پیش بینی غلظت مس و منگنز برگ مرکبات با استفاده از ویژگی های زودیافت خاک: مقایسه مدل های رگرسیون گام به گام و برنامه ریزی بیان ژن

مدیریت بهینه تغذیه مرکبات در باغ های جنوب کرمان، با توجه به خاک های آهکی منطقه و بروز کمبودهای عنصرهای غذایی کم مصرف، عاملی تعیین کننده در اقتصاد کشاورزی منطقه است. هدف این پژوهش، توسعه و مقایسه مدل های پیش بینی کننده برای غلظت مس و منگنز در برگ مرکبات بر اساس ویژگی های خاک، با مقایسه یک روش خطی سنتی و یک الگوریتم تکاملی غیرخطی بود. تعداد ۴۰ نمونه خاک و نمونه برگ متناظر از باغ های پرتقال (والنسیا) جمع آوری و تجزیه شدند. مدل ها با استفاده از رگرسیون خطی گام به گام و برنامه ریزی بیان ژن (GEP) و با ورودی های خاکی شامل بافت خاک، pH، قابلیت هدایت الکتریکی و غلظت کربن آلی و فسفر ساخته شدند. نتایج به طور قاطع برتری عملکرد رویکرد غیرخطی را تایید کرد. مدل بهینه GEP برای پیش بینی غلظت مس برگ بر اساس pH، کربن آلی و رس (بر روی داده های آزمون) دارای ضریب تبیین (R۲) ۶۰/۰ بود که به طور معناداری از مدل رگرسیون گام به گام با R۲ برابر ۳۶/۰ بهتر عمل کرد. به طور مشابه، برای غلظت منگنز برگ، بهترین مدل GEP بر اساس pH و قابلیت هدایت الکتریکی ضریب تبیین (R۲) ۵۳/۰ داشت که قدرت تبیین کنندگی آن تقریبا دو برابر مدل رگرسیون گام به گام با R۲ برابر ۲۸/۰ بود. مدل های GEP نه تنها با درک برهم کنش های پیچیده و غیرخطی خاک-گیاه، دقت پیش بینی بالاتری داشتند، بلکه معادلات ریاضی صریحی را نیز تولید کردند. به طور کلی، مدل GEP ابزاری به مراتب قدرتمندتر و قابل اطمینان تر از رگرسیون گام به گام برای این کار است و مسیری ملموس برای ایجاد سامانه های پشتیبان تصمیم در مدیریت دقیق مصرف کودها در باغ های مرکبات ارائه می دهد.

کلیدواژه ها:

الگوریتم های تکاملی ، پرتقال والنسیا ، خاک های آهکی ، عنصرهای غذایی کم مصرف ، زیست فراهمی