فهرست نشریات علمی دسترسی آزاد ایران

از داده­های تجزیه آزمایشگاهی خاک، آب و گیاه می­توان به منظور بهینه کردن مصرف کودها، افزایش کمی و کیفی عملکردها و حفظ محیط زیست از اثرات منفی این کودها استفاده کرد مشروط بر آنکه تجزیه و تحلیل این داده­ها مبتنی بر نگرشی سیستمی و جامع  و لحاظ اثرات متقابل عناصر و تفکیک اثرات آنتاگونیستی و سینرژیستی عناصر باشد. مدل­های دریس و CND- clr [1] قادرند D جزو­ تشخیص را برآورد کنند در حالیکه می­توان D-1 جزو تشخیص را در فضای چند بعدی هیلبرت (Hilbert Space) بوسیله CND- ilr [2] برآورد کرد. هدف از این تحقیق مقایسه فاصله ماهالانوبیس و فاصله ایچسن حاصل شده از “نسبت لگاریتم ایزومتریک” (ilr) به عنوان دو تخمین­گر تعادل عناصر غذایی، همچنین تعیین نرم­های مرجع CND- ilr برای عناصر پر­مصرف و کم­مصرف و استفاده از روش تعادل ترازویی برای تشخیص وضعیت عناصر غذایی است. داده­های عملکرد ریشه و تجزیه بافت گیاهی از 170 مزرعه چغندرقند زمستانی استان خوزستان جمع آوری و عناصر نیتروژن، فسفر، پتاسیم، آهن، منگنز، روی و مس اندازه­گیری شد.  عناصر غذایی به ده فرم تعادلی ilr 1 : [Fe|Cu, Zn, Mn], ilr 2 : [Mn|Zn, Mn], ilr3: [Zn|Cu], ilr 4 : [P | N], ilr 5 : [NP | K], ilr 6 : [Fe | Mn], ilr 7 : [Zn | Cu], ilr 8 : [Fe,Mn| Zn,Cu], ilr 9 : [N,P,K|Mn,Zn,Fe,Cu], ilr 10 : [F V |N,P,K, Mn, Zn, Fe, Cu]  طراحی و مقدار ilr  برای آنها محاسبه شد. کل جامعه مشاهداتی به روش " منحنی عملیاتی دریافت کننده " (ROC [3] ) و حد بحرانی فاصله ماهالانوبیس 2/4 و عملکرد ریشه حد واسط (Cut-off yield)به میزان 325/60 تن در هکتار با میزان دقت %85 پوشش زیر منحنی ROC به دو گروه متعادل (عملکرد بالا) و غیرمتعادل (عملکرد پایین) برای ilr 4 تا ilr 10 تقسیم شدند. مقایسه بین تخمین­گرهای فاصله ماهالانوبیس و فاصله ایچسن تفاوت قابل توجه­ایی را نشان نداد. با استفاده از روش تعادل ترازویی بین هفت تعادل گروه مرجع TN وگروه TP به غیر از تعادل ilr 7 با استفاده از آزمون توکی (P≤ 0.05) اختلافات معنی دار شد. نتایج نشان داد برای افزایش عملکرد ریشه چغندرقند نیازی به مصرف کود آهن نیست ولی باید کوددهی نیتروژن را کاهش و پتاسیم را افزایش داد. [1] . Compositional Nutrient Diagnosis - centered log ratio [2] . Compositional Nutrient Diagnosis - isometric log ratio [3] . Receiver Operation Characteristic Curve – ROC