بهینه‌سازی کوددهی نیتروژن و تراکم کشت برای افزایش عملکرد برگ و دانه وسمه با استفاده از شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار، گروه زراعت و اصلاح نباتات، دانشکده کشاورزی دانشگاه صنعتی شاهرود، شاهرود، ایران

2 دانش‌آموخته کارشناسی‌ارشد، گروه زراعت و اصلاح نباتات، دانشکده کشاورزی دانشگاه صنعتی شاهرود، شاهرود، ایران

3 دانش‌آموخته کارشناسی‌ارشد، گروه زراعت و اصلاح نباتات دانشکده کشاورزی دانشگاه آزاد جیرفت، جیرفت، ایران

10.22084/ppt.2021.8279.1485

چکیده

به‌طور معمول اثرات 3 یا 4 سطح از متغیرهای مستقل (در اینجا کود نیتروژن و تراکم کشت) بر متغیرهای وابسته (در اینجا عملکرد برگ و دانه) موردبررسی قرارگرفته و با استفاده از مقایسه میانگین­ها، بهترین سطح متغیرهای مستقل پیدا می‌شود. چنین نتایجی شاید خیلی دقیق نباشند. هدف از این بررسی، یافتن میزان دقیق کود نیتروژن و تراکم کشت از طریق درون‌یابی (بهینه‌سازی) برای افزایش عملکرد برگ و دانه وسمه با استفاده از شبکه عصبی مصنوعی (به‌عنوان یک تجزیه تکمیلی) بود. در یک آزمایش زراعی به‌صورت اسپلیت پلات در مزرعه تحقیقاتی دانشگاه آزاد جیرفت، تأثیر 4 تراکم کشت (فاکتور اصلی؛ 10، 15، 25 و 35 بوته در مترمربع) و 4 سطح کود نیتروژن (فاکتور فرعی؛ 50، 100، 150 و 200 کیلوگرم در هکتار) بر وزن برگ و دانه وسمه بررسی گردید. نتایج حاصل از تجزیه داده­ها نشان داد که ساختار شبکه عصبی مبتنی بر 4 نرون مناسب بود. میزان بهینه‌شده تراکم کشت و کود نیتروژن به‌ترتیب برابر با 32 بوته در مترمربع و حدود 70 کیلوگرم کود نیتروژن در هکتار بود که توانست عملکرد برگ و دانه را به‌ترتیب 3/6 و 7/7 درصد افزایش دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimization of Nitrogen Fertilization and Planting Density for Enhancing the Leaf and Seed Performances of Woad Using Artificial Neural Network

نویسندگان [English]

  • Manouchehr Gholipoor 1
  • Hamideh Nikbakht-Raieni 2
  • Ali Ansori 3
1 Associate Professor, Department of Agronomy and Plant Breeding, Faculty of Agriculture, Shahrood University of Technology, Sharood, Iran
2 MSc Graduate, Department of Agronomy and Plant Breeding, Faculty of Agriculture, Shahrood University of Technology, Sharood, Iran
3 MSc Graduate, Department of Agronomy and Plant Breeding, Agriculture Faculty of Jiroft Azad University, Jiroft, Iran
چکیده [English]

Usually, effects of three or four levels of independent variables (here, nitrogen fertilizer and planting density) on the dependent variables (here, leaf and seed performances) are investigated and the best levels of the independent variables are found by comparing the resulting average values. However, such results may be inaccurate. The aim of the present investigation is to find accurate optimal values of nitrogen fertilizer and planting density via interpolation (optimization), so as to enhance leaf and seed performances of woad, using artificial neural network (as a complementary analysis). In a farming test with split plot design at the research farm of Jiroft Branch of Islamic Azad University (Jiroft, Iran), the effects of four planting densities (primary factor, 10, 15, 25, and 35 plants per sq. meter) and four levels of nitrogen fertilizer (secondary factor, 50, 100, 150, and 200 kg per hectare) on the weights of leaf and seed of woad were investigated. The obtained results from the analysis of the data indicated that the neural network structure based on 4 neurons was the most appropriate structure. Optimal levels of planting density and nitrogen fertilizer were found to be 32 plants per sq. meter and about 70 kg of nitrogen fertilizer per hectare, respectively, which could increase the leaf and seed performances by 6.3% and 7.7%, respectively.

کلیدواژه‌ها [English]

  • productivity
  • Pharmaceutical
  • Industrial
  • Interpolation