预测生物肥料注射的胡的生长参数,使用两个土壤中的根容量评估和人工神经网络

科学领域:

• 植物生理学 植物生理学
• 农业科学 农业科学
• 生物物理学的生物物理.

背景情况:

• 对植物根系的非破坏性监测对于了解植物生理学至关重要,但仍然具有挑战性.
• 根电容 (CR) 被探索为潜在的根功能的非破坏性指标.
• Capsicum annuum L. (胡) 被用作模型植物物种.

研究的目的:

• 评估根电容 (CR) 作为根功能的实际指标及其与植物生长参数的关系的实用性.
• 为了比较人工神经网络 (ANN) 与多重线性回归 (MLR) 的预测性能,以评估根函数.
• 为了确定CR是否可以在各种土壤修改处理下检测根活动和生物质生产的差异.

主要方法:

• 根电容 (CR) 测量了在沙和沙土壤中种植的Capsicum annuum L.
• 应用了各种土壤修改剂 (微生物注射剂,羊毛颗粒,无机).
• 根干生物质,树干生物质和叶子N含量被测量并用作预测指标.
• 人工神经网络 (ANN) 和多重线性回归 (MLR) 用于数据分析和预测建模.

主要成果:

• 多重线性回归 (MLR) 在不同类型的土壤中显示了CR和生物质/N含量之间的初始相关性.
• 人工神经网络 (ANN) 持续优于MLR,在预测CR时显示较低的平均绝对误差 (MAE).
• 根电容 (CR) 与植物生长参数 (根生物质,芽生物质,叶子N含量) 有着强烈的相关性.
• CR有效地区分了不同土壤修改对根源活动和生物质生产的影响.

结论:

• 根容量 (CR) 是根功能的可靠指标,与植物生长参数有很强的相关性.
• 人工神经网络 (ANN) 与MLR相比,提供了一种优越的方法,可以从生理参数预测根功能.
• 植根控制可以有效地评估各种土壤修改对植物根活动和整体生长的影响.