img
A comparison of artificial neural networks and some nonlinear models of leaf area estimation of sugar beet at different nitrogen levels   
Yazarlar
Prof. Dr. Sultan KIYMAZ Prof. Dr. Sultan KIYMAZ
Kırşehir Ahi Evran Üniversitesi, Türkiye
Ufuk Karadavut
Kırşehir Ahi Evran Üniversitesi, Türkiye
Ahmet Ertek
Isparta Uygulamalı Bilimler Üniversitesi, Türkiye
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
Makale Türü Özgün Makale
Makale Alt Türü Uluslararası alan indekslerindeki dergilerde yayımlanan 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 No 5
Sayı 3
Sayfalar 303 / 309
BM Sürdürülebilir Kalkınma Amaçları
Atıf Sayıları

Paylaş