|
" برآورد ساده سطح برگ هفت رقم مرکبات (Citrus sp.): ارائه الگویی نوین برای مدیریت بهینه باغها "
ابوذري، ابوذر
| شماره شناسایی
|
:
|
18885616
|
| شماره مدرک
|
:
|
۶۷۹۳۷
|
| نام عام مواد
|
:
|
[گزارش علمی- فنی]
|
| شناسه افزوده
|
:
|
ابوذري، ابوذر
|
|
|
:
|
تاجور، يحيي
|
|
|
:
|
عدولي، بابک
|
| عنوان اصلي
|
:
|
برآورد ساده سطح برگ هفت رقم مرکبات (Citrus sp.): ارائه الگویی نوین برای مدیریت بهینه باغها
|
| نام نخستين پديدآور
|
:
|
ابوذري، ابوذر
|
| عنوان اصلي به زبان ديگر
|
:
|
Simple Estimation of Leaf Area in Seven Citrus Species: A Novel Model for Optimal Orchard Management
|
| وضعیت انتشار
|
:
|
تهران: موسسه آموزش و ترويج كشاورزي، ۱۴۰۴
|
| فروست
|
:
|
شماره ثبت ۶۷۹۳۷ مورخ ۱۴۰۴/۰۶/۱۷۶۷۹۳۷
|
|
|
:
|
سامانه سمپات
|
| توصیفگر
|
:
|
تخمین سطح برگ، روش های غیر تخریبی، مدل رگرسیونی، مرکبات
|
| خلاصه یا چکیده
|
:
|
تعیین پارامترهای مؤثر در عملکرد گیاهان، از اهداف بسیاری از پژوهشگران علوم زراعی و باغی میباشد. دراینبین، اندازهگیری سطح برگ در مطالعه¬های فیزیولوژی متعددی باتوجهبه اهمیت آنها در ارزیابی رشد و توسعه گیاه دارای نقشی اساسی است. باتوجهبه هزینهبربودن و صرف زمان زیاد در ارزیابیهای رایج که برخی از آنها ارزیابی طی دوره رشد را غیرممکن میسازند، روشهاي نمونهبرداری غيرتخريبي که آسيب جدي به تاج درختان وارد نميسازند، همواره مدنظر محققان بوده است. یکی از بهترين، کمهزینهترین و کاربرديترين روشهای محاسبة سطح برگ درختان که امروزه نيز در کشورهاي مختلف مورداستفاده قرار ميگيرد، محاسبة مدلهاي رگرسيوني است. در اين روش سعي ميشود با اندازهگيري متغيرهاي کمّي سادهی برگ مانند طول و پهناي برگ و مدلسازي، برآورد قابلقبولی از سطح برگ ارائه نمود. این پژوهش طی سالهای 1402 و 1403، با جمعآوری بالغ بر 2000 برگ از 7 رقم مرکبات شامل پرتقال جیرفتی (Citrus sinensis 'Jirofti)، پرشینلایم (C. latifolia 'Persian Lime)، نارنگی کلمانتین (C. clementina 'Clementine)، پرتقال تامسون (C. sinensis (L.) Osbeck Thomson)، نارنگی پیج (Minneola tangelo × Citrus clementina 'Page)، پرتقال والنسیا (C. sinensis 'Valencia) و نارنگی انوش (C unshiu Marcovitch 'Unshiu)، موجود در پژوهشکده مرکبات و میوههای نیمهگرمسیری رامسر انجام شد. از هر رقم 5 تکرار درخت با پایه نارنج و شرایط مدیریت نگهداری بهینه و مشابه انتخاب و 400 عدد برگ بالغ بهتصادف از چهار جهت تاج درختان در فصل تابستان برای هر رقم جمعآوری شد. پس از اندازهگیری پارامترهای طول برگ (L)، پهنای برگ (W) و سطح برگها (LA)، تجزیه رگرسیون با استفاده از دادههای بهدستآمده برای هر یک از ارقام به طور جداگانه انجام شد. برای محاسبة بهترین مدل جهت برآورد سطح برگ ارقام مختلف، ارتباط متغیر غیرمستقل سطح برگ (LA) با سایر متغیرهای مستقل از جمله L، W، L2، W2 و ترکیب آن¬ها] (LW)2, (L+W), (L+W)2 (L2+W2), (L2W2) [ مورد ارزیابی قرار می¬گیرد. بر اساس دادههای موجود، انواع معادلات رگرسیونی از قبیل خطی، چندجملهای، تصاعدی، لگاریتمی و توانی، بر اساس حداقل مربعات برازش داده شدند. در ادامه یک آزمایش اعتبارسنجی جهت انطباق سطح برگ پیشبینی شده (PLA) و سطح برگ مشاهده شده (OLA) در تابستان 1403 بر روی نمونههای برگی مشابه انجام شد. نتایج نشان داد که میانگین متغیرهای طول، پهنا و سطح برگ بین رقم¬های موردمطالعه اختلاف معنیداری داشته و برای تمامی رقم¬ها مدل خطی ساده بر مبنای متغیر مستقل ترکیبی (LW) دارای بالاترین ضریب تبیین بودند.
|
|
|
:
|
Determining the parameters that affect plant performance is one of the main goals of agricultural and horticultural researchers. In this context, leaf area measurement plays a crucial role in many physiological studies due to its importance in evaluating plant growth and development. Given the high costs and time consumption of conventional leaf area estimation methods, some of which make it impossible to assess leaf area during the growth period, non-destructive sampling methods that do not cause significant damage to the tree canopy have always been of interest to researchers. One of the most efficient, cost-effective, and practical methods for calculating leaf area, which is currently being used in several countries, is the use of regression models. In this approach, simple leaf variables such as length and width are measured, and a model is developed to provide an accurate estimate of leaf area.
This study, conducted during 2023 and 2024, involved the collection of more than 2,000 leaves from seven citrus cultivars: Clementine mandarin, Jiroufti orange, Page mandarin, Persian Lime, Thomson orange, Unshiu mandarin, and Valencia orange, at the Citrus and Subtropical Fruits Research Center in Ramsar, Iran. For each cultivar, five tree replicates on rootstocks of sour orange were selected, and 400 mature leaves were randomly collected from four canopy directions during the summer season. After measuring leaf length (L), width (W), and leaf area (LA), regression analysis was performed for each cultivar separately. Various types of regression equations, including linear, polynomial, exponential, logarithmic, and power functions, were fitted using the least squares method to predict leaf area based on the relationship between leaf area (LA) and other independent variables such as L, W, L², W², and their combinations (e.g., (L+W), (L×W)², etc.). Subsequently, a validation test was carried out to compare the predicted leaf area (PLA) and the observed leaf area (OLA) for similar leaf samples collected in the summer of 2024. The results indicated significant differences in leaf length, width, and area among the cultivars studied. For all cultivars, the simple linear model based on the combined variable (L×W) provided the highest coefficient of determination (R²).
|
| |