مهندسی زراعی

چکیده پتاسیم یکی از عناصر ضروری در افزایش عملکرد و کیفیت گندم است که نقش کلیدی در بهبود کارایی مصرف آب و مقاومت به تنش‌های محیطی ایفا می‌کند. این پژوهش با هدف بررسی اثر مصرف تقسیطی دو منبع کود پتاسیم (سولفات پتاسیم و کلرید پتاسیم) بر عملکرد، اجزای عملکرد و وضعیت تغذیه‌ای گندم آبی رقم پیشگام در استان آذربایجان غربی انجام شد. آزمایش در قالب طرح بلوک‌های کامل تصادفی با سه تیمار شامل: ۱) شاهد (NP) بدون مصرف پتاسیم، ۲) مصرف تقسیطی سولفات پتاسیم (SOP) و ۳) مصرف تقسیطی کلرید پتاسیم (MOP) اجرا گردید. کودهای پتاسیمی به‌صورت ۵۰ درصد پایه و ۵۰ درصد سرک در مراحل حساس رشد (پنجه‌دهی و ساقه‌دهی) مصرف شدند. نمونه‌برداری از برگ پرچم برای اندازه‌گیری غلظت عناصر غذایی انجام و در پایان فصل، عملکرد و اجزای آن تعیین گردید. نتایج نشان داد که تیمار SOP عملکرد دانه را از ۵۶۲۰ به ۶۵۰۰ کیلوگرم در هکتار افزایش داد (معادل 67/15 درصد) که نسبت به تیمار MOP (۶230 کیلوگرم در هکتار) نیز برتری معنی‌داری داشت. همچنین، تیمار SOP باعث افزایش معنی‌دار غلظت نیتروژن (5/18 درصد)، پتاسیم (۲۸ درصد)، آهن، روی و منگنز برگ نسبت به شاهد گردید. علی‌رغم سطح کافی پتاسیم قابل استفاده خاک (۳۵۹ میلی‌گرم بر کیلوگرم)، مصرف تقسیطی کود پتاسیم در مراحل حساس رشد، عملکرد را به‌طور معنی‌داری بهبود بخشید که نشان‌دهنده نقش تعیین‌کننده زمان‌بندی مصرف نسبت به سطح پتاسیم خاک است. به‌طور کلی، سولفات پتاسیم به دلیل تأمین همزمان گوگرد و بهبود جذب عناصر کم‌مصرف، منبع برتر تغذیه پتاسیمی برای گندم آبی توصیه می‌شود.

چکیده یکی از مشکلات آلودگی خاک، فلزات سنگین است. هدف از این مطالعه، بررسی آلودگی خاک‌های برخی از اراضی کشاورزی استان اصفهان به فلزات سنگین کادمیم، سرب، مس، نیکل، روی، آرسنیک و آهن است. به همین منظور 90 نمونه از خاک سطحی اراضی کشاورزی مناطقی از شهرستان‌های خمینی‌شهر (20)، اصفهان (16)، فلاورجان (19)، لنجان (19) و اردستان (16) برداشت و بعد از آماده‌سازی با اسید نیتریک 4 مولار عصاره گیری شد. غلظت فلزات سنگین توسط دستگاه ICP-MASS تعیین شد. میانگین غلظت کل فلزات کادمیم، سرب، مس، نیکل، روی، آرسنیک و آهن در نمونه‌های خاک استان اصفهان (کل منطقه) به ترتیب 28/1، 09/34، 57/20، 29/59، 41/88، 77/27 و39/31511 (میلی‌گرم بر کیلوگرم) بود. ضریب همبستگی مثبت معنی‌داری بین تمام عناصر به‌جز آهن وجود داشت که ممکن است ناشی از منبع مشترک این عناصر باشد. میانگین سرب، روی و کادمیم در شهرستان اصفهان با سه شهرستان تفاوت معنی‌داری دارد که می‌تواند ناشی از وجود معدن سرب و روی باما و کارخانه سیمان و همچنین ترافیک بیشتر وسایل نقلیه باشد. همچنین شهرستان اردستان ازنظر آرسنیک نسبت به دیگر شهرستان‌ها آلودگی بالاتری نشان داد، احتمالاً این عنصر می‌تواند منشأ زمین‌شناسی در این منطقه داشته باشد. مقادیر فاکتور غنی‌شدگی نشان داد که خاک‌های منطقه برای عناصر کادمیم (64/16 تا 80/34)، سرب (92/2 تا 06/13) و آرسنیک (09/16 تا 28/247) غنی‌شدگی قابل‌توجه تا زیاد دارند. با توجه به نتایج زمین انباشتگی مشخص شد که عناصر کادمیم و آرسنیک در کل منطقه آلودگی متوسط تا شدید دارند. همچنین در شهرستان اصفهان نتایج شاخص زمین انباشتگی نشان داد که عناصر سرب و روی دارای آلودگی متوسط تا شدید می‌باشند. شاخص ریسک اکولوژیکی در کل منطقه (00/192) و شهرستان‌ها برای عنصر کادمیم بالاتر بود که نشان می‌دهد این عنصر تحت تأثیر فعالیت‌های انسانی است. این یافته‌ها بر ضرورت پایش مستمر فلزات سنگین در خاک و توجه هم‌زمان به منابع انسان‌زاد و طبیعی در مدیریت آلودگی مناطق موردمطالعه تأکید دارد.

چکیده راهکارهای مختلفی برای سنجش میزان سموم باقی‌مانده در محصولات غذایی وجود دارد که بسته به هزینه، نوع آفت‌کش و نوع محصول متفاوت است. در پژوهش حاضر اثر آفت‌کش ایندوکساکارب با غلظت‌های حجمی مختلف (625/0، 25/1، 5/2 و 5 (به عنوان نمونه خالص)در هزار) بر باقی‌مانده آفت‌کش در گوجه‌فرنگی طی مدت هشت روز از آغاز سم‌پاشی با روش مرئی/ فروسرخ نزدیک و همچنین روش مرجع HPLC اندازه‌گیری و بررسی شد. پیش از شروع فرآیند واکاوی داده‌ها، پیش‌پردازش‌های نرمال‌سازی برداری، تصحیح ضربی پراکندگی، مشتق اول و دوم و متغیر نرمال استاندارد بر روی همه داده‌‌ها انجام شد. الگوریتم ماشین بردار پشتیبان چند کلاسه با رویکرد یک در مقابل بقیه برای جداسازی غلظت‌های مختلف آفت‌کش در داده‌های طیف‌سنجی مورد استفاده قرار گرفت. بالاترین صحت طبقه‌بندی مربوط به روش پیش‌پردازش نرمال‌سازی برداری در روز اول در بازه 2500-400 نانومتر بود که صحت 100 درصد را ارائه کرد. کمترین صحت جداسازی مربوط به روز هشتم با مقدار 77 درصد بود. به طور کلی با گذشت روزهای بیشتر پس از سم‌پاشی از صحت طبقه‌بندی کاسته شد و این موضوع را می‌توان به کاهش غلظت آفت‌کش روی نمونه‌ها و شباهت بیشتر آنها به نمونه شاهد نسبت داد. افزون بر آن، سنجش کارآمدی روش ‌غیرمخرب با مقایسه مقدار باقی‌مانده سموم حاصل از روش HPLC با روش رگرسیون حداقل مربعات جزئی مورد بررسی قرار گرفت و مقادیر ضریب تعیین 98، 94، 90 و 80 درصد در بازه 400 تا 2500 نانومتر به ترتیب برای نمونه‌ها با غلظت‌های خالص، 5/2، 25/1، 625/0 در هزار برای پیش‌بینی آفت‌کش ایندوکساکارب به دست آمد.

چکیده هدف: تشخیص الگوی کشت از تصاویر ابرطیفی به‌دلیل ابعاد طیفی زیاد، هم‌خطی شدید باندها و شباهت طیفی محصولات، از مسائل چالش‌برانگیز سنجش از دور کشاورزی است. هدف پژوهش حاضر، تحلیل نظام‌مند حساسیت روش‌های یادگیری ماشین کلاسیک به پارامترهای یادگیری و فضای ویژگی ورودی، و استخراج کمّی ساختار قرابت طیفی محصولات بود. داده: تصویر ابرطیفی سنجنده آویریس از درّه سالیناس کالیفرنیا با ابعاد ۵۱۲ در ۲۱۷ پیکسل، تفکیک مکانی ۷/۳ متر و ۲۰۴ باند مؤثر در گستره ۴۰۰ تا ۲۵۰۰ نانومتر، شامل ۵۴۱۲۹ پیکسل برچسب‌دار در شانزده کلاس کشت. روش: پس از سنجش هم‌خطی باندها با ماتریس همبستگی، سه سناریوی ورودی تعریف شد: تمامی ۲۰۴ باند، تمامی مؤلفه‌های اصلی، و دو مؤلفه نخست با سهم واریانس بیش از دو درصد که در مجموع ۳/۹۸ درصد واریانس کل را در بر می‌گیرند. شبکه عصبی مصنوعی و ماشین بردار پشتیبان با تفکیک لایه‌ای ۷۰/۳۰ و آزمون تکمیلی تفکیک مکانی روی هر سه سناریو ارزیابی و با دقت کل، ضریب کاپا، دقت تولیدکننده، دقت کاربر و امتیاز F1 سنجیده شدند. در بخش بدون‌ناظر، K-میانگین و نگاشت خودسازمان‌ده با شاخص‌های سیلوئت، دیویس-بولدین و کالینسکی-هاراباژ ارزیابی و قرابت طیفی با زاویه طیفی میان مراکز کلاس‌ها کمّی شد. نتایج: میانگین قدر مطلق همبستگی باندهای مجاور ۹۹/۰ بود. پارامتر توقف زودهنگام دقت آزمون شبکه عصبی را بیش از ۲۴ واحد درصد، از حدود ۶۶ به ۳/۹۰ درصد، تغییر داد. در فضای کامل ۲۰۴ باندی، ماشین بردار پشتیبان دقت ۹/۹۳ درصد و کاپای ۹۳/۰ و شبکه عصبی دقت ۱/۹۱ درصد و کاپای ۹۰/۰ داشت، محدودکردن ورودی به دو مؤلفه این مقادیر را به ۴/۸۳ و ۸/۸۱ درصد کاهش داد. شاخص‌های سیلوئت و دیویس-بولدین هر دو هفت خوشه را بهینه یافتند؛ کمتر از شانزده کلاس اسمی. کمترین زاویه طیفی به جفت آیش و خاک تاکستان با ۱/۱ درجه و جفت انگور و تاکستان هرس‌نشده با ۴/۱ درجه تعلق داشت. نتیجه‌گیری: تنظیم پارامترهای یادگیری اثری هم‌تراز با انتخاب خود روش دارد و کاهش ابعاد بر پایه سهم واریانس، اطلاعات مؤثر بر تفکیک کلاس‌ها را حذف می‌کند. ساختار قرابت طیفی استخراج‌شده، کلاس‌های مستعد اشتباه را پیش از دسته‌بندی مشخص می‌سازد و برای انتخاب باند و طراحی نمونه‌برداری کاربرد دارد.

چکیده ارزیابی تناسب اراضی یکی از ابزارهای اساسی در مدیریت پایدار منابع خاک و افزایش بهره‌وری تولید محصولات کشاورزی است. در سال‌های اخیر، استفاده از منطق فازی به دلیل توانایی در نمایش تدریجی محدودیت‌های خاک، مورد توجه قرار گرفته است، لیکن پارامترهای توابع عضویت در اغلب مطالعات بر پایه قضاوت کارشناسی، تعیین شده است. هدف از این پژوهش، توسعه یک مدل فازی داده‌محور برای ارزیابی تناسب خاک در کشت ذرت دانه‌ای از طریق بهینه‌سازی پارامترهای توابع عضویت با استفاده از الگوریتم تکامل تفاضلی بود. برای این منظور، اطلاعات 100 مزرعه ذرت دانه‌ای از چهار منطقه زراعی کشور شامل استان‌های فارس، خوزستان، قزوین و کرمان مورد استفاده قرار گرفت. تناسب اقلیم برای هر چهار منطقه، مشابه و مناسب بود. بنابراین تنها ویژگی‌های مختلف خاک شامل واکنش خاک، هدایت الکتریکی، درصد سدیم تبادلی، درصد کربنات کلسیم معادل و گچ، بافت، وضعیت زهکشی و شیب اراضی به‌عنوان متغیرهای ورودی مدل فازی انتخاب و شاخص تناسب خاک محاسبه شد. پارامترهای توابع عضویت با هدف بیشینه‌سازی ضریب تبیین رابطه بین شاخص تناسب خاک و عملکرد واقعی ذرت بهینه شدند. عملکرد مدل فازی با روش پارامتریک کلاسیک بر پایه رابطه شاخص تناسب خاک و عملکرد واقعی ذرت دانه‌ای مقایسه و اهمیت هر یک از ویژگی‌های خاک با استفاده از تحلیل حساسیت و روش اهمیت مبتنی بر جایگشت (permutation importance)، براساس مقدار کاهش ضریب تبیین پس از جابه‌جایی تصادفی مقادیر هر متغیر، ارزیابی شد. همچنین، عملگرهای تجمیع و اثر وزن‌دهی در محاسبه شاخص نهایی تناسب خاک مورد بررسی قرار گرفتند. نتایج تحلیل حساسیت و اهمیت مبتنی بر جایگشت از نظر رتبه‌بندی ویژگی‌های خاک کاملاً یکسان نبودند، لیکن هر دو روش بر اهمیت بیشتر برخی ویژگی‌های خاک، به‌ویژه ویژگی‌های شیمیایی، تأکید داشتند. میانگین هندسی به‌عنوان مناسب‌ترین عملگر تجمیع انتخاب شد و اعمال وزن‌دهی موجب افزایش ضریب تبیین مدل فازی نشد. نتایج نشان داد که بهینه‌سازی توابع عضویت مدل فازی با استفاده از الگوریتم تکامل تفاضلی، ضریب تبیین رابطه بین شاخص تناسب خاک و عملکرد واقعی ذرت را از 45/0 در مدل فازی اولیه به 69/0 افزایش می‌دهد، این آماره در روش پارامتریک کلاسیک، 59/0 به‌دست آمده بود. نتایج این پژوهش نشان داد که بهینه‌سازی داده‌محور توابع عضویت می‌تواند توانایی شاخص تناسب خاک در تبیین تغییرپذیری عملکرد واقعی ذرت را افزایش دهد. در نتیجه، وابستگی به تعیین دستی پارامترهای توابع عضویت کاهش می‌یابد. چارچوب ارائه‌شده در این پژوهش می‌تواند در مطالعات آتی برای ارزیابی تناسب خاک در مقیاس‌های منطقه‌ای و ملی به‌کار برده شود.

چکیده هدف از این پژوهش شناسایی دقیق و کنترل کیفیت سوخت‌های زیستی جایگزین، بر پایه آرایه‌ای از هشت حسگر گاز نیمه‌رسانای اکسید فلزی سری MQ در تفکیک ۱۵ کلاس آمیخته‌های سوختی دیزل، بیودیزل و روغن الکلدر شرایط قرائت استاتیک (حالت‌پایا) بود. داده‌های تجربی شامل ۲۲۵ نمونه (۱۵۰ نمونه آموزش و ۷۵ نمونه آزمون مستقل) با استفاده از تحلیل مؤلفه‌های اصلی (PCA) و دو مدل یادگیری ماشین غیرخطی شامل جنگل تصادفی (RF) و پرسپترون چندلایه (ANN/MLP) تحلیل شدند. نتایج نشان داد که با وجود تبیین 96/74درصد از واریانس کل توسط دو مؤلفه نخست در PCA، هم‌پوشانی شدیدی میان خوشه‌ها در فضای ویژگی‌ها وجود دارد. مدل‌های RF و ANN بر روی داده‌های آزمون مستقل به‌ترتیب به صحت اندک 67/6درصد و 00/8درصد و ضریب کاپای کوهن 000/0و 0143/0 دست یافتند که منطبق بر آستانه تصمیم‌گیری تصادفی(15/1≈67/6) بوده و آزمون مک‌نمار( 00/1p= ) نیز عدم برتری معنادار میان آن‌ها را تأیید کرد. همچنین، تحلیل شاخص اهمیت ناخالصی MDI (بین 1008/0 تا 1465/0) گویای توزیع یکنواخت بار اطلاعاتی و فقدان حسگر مسلط بود. مقایسه پیکربندی‌ها نشان داد کاهش ابعاد به ۴ حسگر، صحت RF را تا 67/10درصد افزایش داد که نشانه اثر منفی «نفرین ابعاد» در حضور داده‌های هم‌خط است. این یافته‌ها اثبات می‌کنند که قرائت‌های تک‌نقطه‌ای تعادلی به دلیل غفلت از سینتیک گذرای واکنش و حساسیت متقاطع بالای حسگرهای تجاری، فاقد غنای اطلاعاتی کافی برای تفکیک سوخت‌ها در مقیاس‌های ریزدانه هستند؛ از این رو، استخراج مشخصه‌های دینامیک و بازتعریف سطوح طبقه‌بندی ضروری است.