برآورد سطح برگ بوته ذرت با استفاده از شبکه عصبی مصنوعی

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. تیمار های 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 نمونه برداری در چهار زمان متفاوت (35، 49، 63 و 77 روز پس از کاشت) انجام شد. در هر نمونه برداری، تعداد برگ های روی بوته، تعداد، طول و عرض برگ های سبز، سطح برگ بوته، وزن خشک برگ و ساقه، ارتفاع بوته، قطر ساقه و عملکرد زیست‏توده اندازه گیری شدند. یافته ها نشان داد که متغیرهای اندازه گیری شده همبستگی مثبت و معنی داری با سطح برگ داشته (**859/0 r ≥) و می توانند به عنوان ورودی در مدل های برآورد سطح برگ استفاده شوند. در بین آنها بیشترین حساسیت به ترتیب مرتبط با عرض برگ، تعداد برگ سبز، طول برگ، تعداد برگ های بوته و قطر ساقه بود. با این حال، استفاده از مدلی با آماره های مناسب و با ورودی های عرض، تعداد و طول برگ های سبز، برای برآورد سریع سطح برگ مناسب تر تشخیص داده شد. هنگامی که از تک ورودی برای برآورد سطح برگ استفاده شد، وزن خشک برگ نسبت به دیگر متغیر ها، سطح برگ را به خوبی (67/15 = RMSE (%)) شبیه سازی و 69/95% از تغییرات آن را توجیه (9569/0 = r2) کرد. در هر دو روش برآورد سطح برگ (آنالیز حساسیت و تک ورودی)، بهترین مدل برآورد شده تحت تاثیر رقم، تراکم و بر همکنش آنها قرار نگرفت. بنابراین، می توان از یک مدل کلی برای برآورد سطح برگ همه رقم ها و تراکم های این آزمایش استفاده کرد.