محسن فرشادفر، عزتاله فرشادفر،
جلد 8، شماره 2 - ( تابستان 1383 )
چکیده
آگروپایرون یکی از گیاهان مقاوم به تنشهای حیاتی و غیر حیاتی است و نقش مهمی در تولید علوفه در مراتع ایران دارد. تنوع ژنتیکی بر اساس نشانگرهای مختلف، نقش کلیدی در عملیات اصلاح نبات دارد و یکی از مهمترین شاخصها برای انتخاب والدین است. به منظور ارزیابی تنوع ژنتیکی گونههای مختلف آگروپایرون بر اساس صفات ریخت شناختی و شیمیایی این پژوهش انجام گرفت. صفات مختلف مانند تعداد پنجه، طول سنبله، تعداد سنبلچه، طول پهنک برگ پرچمی، عرض پهنک برگ پرچمی، ارتفاع گیاه و طول دمگل آذین اندازهگیری شد. ترکیبهای شیمیایی مانند: درصد خاکستر، درصد مواد آلی، درصد الیاف خام، درصد ماده خشک، درصد چربی و درصد پروتیین خام تعیین گردیدند. براساس صفات اندازهگیری شده و با استفاده از نرم افزار SPSS محاسبات آماری انجام گرفت.
تجزیه واریانس و مقایسه میانگین بین ژنوتیپها برای صفات مختلف، اختلاف معنیداری نشان داد. تجزیه خوشهای بر اساس صفات ریخت شناختی و شیمیایی، ژنوتیپها را به پنج گروه تقسیم کرد. بر اساس تجزیه به مؤلفههای اصلی، متنوعترین صفت ظاهری طول پهنک برگ پرچمی، طول سنبله و ارتفاع گیاه و در بین ترکیبات شیمیایی درصد خاکستر، مواد آلی و الیاف خام بیشترین سهم را داشتند. پارامترهای ژنتیکی PCV ، GCV ، ECV ، Hb و Ga نیز برای صفات مختلف محاسبه گردیدند. این پارامترها برای صفت طول پهنک برگ پرچمی به ترتیب عبارتاند از: 495/1، 42/1، 335/0، 94/0، 13/1 و برای صفت طول سنبله: 96/30، 64/21، 139/22، 488/0، 786/5 و برای ارتفاع گیاه عبارتاند از: 16/0، 084/0، 136/0، 276/0، 054/6 0 بودند.
حسن زالی، سید حسین صباغپور، عزتاله فرشادفر، پیام پزشکپور، منصور صفیخانی، رمضان سرپرست، عبداله هاشمبیگی،
جلد 11، شماره 42 - ( زمستان 1386 )
چکیده
وجود اثر متقابل ژنوتیپ × محیط موجب میشود که عملکرد ژنوتیپها در دامنه وسیعی از شرایط محیطی مورد ارزیابی قرار گیرد تا اطلاعات حاصل بتواند کارایی مربوط به گزینش برای معرفی آنها را افزایش دهد. در این تحقیق به منظور بررسی و انتخاب ژنوتیپهای پر محصول و سازگار با شرایط دیم، تعداد 17 لاین و ژنوتیپ نخود در قالب طرح بلوکهای کامل تصادفی در چهار تکرار به مدت دو سال (83-1382) در پنج ایستگاه تحقیقات کشاورزی کرمانشاه، لرستان، گچساران، گرگان و ایلام در شرایط دیم اجرا گردید. اثر متقابل ژنوتیپ × محیط با استفاده از مدل آثار اصلی افزایشی و اثرات متقابل ضرب پذیر (مدل AMMI ) در سطح احتمال 1% معنی دار بود. مجموع مربعات اثر متقابل توسط مدل AMMI به چهار مؤلفه اصلی اثر متقابل ( IPCA ) معنیدار تفکیک گردید. در مجموع چهار مؤلفه اصلی ( IPCA4 وIPCA1 ، IPCA2 ، IPCA3 ) از تغییرات اثر متقابل ژنوتیپ × محیط 94 % را توجیه میکردند. براساس نمودار بای پلات مدل AMMI2 ، ژنوتیپهای FLIP 97- 79 ، X95TH1 و FLIP 97- 114 از پایداری مناسب برخوردار بودند و ژنوتیپ FLIP 97- 114 با عملکرد بالا میتواند به عنوان ژنوتیپ سازگار با عملکرد پایدار معرفی شود.
ایمان صالح، سید مسعود سلیمانپور، مجید خزایی، امید رحمتی، صمد شادفر،
جلد 29، شماره 4 - ( علوم آب و خاک- زمستان 1404 )
چکیده
هدررفت خاک و تخریب فراوان ناشی از فرسایش خندقی همواره خسارات فراوانی به همراه داشته است. به دلیل اینکه اندازه گیری مستقیم میدانی و پایش فرسایش خندقی امری هزینه بر و زمان بر است، امکان تعیین میزان هدررفت خاک ناشی از فرسایش خندقی بسیار مشکل است. این پژوهش با هدف محاسبه حجم خاک ازدسترفته ناشی از فرسایش خندقی با استفاده از مدل های یادگیری ماشین در حوزه آبخیز آبگندی استان کهگیلویه و بویراحمد بر اساس مطالعات میدانی، انجام شده است. مدل های یادگیری ماشین عبارتاند از: جنگل تصادفی، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و سیستم استنباط فازی عصبی تطبیقی. ازاینرو، موقعیت 68 خندق در منطقه ثبت و به منظور مدل سازی هدررفت خاک ناشی از خندق ها، لایه های رقومی عوامل تأثیرگذار بر گسترش خندق ها از جمله عوامل توپوگرافی، خاک شناسی، سنگ شناسی و هیدرولوژیک به عنوان متغیرهای مستقل تهیه شد. سپس حجم خاک ازدسترفته ناشی از فرسایش خندقی منطقه در تعدادی خندق معرف به صورت مستقیم به عنوان متغیر وابسته در عرصه اندازه گیری شد. خندق های اندازه گیریشده، به صورت تصادفی به دو گروه آموزش و اعتبارسنجی تقسیم شدند. نتایج مدل ها با استفاده از خطای جذر میانگین مربعات (RMSE) و شاخص R2 ارزیابی شده و مدل ها با یکدیگر مقایسه شدند. بر اساس نتایج این مطالعه، فرسایش خندقی در حوضه آبگندی استان کهگیلویه و بویراحمد هر ساله رو به افزایش است و در شرایطی که میزان بارندگی و همچنین فراوانی بارشهای سنگین (بیشتر از مقدار پنج میلیمتر یا بیشتر) و دارای شدت زیادی باشد، میزان فرسایش و هدررفت خاک به طور مستقیم افزایش چشمگیر خواهد داشت. از میان مدلهای یادگیری ماشین مورد استفاده در این پژوهش، مدل جنگل تصادفی به عنوان مدل برتر در زمینه پیشبینی هدررفت خاک ناشی از فرسایش خندقی انتخاب شد.