پديد آورندگان :
ميرزائي، محسن داﻧﺸﮕﺎه ﻣﻼﻳﺮ - ﭘﮋوﻫﺸﻜﺪه اﻧﮕﻮر و ﻛﺸﻤﺶ - ﮔﺮوه ﭘﮋوﻫﺸﻲ ﻋﻠﻮم ﻣﺤﻴﻄﻲ اﻧﮕﻮر، ﻣﻼﻳﺮ، اﻳﺮان , معروفي، صفر داﻧﺸﮕﺎه ﻣﻼﻳﺮ - ﭘﮋوﻫﺸﻜﺪه اﻧﮕﻮر و ﻛﺸﻤﺶ - ﮔﺮوه ﭘﮋوﻫﺸﻲ ﻋﻠﻮم ﻣﺤﻴﻄﻲ اﻧﮕﻮر، ﻣﻼﻳﺮ، اﻳﺮان , سلگي، عيسي داﻧﺸﮕﺎه ﻣﻼﻳﺮ - ﭘﮋوﻫﺸﻜﺪه اﻧﮕﻮر و ﻛﺸﻤﺶ - ﮔﺮوه ﭘﮋوﻫﺸﻲ ﻋﻠﻮم ﻣﺤﻴﻄﻲ اﻧﮕﻮر، ﻣﻼﻳﺮ، اﻳﺮان , عباسي، مژگان داﻧﺸﮕﺎه ﺷﻬﺮﻛﺮد - داﻧﺸﻜﺪه ﻣﻨﺎﺑﻊ ﻃﺒﻴﻌﻲ - ﮔﺮوه ﺟﻨﮕﻠﺪاري، ﺷﻬﺮﻛﺮد، اﻳﺮان , كريمي، روح الله داﻧﺸﮕﺎهﻣﻼﻳﺮ - ﭘﮋوﻫﺸﻜﺪه اﻧﮕﻮر - داﻧﺸﻜﺪه ﻛﺸﺎورزي، ايران
كليدواژه :
طيف‌سنجي زميني , كلروفيل , نيتروژن , انگور , ماشين بردار پشتيبان
چكيده فارسي :
پايش مقادير كلروفيل و نيتروژن در مزارع و باغات به عنوان نمادي از سلامت پوشش گياهي، كميت و كيفيت محصولات است. معمولا اندازه‌گيري اين پارامترها بوسيله آناليز آزمايشگاهي صورت مي‌پذيرد، كه نياز به هزينه، صرف وقت و مواد شيميايي دارد. در مطالعه حاضر به ارزيابي توانايي طيف‌سنجي زميني به عنوان روشي سريع، غيرمخرب و دوستدار محيط زيست در برآورد اين پارامترها در برگ انگور پرداخته شد. لذا از 180 نمونه برگ انگور برداشت شده از 30 موستان در تابستان 1396، منحني طيفي در دامنه 350-2500 نانومتر تهيه شد و طول موج‌ها و شاخص‌هاي طيفي بهينه در تخمين اين پارامترها بوسيله رگرسيون حداقل مربعات بخشي (PLS) تعيين شدند. سپس عملكرد متغيرهاي بهينه انتخاب شده، بوسيله مدل‌هاي رگرسيون چندگانه خطي و ماشين بردار پشتيبان (SVM) ارزيابي شد. نتايج PLS نشان داد، طول موج هاي واقع در نزديكي 2402، 946، 725 و 446 نانومتر و طول موج‌هاي واقع در نزديكي690، 1370، 729، 438 و 366 نانومتر به ترتيب به عنوان متغيرهاي بهينه در پيش‌بيني مقاديركلروفيل و نيتروژن در برگ انگور بوده‌اند. همچنين محدوده‌هاي مرئي و لبه قرمز بيشترين حساسيت را نسبت به تغييرات اين پارامترها داشتند. نتايج مدل‌سازي نشان داد، در بهترين ساختارهاي مدل SVM، كلروفيل و نيتروژن برگ انگور به ترتيب با ضرايب تعيين برابر با 91/0 و 72/0 در مرحله آزمون برآورد شدند. لذا با توجه به نتايج قابل قبول بدست آمده، توصيه مي‌گردد از طيف‌سنجي زميني، تشكيل كتابخانه طيفي و معرفي طول موج‌هاي بهينه جهت پايش ساير پارامترهاي بيوشيميايي در گونه‌هاي گياهي به عنوان روشي نوين و كارا استفاده گردد.
چكيده لاتين :
Monitoring the content of chlorophyll and nitrogen in farms and gardens is a measure of vegetation healthy and the quantity and quality of the products. Usually, these parameters are measured by laboratory analysis, which requires cost, time and chemicals. In this study, the ability of field spectroscopy was evaluated as a fast, non-destructive and eco-friendly method for estimating these parameters in grape leaf. Therefore, the spectral curve was prepared in the range of 350-2500 nm from 180 grape leaf samples, which collected from 30 vineyards in the summer of 2017. Then the optimal spectral wavelengths and indices, in estimating these parameters, were determined by Partial Least Squares (PLS) regression. Finally, performance of the selected optimal variables was evaluated by multiple linear regression and support vector machines (SVM). The results of PLS showed that the wavelengths in vicinity of 2402, 946, 725 and 446 nm and the 690, 1370, 729, 438, and 366 nm, were considered as optimal variables in predicting the chlorophyll and nitrogen contents in grape leaves, respectively. Also, visible and red edge regions had the highest sensitivity to the explanation changes in these parameters. The results of modelling showed that in the best structures of SVM, chlorophyll and nitrogen were estimated at test stage with R2 about 0.91 and 0.72, respectively. Therefore, according to the acceptable obtained results, it is recommended to use field-based spectroscopy, spectral library formation and the introduction of optimal wavelengths to monitor other biochemical parameters in plant species as a new and efficient method.
