3 نتیجه برای افرا
احمد خیری، علی برهانی، سید محمود اخوت، حسن اشتیاقی،
جلد 7، شماره 3 - ( 7-1382 )
چکیده
در بررسی نهالهای افراپلت در خزانه، که علایم کم رشدی، ضعف عمومی و کوتولگی نشان میدادند، نماتد مولد زخم ریشه و دو گونه قارچ فوزاریوم سولانی و فوزاریوم اکسیسپوروم از ریشههای آلوده جدا شد. اثر متقابل نماتد مولد زخم و قارچهای فوزاریوم در چارچوب طرح کاملاً تصادفی با شش تیمار و چهار تکرار در شرایط گلخانه بررسی شد. نماتدهای جدا شده از ریشه پس از سترون کردن در محیط کشت دیسک هویج به میزان کافی تکثیر گردید و 40 نماتد در حجم 100 سانتیمتر مکعب (520 عدد در cc 1300) خاک نهالهای دو برگی افراپلت افزوده شد.
نتایج نشان داد که اختلاف معنیداری در سطح 1% بین تیمارهای مختلف وجود دارد. در تیمار نماتد تنها، هفت ماه پس از مایهزنی بیشترین کاهش رشد و 75% مرگ و میر نهالها دیده شد، و جمعیت نماتد در گرم خاک و بافت ریشه به ترتیب به 2/11 و 1266 عدد رسید. در تیمار توأم نماتد و قارچ، اثر تخریبی نماتد در گیاه کاهش یافت و جمعیت آن در بافت ریشه و خاک کمتر از تیمار نماتد تنها بود. یعنی قارچ اثر کنترل کنندگی بر نماتد داشت، و مشخص شد که این اثر در قارچ فوزاریوم اکسیسپوروم بیشتر از گونه دیگر است.
حامد یوسفزاده، مسعود طبری، کامبیز اسپهبدی، غلامعلی جلالی،
جلد 12، شماره 44 - ( 4-1387 )
چکیده
تحقیق حاضر جهت پیشبینی رشد نهال پلت بر اساس ویژگیهای برگ در یک نهالستان کوهستانی(1550 متر ارتفاع از سطح دریا) در شمال کشور انجام شد. برای این منظور، از بین 270 اصله نهال پرورش یافته پلت، 86 اصله بهصورت تصادفی انتخاب شد. صفات رویشی نهال شامل طول ساقه و قطر یقه و صفات مورفولوژیک برگ شامل تعداد، وزن خشک، مساحت، سطح فتوسنتزی و نسبت مساحت به وزن خشک برگ اندازهگیری و زیتوده ساقه و زیتوده کل نهالها نیز محاسبه گردید. بر اساس صفات مورفولوژیک برگ و با استفاده از روشهای رگرسیونی ساده و چند متغیره(روش گام به گام) اقدام به تعیین مدل پیشبینی میزان رشد طولی و قطری و همچنین زیتوده ساقه و کل نهالها شد. نتایج نشان داد که میتوان بر اساس سطح فتوسنتزی و تعداد برگ میزان رشد ارتفاعی نهالها را با دقت قابل قبول تخمین زد. همچنین بر اساس وزن برگ، سطح فتوسنتزی و تعداد برگ، میزان زیتوده ساقه نهال را با دقت مناسبی برآورد نمود. قطر یقه و زیتوده کل نهالها نیز با توجه به وجود همبستگی با صفات مورفولوژیک برگ، مورد آزمون قرار گرفتند. اما مدلهای بهدست آمده برای هر یک از این دو متغیر دقت قابل قبولی را ارایه ندادند. از نتایج این تحقیق میتوان استنتاج کرد که باتوجه به همبستگی صفات رویشی با صفات مورفولوژیک برگ، توجه به متغیر سطح فتوسنتزی در گزینش مقدماتی نهالها جهت انتقال از نهالستان به عرصههای جنگلکاری، بهمنظور افزایش میزان رشد و تولید چوب دارای اهمیت میباشد.
میثم باقری فر، مریم حافظ پرست،
جلد 29، شماره 4 - ( 10-1404 )
چکیده
پیشبینی جریان رودخانه یکی از جنبههای کلیدی هیدرولوژی است که نقش بسزایی در مدیریت منابع آب، کاهش خطرات ناشی از سیل و برنامهریزی کشاورزی ایفا میکند. هدف اصلی این مطالعه، شبیهسازی دقیق و پیشبینی جریان ماهانه رودخانه رازاور در استان کرمانشاه، با توسعه و ارزیابی مدل ترکیبی ماشین یادگیری افراطی (ELM) بهینهسازیشده توسط الگوریتمهای فراابتکاری نهنگ (WOA) و ملخ (GOA) است. برای این منظور، دادههای ماهانه جریان رودخانه، بارندگی، تبخیر و دما برای یک بازه زمانی ۱۰ساله با گام زمانی ماهانه جمعآوری و در بازه عددی صفر تا یک نرمالسازی شدند. 80 درصد دادهها برای آموزش و 20 درصد باقیمانده برای ارزیابی مدلها استفاده شد. عملکرد مدلها با شاخصهای آماریNSE ، RMSE و R² سنجیده شد. ابتدا مدل پایه ELM با استفاده از روش سعی و خطا برای تنظیم وزنهای بین لایههای پنهان و خروجی توسعه یافت. سپس، الگوریتمهای WOA و GOA برای بهینهسازی وزنها به کار گرفته شدند. نتایج نشان داد که مدل پایه ELM نسبت به مدلهای بهینهسازیشده عملکرد ضعیفتری دارد (آموزش:0/1427=R2=0/7911 ،NSE=0/7795 ،RSME ، تست: 0/1406=R2=0/7916 ،NSE=0/7811 ،RSME. مدل GOA-ELM نسبت به مدل ELM عملکرد بهتر اما نسبت به مدل WOA-ELM عملکرد ضعیفتری داشت (آموزش:0/1366 =R2=0/7922 ،NSE= 0/7855 ،RSME ، تست: 7R2=0/7925 ،NSE=0/7859 ،0/1328= .(RSME مدل WOA-ELM نسبت به همه مدلها عملکرد بهتری دارد (آموزش: 0/1215=R2=0/793 ،NSE=0/7869 ،RSME،تست: 0/1165 =R2=0/7933 ،NSE=0/7872 ،RSME). این پژوهش نشان میدهد که الگوریتمهای بهینهسازی فراابتکاری به دلیل توانایی جستجوی جامع و جلوگیری از گرفتار شدن در بهینههای محلی، نقش مهمی در بهبود عملکرد مدلهای پیشبینی جریان رودخانه دارند. یافتههای این مطالعه، بر اهمیت بهکارگیری این تکنیکها در مدیریت منابع آب و برنامهریزی پایدار تأکید میکند و زمینهساز پژوهشهای آتی در این حوزه خواهد بود.
