ارزیابی روش های مطالعه پویایی جمعیت علف های هرز در کشاورزی پایدار
محل انتشار: اولین همایش ملی گیاهان دارویی و کشاورزی پایدار
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 857
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MPSA01_172
تاریخ نمایه سازی: 22 فروردین 1393
چکیده مقاله:
در اکوسیستم های زراعی، جمعیت علف های هرز در بخش های مختلف مزارع و در طول زمان به سرعت در حال تغییر و پویایی می باشد عوامل زنده شامل رقابت با گیاه زراعی و دیگر علف های هرز، حشرات و جانوران و همچنین فاکتورهای غیر زنده نظیر خصوصیات خاک، شرایط اقلیمی و فاکتورهای تاریخچه مزرعه، عملیات زراعی و مدیریتی بر روند پراکنش مکانی گونه ها تاثیرگذار می باشند. روش های مختلفی برای ارزیابی پایش علف های هرز وجود دارد که از جمله آنها می توان به آنالیز توزیع ممکانی با استفاده از تهیه نقشه پراکنش اشاره کرد در این روش از نمونه برداری سیستماتیک استفاده می شود و با استفاده از درون یابی و تخمین نقاط اندازه گیری نشده نقشه توزیع علف های هرز را ترسیم نمود برای اینکار می توان از تخمین گرهای ژئواستاتیستیکی تک متغیره نظیر کریجینگ و تخمین گرهای چند متغیره نظیر کوکریجینگ استفاده نمود. علاوه بر آن سامانه های اطلاعات جغرافیایی (GIS) و سامانه تعیین موقعیت جهانی (GPS) نیز از جمله سیستم هایی هستند که جهت بررسی و پایش ساختار جوامع علف های هرز از آنها کمک گرفت. اما آنچه مسلم است. اغلب محققین علوم علف های هرز که پویایی جمعیت را مورد بررسی قرار می دهند با داده های چند بعدی مواجه می باشند که حاوی تعداد زیادی متغیر هستند روش آنالیز چنین داده هایی از طریق فنون آنالیز چند متغیره است روش های چند متغیره عمدتا به منظور کشف و مدل سازی داده های پایش پوشش گیاهی بکار می روند.
کلیدواژه ها:
نویسندگان
احمد قربانزاده مقدم
دانشجوی کارشناسی ارشد رشته شناسایی و مبارزه با علف های هرز، دانشکده کشاورزی دانشگاه آزاد اسلامی واحد مشمهد
لیلا علیمرادی
استادیار دانشکده کشاورزی دانشگاه آزاد اسلامی واحد مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :