بررسی تنوع و تخمین سطح برگ در اکوتیپ های مختلف گیاه دارویی نعناع با استفاده از مدل های هوش مصنوعی و رگرسیونی تحت شرایط تنش شوری

سطح برگ یک شاخص کلیدی برای رشد و تولید محصولات گیاهیو همچنین عاملی تعیین کننده در کارایی مصرف نور محسوب می گردد، لذا بررسی تنوع و همچنین تخمین سطح برگ در اکوتیپ های مختلف نعناع از اهمیت خاصی برخوردار است. از جمله روش های معمول برای تخمین سطح برگ تجزیه و تحلیل رگرسیونی می باشد که سطح برگ به عنوان متغیر مستقل، و طول و عرض برگ به عنوان متغیر وابسته می باشند. در این مطالعه سطح برگ 18 اکوتیپ گیاه دارویی نعناع با مدل های مختلف ANFIS، شبکه عصبی مصنوعی (MLP وRBF)، رگرسیون های خطی و غیرخطی با استفاده از دو ورودی طول و عرض برگ در چهار سطح تنش شوری (شاهد، 5/2، 5 و 5/7 دسی زیمنس بر متر) و در دو مرحله برداشت تخمین زده شد. نتایج نشان داد که همبستگی بالایی بین طول و عرض با سطح برگ وجود دارد، به طوری که همبستگی عرض با سطح برگ بیشتر از طول برگ بود. از بین مدل های رگرسیونی در هر دو برداشت و در تمامی سطوح تنش، مدل NLR به عنوان بهترین و دقیق ترین مدل معرفی شده است. مدل ANFIS در هر دو مرحله برداشت و در تمامی سطوح تنش نسبت به سایر مدل ها از دقت بالاتری برخوردار بود و میزان خطای کمتری را به خود اختصاص داد. همچنین نتایج حاصل از تجزیه کلاستر نشان داد که تنوع مطلوبی بین اکوتیپ ها وجود دارد. علاوه بر این مقایسه میانگین بین گروه های مختلف حاصل از تجزیه کلاستر نشان داد که بیشترین مقدار طول، عرض و سطح برگ در هر دو مرحله برداشت و در تمام سطوح تنش شوری مربوط به اکوتیپ 18 (E18) بوده است.