل بهصورت هفتگی شمارش و ثبت شد. تفاوت تراکم پورهها و حشرات کامل روی ...
بیشتر
پسیل معمولی پسته (Agonoscena pistaciae)، یکی از آفات کلیدی پستهکاریهای ایران است. نمونه‌برداری از سه باغ شامل رقم‌های سفید، اکبری و کله قوچی صورت گرفت. واحد نمونه‌برداری پورهها برگ پسته و حشرات کامل یک کارت چسبندۀ زردرنگ انتخاب شد. تعداد پورهها و حشرات کامل بهصورت هفتگی شمارش و ثبت شد. تفاوت تراکم پورهها و حشرات کامل روی سه رقم (سفید، اکبری و کله قوچی) معنی‌دار بود. الگوی توزیع فضایی پورهها با استفاده از روش واریانس به میانگین و مدلهای رگرسیونی تیلور و آیوائو مشخص شد. در روش واریانس به میانگین، توزیع فضایی پورهها در سال1394 روی هر سه رقم از نوع تصادفی و در سال 1395 روی رقم سفید تصادفی و روی رقم‌های اکبری و کله قوچی تجمعی تعیین شد. شیب‌خط رگرسیون در هر دو مدل رگرسیونی روی هر سه رقم و در هر دو سال به‌طور معنی‌دار بزرگتر از یک بود. در مدل تیلور توزیع فضایی پورهها روی رقم سفید در سال 1394 تصادفی و روی دیگر رقم‌ها تجمعی بود. در مدل آیوائو توزیع فضایی روی رقم سفید در دو سال 1394 و 1395 تصادفی و در سایر موارد تجمعی تعیین شد. بیشتر بودن مقدار R2 در مدل Iwao نشان‌دهندۀ کارایی بهتر این مدل در توجیه رابطۀ میان واریانس و میانگین انبوهی حشره بود. نتایج حاصل از این پژوهش در تدوین برنامههای نمونه‌برداری برای مدیریت تلفیقی پسیل پسته اهمیت زیادی دارد.
زهرا دوستی؛ ناصر معینی نقده؛ عباسعلی زمانی؛ لیلا ندرلو
چکیده
این مطالعه به منظور پیش‌بینی تغییرات جمعیت سن گندم در مزرعه با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چند گانه انجام شد. داده‌های مربوط به نوسانات جمعیت سن گندم در مزرعه‌ای به مساحت یک هکتار در سال‌های 1394 و 1395 در شهرستان چادگان بدست آمد. در این مدل‌ها از متغیرهای تاریخ نمونه برداری، متوسط دما، میانگین رطوبت نسبی، سرعت باد، جهت ...
بیشتر
این مطالعه به منظور پیش‌بینی تغییرات جمعیت سن گندم در مزرعه با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چند گانه انجام شد. داده‌های مربوط به نوسانات جمعیت سن گندم در مزرعه‌ای به مساحت یک هکتار در سال‌های 1394 و 1395 در شهرستان چادگان بدست آمد. در این مدل‌ها از متغیرهای تاریخ نمونه برداری، متوسط دما، میانگین رطوبت نسبی، سرعت باد، جهت باد، بارش به عنوان متغیرهای وروردی و تغییرات جمعیت سن مادر به عنوان متغیر خروجی استفاده شد. شبکه مورد استفاده از نوع پرسپترون چند لایه با الگوریتم پس انتشار خطا و روش یادگیری مارکوارت- لونبرگ بود. نتایج نشان داد بین این دو مدل، شبکه عصبی مصنوعی با ضریب تعیین 96/0 بهتر از رگرسیون با ضریب تعیین 40/0 تراکم جمعیت سن مادر را پیش بینی میکند. پس از انجام آنالیز حساسیت برای ساده تر شدن مدل و استخراج عوامل مؤثرتر، چهار عامل شماره روز سال، دما، رطوبت و سرعت باد انتخاب شدند. مدل شبکه عصبی بار دیگر با استفاده از این چهار عامل آموزش داده شد و مدلی با 11 لایه مخفی بهترین نتیجه را داد که ضریب تعیین مرحله آزمون مدل 97/0 بدست آمد که باز هم حاکی از دقت بالای آن نسبت به مدل رگرسیون خطی چند گانه با ضریب تعیین 43/0 بود.
