پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 127 |
| تعداد شمارهها | 7,238 |
| تعداد مقالات | 77,638 |
| تعداد مشاهده مقاله | 161,190,097 |
| تعداد دریافت فایل اصل مقاله | 120,834,810 |
شناسایی اختلالات تغذیهای زیتون (Olea europaea L.) در سیستمهای فوقمتراکم با استفاده از روشهای آماری چندمتغیره | ||
| تحقیقات آب و خاک ایران | ||
| دوره 57، شماره 5، مرداد 1405، صفحه 1021-1037 اصل مقاله (1.4 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2026.414485.670140 | ||
| نویسندگان | ||
| ماهرخ شریف مند* 1؛ مهدی طاهری2؛ ابراهیم سپهر3 | ||
| 1پژوهشگر پسادکتری گروه علوم خاک، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران | ||
| 2دانشیار بخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، | ||
| 3گروه علوم خاک، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران | ||
| چکیده | ||
| با توجه به ویژگیهای اقلیمی و خاکشناختی منطقه طارم، تولید پایدار زیتون در سیستمهای فوقمتراکم این منطقه، مستلزم مدیریت دقیق عناصر غذایی و شناسایی اختلالات تغذیهای درختان است. استفاده از روشهای آماری چندمتغیره جهت تعیین وضعیت تغذیهای درختان زیتون و شناسایی عوامل اختلال، امکان تحلیل الگوهای تغذیهای، بهینهسازی مصرف کود و ارتقاء پایداری تولید را فراهم میسازد. در این مطالعه، ۵۰ نمونه برگ از باغهای زیتون فوقمتراکم در منطقه طارم استان قزوین، در تیرماه ۱۴۰۴ جمعآوری گردید. غلظت عناصر غذایی (N, P, K, Ca, Mg, Na, Fe, Zn, Mn, Cu, B) اندازهگیری و دادههای حاصل وارد الگوریتمهای آماری شدند. ابتدا از تحلیل مؤلفههای اصلی (PCA) جهت کاهش ابعاد دادهها و شناسایی متغیرهایی که بیشترین سهم را در واریانس کل دارند، استفاده شد. سپس، با استفاده از تحلیل خوشهای عناصر غذایی بر اساس شباهتهای تغذیهای خوشهبندی شدند. نتایج نشان داد که چهار مؤلفه اصلی PCA، ۲۶/۶۶ درصد از کل واریانس دادهها را تبیین کردند و بر اساس تحلیل خوشهای (K-mean)، نمونهها به ۵ خوشه مجزا تقسیم شدند. همپوشانی تحلیل خوشهای با نتایج PCA نشان داد که اختلالات تغذیهای و کاهش عملکرد در منطقه طارم ناشی از کمبود عناصر غذایی از جمله فسفر و عناصر ریزمغذی در اثر شوری، شرایط آهکی، pH قلیایی و ماده آلی پایین خاک است. استفاده از رویکرد ترکیبی، دقت شناسایی اختلالات تغذیهای را در سیستمهای فوقمتراکم به طور چشمگیری افزایش میدهد. شناسایی خوشههای تغذیهای، امکان گذار از مدیریت یکسان به استراتژیهای کوددهی متغیر و بهینه را در سیستمهای فوقمتراکم فراهم میآورد. این استراتژی در منطقه طارم، نهتنها منجر به افزایش عملکرد و پایداری تولید میگردد، بلکه با اصلاح الگوهای مصرف کود، از آسیبهای زیستمحیطی پیشگیری میکند. | ||
| کلیدواژهها | ||
| تحلیل مؤلفههای اصلی؛ تحلیل خوشهای؛ زیتون؛ سیستمهای فوقمتراکم؛ مدیریت تغذیهای | ||
| عنوان مقاله [English] | ||
| Identification of Nutritional Disorders of Olive (Olea europaea L.) in Super High-Density Systems Using Multivariate Statistical Methods | ||
| نویسندگان [English] | ||
| mahrokh sharifmand1؛ Mehdi Their2؛ Ebrahim Sepehr3 | ||
| 1Postdoctoral research Department of Soil Science, Faculty of Agriculture, Urmia University, Urmia, Iran | ||
| 22. Assistant Professor, Research Department, Zanjan Agriculture and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Zanjan, Iran. | ||
| 33. Department of Soil Science, Faculty of Agriculture, Urmia University, Urmia, Iran | ||
| چکیده [English] | ||
| Considering the climatic and soil characteristics of the Tarem region, sustainable olive production in its super-high-density systems requires precise nutrient management and the identification of nutritional disorders in trees. The utilization of multivariate statistical methods to determine the nutritional status of olive trees and identify factors causing disorders enables the analysis of nutritional patterns, optimization of fertilizer use, and enhancement of production sustainability. In this study, 50 leaf samples were collected from super-high-density olive orchards in the Tarem region of Qazvin province in July 2025. The concentrations of nutrients (N, P, K, Ca, Mg, Na, Fe, Zn, Mn, Cu, and B) were measured, and the data were processed using statistical algorithms. Principal Component Analysis (PCA) was first used to reduce data dimensionality and identify variables contributing most to total variance. Subsequently, nutrients were clustered based on nutritional similarities using cluster analysis. The results indicated that four principal components of PCA explained 66.26% of the total data variance, and cluster analysis (K-mean) divided the samples into five distinct clusters. The overlap between cluster analysis and PCA results revealed that nutritional disorders and yield reduction in the Tarem region are primarily caused by deficiencies of nutrients, including phosphorus and micronutrients, resulting from salinity, soil calcareous conditions, alkaline pH, and low organic matter. Employing a combined analytical approach significantly increases the accuracy of identifying nutritional disorders in super-high-density olive systems. Identifying the nutritional clusters enables a transition from uniform management to variable and optimized fertilization strategies in super-high-density systems. This strategy in the Tarem region not only leads to increased yield and production sustainability but also prevents environmental damage by optimizing fertilizer usage patterns. | ||
| کلیدواژهها [English] | ||
| Cluster Analysis, Nutrition Management, Olive, Principal Component Analysis, Super High-Density Systems | ||
| مراجع | ||
|
Aboodeh, H., bakhshandeh, A., Moradi Telavat, M. R., siadat, S. A., Moosavi, S., & amisaeid, K. (2026). Path Analysis of Relationships between Grain Yield and Related Traits in Spring Rapeseed Genotypes. Journal of Agricultural Science and Sustainable Production, 35(4), 195-207. https://doi.org/10.22034/saps.2024.62453.3248 (In Persian). Álvarez-Herrera, J.G., Jaime-Guerrero, M., & Fischer, G. (2025). The effect of boron on fruit quality: a review. Horticulturae 11(8), 992. Barati Zanyani, M., Hossienpur, A. R., Salehi, M, H., & Jafari, A. (2025). Calibration of potassium soil test results in some calcareous soils. Iranian Journal of Soil and Water Research, 56 (7), 1879-1894. https://doi.org/10.22059/ijswr.2025.390607.669884 (In Persian). Ding, W., Zhang, Z., & Li, H. (2017). Application of principal component analysis to soil and plant analysis: a review. Journal of Soil and Sediments, 17(10), 2478-2489. https://doi.org/10.1007/s11368-017-1747-5. Emami, A. (1996). Methods of plant analysis. Soil and Water Research Institute, technical publication No. 982, Tehran, Iran, 128p. (In Persian) Erel, R., Yermiyahu, U., Yasuor, H., Cohen Chamus, D., Schwartz, A., Ben-Gal, A., & Dag, A. (2016). Phosphorous nutritional level, carbohydrate reserves and flower quality in olives. PloS one 11 (12) (e0167591). Facelli, E., Baldi, G., Ferrari, G., & Ruggiero, C. (2010). Cluster analysis for nutrient data interpretation in plant nutrition studies. Communications in Soil Science and Plant Analysis, 41, 191–201. https://doi.org/10.1080/00103620903427688. Galván, A.I., Serradilla, M.J., Córdoba, M.G., & Domínguez, G. (2021). Implementation of super high-density systems and suspended harvesting meshes for dried fig production: Effects on agronomic behaviour and fruit quality. Scientia Horticulturae, 281(6), 109918. https://doi.org/10.1016/j.scienta.2021.109918. Kalcsits, L., Lotze, E., Tagliavini, M., Hannam, K.D., Mimmo, T., Neilsen, D., & Valverdi, N.A. (2020). Recent achievements and new research opportunities for optimizing macronutrient availability, acquisition, and distribution for perennial fruit crops. Agronomy, 10 (11), (1738). Kumar, A., Vairagar, V.G., Garg, C., & Verma, S. (2025). A Review on Advances in High‑Density Planting Systems for Fruit Crops. Journal of Scientific Research and Reports, 31(10), 201-217. https://doi.org/10.9734/jsrr/2025/v31i103563. Marschner, P. (2012). Marschner’s Mineral Nutrition of Higher Plants (3rd ed.). Academic Press. Pardo, G., del Prado, A., Martínez-Mena, M., Bustamante, M. A., Martín, J. A. R., Álvaro-Fuentes, J., & Moral, R. (2017). Orchard and horticulture systems in Spanish Mediterranean coastal areas: Is there a real possibility to contribute to C sequestration? Agriculture, Ecosystems & Environment, 238, 153–167, https://doi.org/10.1016/j.agee.2016.09.034, 2017. Parwaliya, A., Kumar, L., Kumar, M., Chaudhary , V., & Babu Gautam, R. (2025). Solving agricultural challenges through mathematical optimization and simulation. International Journal of Statistics and Applied Mathematics, 10 (6), 214‑219. Proietti, S., Sdringola, P., Desideri, U., Zepparelli, F., Brunori, A., Ilarioni, L., Nasini, L., Regni, L., & Proietti, P. (2014). Carbon footprint of an olive tree grove. Applied Energy, 127, 115–124. https://doi.org/10.1016/j.apenergy.2014.04.019, 2014. Ramezani Etedali, H., & Koohi, S. (2025). Assessing the impact of climate change on heat stress on strategic agricultural products in Qazvin province. Journal of Drought and Climate change Research, https://doi.org/10.22077/jdcr.2025.9739.1157 (In Persian). Sharifmand M., Sepehr E., & Bybordi A. (2020). Evaluation of Nutritional Status of Squash by Deviation from Optimum Percentage (DOP) Method in Khoy Region. Applied Soil Research, 8 (2), 15-21 (In Persian). Taheri M., Vahedi S., & Abasi M. (2020). Comparison of Nutrient Status in Different Olive Varieties with Nutrition Indicators. Pomology Research Scientific Journal, 5(1), 44-59. Magiran.com/p2259235 (In Persian). Thornley, J. H. M., & Johnson, I. R. (1990). Plant and Crop Modelling: A Mathematical Approach to Plant and Crop Physiology. Oxford: Clarendon Press. Taiz, L., Zeiger, E., Møller, I. M., & Murphy, A. (2015). Plant Physiology and Development (6th ed.). Sinauer Associates. Vahedi S., Beshsrat S., Davatgar N., & Taheri M. (2022). Effects of leaf nutrient contents on photosynthetic indices in Olives tree. Iranian Journal of Horticultural Sciences, 53(2), 309-320. https://doi.org/10.22059/ijhs.2020.300543.1787 (In Persian). Vatandas, M., Güner, M., & Türker, U. (2005) Precision farming technologies. TMMOB chamber of agricultural engineers. In: 6th. Technical Congress Proceedings Book, Ankara, pp 347–365. Wood, B., Reilly, C., & Nyczepir, A. (2004). Nickel Deficiency is Occuring in Orchard Trees. HortScience, 39 (4), 858B-858. Xie, K., Cakmak, I., Wang, S., Zhang, F., & Guo, S. (2021). Synergistic and antagonistic interactions between potassium and magnesium in higher plants. The Crop Journal, 9 (2), 249-256. | ||
|
آمار تعداد مشاهده مقاله: 47 تعداد دریافت فایل اصل مقاله: 54 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب