فهرست نشریات علمی دسترسی آزاد ایران

هدف از این پژوهش ارزیابی رابطه بین آهن موجود در برگ با برخی ویژگی‌های زودیافت خاک در باغات مرکبات منطقه جنوب استان کرمان به‌وسیله روش‌های مدل‌سازی شبکه عصبی مصنوعی و رگرسیون گام به گام بود. به همین منظور 40 باغ بارده از کل منطقه انتخاب شده و خصوصیات فیزیکی و شیمیایی خاک و آهن موجود در برگ گیاه اندازه‌گیری شد. با استفاده از شبکه عصبی مصنوعی و مدل‌های مختلف با داده‌های متفاوت از ویژگی‌های خاک به عنوان ورودی و آهن برگ به عنوان خروجی، توانایی این مدل‌ها در پیش-بینی غلظت آهن برگ مورد ارزیابی قرار گرفت. نتایج مدل‌سازی نشان داد شبکه عصبی مصنوعی با متغییرهای کربن آلی، پ‌هاش، رس، فسفر، درصد مواد خنثی شونده و هدایت الکتریکی با ضرایب تبیین 86/0 و 81/0 و ریشه میانگین مربعات خطا (RMSE)60/14 و 13/20 میلی‌گرم بر کیلوگرم برای داده‌های آموزش و آزمون بهترین در برآورد آهن برگ بود. مقایسه مدل‌های رگرسیون و شبکه عصبی در داده‌های آزمون نشان داد که شبکه عصبی دقت بالاتری با ضریب تبیین 81/0 نسبت به رگرسیون گام به گام با ضریب تبیین 2/0 داشت. همچنین مقدار RMSE شبکه عصبی نیز بهبود بهتری داشته و از 72/27 میلی‌گرم بر کیلوگرم در مدل رگرسیون گام به گام به 13/20 میلی‌گرم بر کیلوگرم در شبکه عصبی رسید. شبکه عصبی مصنوعی بر اساس ویژگی‌های زودیافت خاک قادر به پیش‌بینی آهن موجود در برگ گیاه بوده‌اند به‌گونه‌ای که با انتخاب کربن آلی به عنوان ورودی اولین مدل تا در بهترین مدل با انتخاب کربن آلی، پ‌هاش، رس، فسفر، درصد مواد خنثی شونده و هدایت الکتریکی، دقت مدل افزایش یافت.