پیش بینی عملکرد گندم با استفاده از ویژگی های خاک به کمک تجزیه به مؤلفه های اصلی

نویسندگان

چکیده

بررسی رابطه بین عملکرد محصول و خصوصیات خاک برای شناسایی و تشخیص علل اساسی تغییرپذیری عملکرد و اجرای مدیریت صحیح مزارع مفید می باشد. این تحقیق، در یک مزرعه گندم تحت مدیریت زارع در شهر سرخنکلاته واقع در 25 کیلومتری شهرستان گرگان، در شمال شرقی ایران انجام شد. نمونه برداری خاک از روی یک شبکه سیستماتیک- آشیانه ای در پلاتی به ابعاد 100 در 180 متر و از عمق 30-0 سانتیمتری خاک (جمعا? 101 نقطه) اندکی پس از کاشت گندم در اواخر پاییز انجام گرفت. نمونه برداری از گندم نیز در پلات یک متر مربع با مرکزیت 101 نقطه نمونه برداری در اواخر خرداد ماه صورت پذیرفت. نتایج آماری نشان داد تمامی متغیرها از توزیع نرمال برخوردار بودند. pH کمترین ضریب تغییرات و عملکرد دانه بیشترین ضریب تغییرات را دارا هستند. برای تجزیه مؤلفه های اصلی هفت مؤلفه در این مطالعه مورد استفاده قرار گرفت. همچنین جهت تفسیر خصوصیات مؤثر بر یک مؤلفه از شاخص معیار انتخاب یا SC استفاده شد. بدین ترتیب بردار ویژه برای هر مؤلفه اصلی بر اساس مقادیر بیشتر از مقدار معیار انتخاب در نظر گرفته شد. نتایج نشان داد متغیرهای حاصلخیزی خاک نظیر فسفر قابل استفاده (847/0)، مواد آلی (810/0)، نیتروژن کل(742/0)، پتاسیم قابل استفاده (727/0) و CEC(725/0) دارای وزنهای بالاتری نسبت به متغیرهای دیگر بوده و بنابراین سهم بیشتری در تغییرپذیری خاک داشته اند. بر این اساس می‌توان گفت تغییرپذیری ناشی از مدیریت عامل مهم تغییرپذیری خصوصیات خاک و عملکرد در مزرعه مورد مطالعه بشمار می رود. نتایج تجزیه به مؤلفه های اصلی بیانگر آن بود که قسمت عمده تغییرپذیری در مزرعه بوسیله فاکتورهای حاصلخیزی ایجاد شده و در مجموع مدلهای رگرسیونی حاصله 57% تغییرپذیری عملکرد کل را توجیه نمودند.

کلیدواژه‌ها


عنوان مقاله [English]

Wheat Yield Prediction through Soil Properties Using Principle Component Analysis

نویسندگان [English]

  • Shamsollah Ayoubi
  • Sara Mohammad zamani
  • Farhad Khormali
چکیده [English]

An evaluation of the relationship between crop yield and soil properties would be useful in estimating the fluctuations in yield, and in an implementation of correct field management. The study was conducted in farmer operated wheat fields in Sorkhankalateh district, 25 km northeast of Gorgan, Golestan province, Iran. Soil samples (0-30 cm depth) were collected just after crop planting at the end of autumn 2004 from a 100 × 180m plot as a nested grid (n=101). A 1 m2 plot of wheat was harvested at each 101 previously sampled sites at the end of spring. Statistical results showed that frequency distribution of the data was normal. ESP had the variability of CV=12.36% while pH was of the lowest variability (CV=0.59%). For principal component analysis, 7 principal components were used in the study. Selection criterion then was employed for explaining the effective parameters in each component. The eigenvector for each PC, therefore was selected on the basis of having a value larger than the SC value. The results showed that such soil fertility parameters as available P (0.847), OM% (0.810), total N (0.742), available K (0.727) and CEC (0.725) bore larger loadings and therefore had the major role in soil variability. The results suggest that soil and crop yield variability were affected by management. The results of principle component analysis indicated that variability within the field was mostly derived from fertility parameters with multi-regression models explaining 57% of total variability of the yield in wheat.

کلیدواژه‌ها [English]

  • Analysis
  • prediction
  • Principal component
  • Sorkhankalateh
  • Wheat Yield