TY - JOUR JF - JCPP JO - VL - 7 IS - 3 PY - 2017 Y1 - 2017/11/01 TI - Estimating Corn Plant Leaf Area Using Artificial Neural Network TT - برآورد سطح برگ بوته‌ ذرت با استفاده از شبکه‌ عصبی مصنوعی N2 - با هدف برآورد ساده و دقیق سطح برگ بوته ذرت با شبکه عصبی پرسپترون چند لایه، آزمایشی در دانشکده علوم کشاورزی دانشگاه گیلان در سال زراعی 1393 - 1392 انجام شد. تیمار­های این آزمایش سه تراکم بوته (75، 85 و 95 هزار بوته در هکتار) و پنج رقم (پرشیا 454، پرشیا 484، پرشیا 565، پرشیا 626 و 647) بود و نمونه­برداری در چهار زمان متفاوت (35، 49، 63 و 77 روز پس از کاشت) انجام شد. در هر نمونه­برداری، تعداد برگ­های روی بوته، تعداد، طول و عرض برگ­های سبز، سطح برگ بوته، وزن خشک برگ و ساقه، ارتفاع بوته، قطر ساقه و عملکرد زیست‏توده اندازه­گیری شدند. یافته­ها نشان داد که متغیرهای اندازه­گیری شده همبستگی مثبت و معنی­داری با سطح برگ داشته (**859/0 r ≥) و می­توانند به­عنوان ورودی­ در مدل­های برآورد سطح برگ استفاده شوند. در بین آنها بیشترین حساسیت به­ترتیب مرتبط با عرض برگ، تعداد برگ سبز، طول برگ، تعداد برگ­های بوته و قطر ساقه بود. با این­حال، استفاده از مدلی با آماره‌های مناسب و با ورودی­های عرض، تعداد و طول برگ­های سبز، برای برآورد سریع سطح برگ مناسب­تر تشخیص داده شد. هنگامی­که از تک‌ورودی برای برآورد سطح برگ استفاده شد، وزن خشک برگ نسبت به دیگر متغیر­ها، سطح برگ را به­خوبی (67/15 = RMSE (%)) شبیه­سازی و 69/95% از تغییرات آن را توجیه (9569/0 = r2) کرد. در هر دو روش برآورد سطح برگ (آنالیز حساسیت و تک­ورودی)، بهترین مدل برآورد شده تحت تأثیر رقم، تراکم و بر­همکنش آنها قرار نگرفت. بنابراین، می­توان از یک مدل کلی برای برآورد سطح برگ همه رقم­ها و تراکم­های این آزمایش استفاده کرد. SP - 19 EP - 32 AU - Nazari, Kh AU - Zavareh, M AU - Ashrafzadeh, A AD - University of Guilan KW - Allometric relations KW - Cultivar KW - Density KW - Multi-layer perceptron (MLP) KW - Sensitivity analysis UR - http://jcpp.iut.ac.ir/article-1-2514-fa.html DO - 10.29252/jcpp.7.3.19 ER -