A comparison of artificial neural networks and some nonlinear models of leaf area estimation of sugar beet at different nitrogen levels
Yazarlar (3)
Prof. Dr. Sultan KIYMAZ
Kırşehir Ahi Evran Üniversitesi, Türkiye
Kırşehir Ahi Evran Üniversitesi, Türkiye
Isparta Uygulamalı Bilimler Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Uluslararası alan indekslerindeki dergilerde yayınlanan tam makale)
|
||
| Dergi Adı | Türk Tarım ve Doğa Bilimleri Dergisi | ||
| Dergi ISSN | 2148-3647 | ||
| Dergi Tarandığı Indeksler | Ziraat, tarım | ||
| Makale Dili | İngilizce | Basım Tarihi | 07-2018 |
| Cilt / Sayı / Sayfa | 5 / 3 / 303–309 | DOI | – |
| Makale Linki | www | ||
| Özet |
| Yaprak alanı, birçok büyüme, fotosentez, terleme ve enerji dengesini içeren agronomik ve fizyolojik çalışmalarla ilgilidir. Çalışma, tarla koşullarında farklı azot seviyelerindeki şeker pancarının (Beta vulgaris L.) yaprak alanı tahmininin belirlenmesini amaçlamıştır. Çalışma, tesadüf bloklarında bölünmüş parseller deneme deseninde 3 tekerrürlü olarak 2012-2013 yıllarında yürütülmüştür. Ölçümler yaprak boyu, yaprak eni, yaprak sapı uzunluğu ve bitki başına toplam yaprak sayısı gibi yaprak parametrelerinden alınmıştır. Yapay sinir ağları ve Lojistik, Richards ve Gompertz gibi doğrusal olmayan yöntemler yaprak alanı ölçümlerini tahmin etmek için karşılaştırıldı. Sonuç olarak, tüm modeller üçüncü gübreleme düzeyinde en yüksek tanımlama başarısını göstermiştir. İlk üç gübre dozunda yapay sinir ağları (YSA) modelinde diğer modellere göre daha yüksek bir başarı düzeyi gösterilirken, dördüncü gübre dozunda Richards modeli daha başarılı olmuştur. Azot seviyesinin artması ile bitkinin büyümesi hızlanmaktadır. YSA modeli hızlı büyüme tanımlamasında yetersiz kalırken, Richards modeli daha hızlı büyümede daha başarılı olarak tanımlanmıştır. |
| Anahtar Kelimeler |
