چکیده: به منظور بررسی رابطه بانک بذر خاک با جمعیت علف های هرز در طول فصل رشد در چغندرقند و تعیین مناسب ترین نوع کوادرات (سطح حداقل) جهت مطالعه ی رابطه بانک بذر خاک با تراکم علف های هرز، پژوهشی در سال 1388 در ایستگاه تحقیقاتی مهندس مطهری واقع در کمال شهر کرج انجام گرفت. نمونه برداری از بانک بذر قبل از کاشت چغندرقند و از گیاهچه های علف هرز طی سه مرحله در دوره رشد با دو نوع کوادرات مربع(50در50سانتی متر) و مستطیل(100در 25 سانتی متر) صورت گرفت در هر کوادرات فراوانی بذر علف هرز و تراکم بوته به تفکیک گونه شناسایی و ثبت شد. طبق نتایج به دست آمده، بالاترین تراکم علف های هرز در بانک بذر در مزرعه چغندر قند مربوط به تاج خروس بود، رابطه ی بانک بذر تاج خروس با گیاهچه های سبز شده در دو کوادرات مربع و مستطیل نشان داد که با افزایش تعداد بذر گونه ی تاج خروس در بانک بذر قبل از کاشت چغندرقند، تراکم بوته علف هرز تاج خروس طی دوره رشد چغندرقند به طور معنی داری افزایش یافت. ضریب رگرسیونی بین بانک بذر تاج خروس با تراکم بوته تاج خروس-های سبز شده در طول فصل زراعی در کوادرات های مستطیل و مربع معنی دار و به ترتیب 67?=r2 و52 r2= ? بود. بنابراین جهت مطالعه بانک بذر وتعیین تراکم بوته علف های هرز از روی تراکم بذر در بانک بذر علف های هرزدر گیاهان ردیفی مثل چغندرقند، کوادرات مستطیل نسبت به مربع شکل ارجحیت داشته و قابل توصیه می باشد. به منظور بررسی ساختار مکانی علف های هرز و پویایی لکه ها از تکنیک ژئواستاتیستیک استفاده شد. گونه-های متداول در مزرعه شامل تاج خروس، سلمه تره و علف های هرز باریک برگ بوده است. تجزیه و تحلیل سمی واریوگرام برای گونه های متداول نشان داد که دامنه تاثیر از 24/0 تا 9/141 متر بسته به گونه علف هرز و مرحله نمونه برداری متغیر است . تاج خروس نیز دارای دامن? تأثیر زیاد بویژه در نمونه برداری دوم گیاهچه ها بود که در نقشه ها بصورت لکه های طویل قابل مشاهده بوده است. دامنه سلمه تره در طول فصل رشد نیز از گونه های دیگر کمتر بود که علت آن را می توان به مکانیسم پراکنش بذرهای آن نسبت داد که بذرهای آن بیشتر در پای بوته مادری ریخته می شود. بیشترین اثر قطعه ای به میزان 671/1 و 308/1 به ترتیب مربوط به تاج خروس (در نوبت دوم نمونه برداری از گیاهچه ها) و گونه های باریک برگ (در نوبت اول نمونه برداری از گیاهچه ها) بوده است که در هر دو موجب همبستگی مکانی خیلی ضعیف گردید. همبستگی مکانی قوی برای بذور و گیاهچه های سلمه تره در تمامی مراحل نمونه برداری به ثبت رسیده است درحالیکه برای گونه-های باریک برگ، این همبستگی ضعیف بوده است. نقشه های توزیع مکانی، توزیع لکه ای علف هرز را تأیید کرد. یک لکه علف هرز از یک نقطه پرتراکم تشکیل شده که به تدریج به سمت حاشیه از تراکم آن کاسته می شود. ساختار لکه ها در طی فصل رشد تغییر می کند. نتایج این مطالعه نشان داد که توزیع مکانی سبب بهبود تصمیم گیری های مدیریتی و افزایش درک ما از دینامیک جمعیت علف های هرز خواهد شد.

اولویتهای اصلی در کشاورزی، افزایش میزان عملکرد و کاهش هزینه های تولید است. بکارگیری کشاورزی دقیق و تهیه نقشه عملکرد (پهنه بندی) کمی و کیفی از مهمترین راههای دستیابی به این اهداف میباشد. با توجه به اهداف پژوهش، ابتدا سامانهای ساخته شد که به صورت لحظهای میزان عملکرد وزنی را اندازهگیری میکند. تفاوت این سیستم با سامانه های مشابه این است که کل قطعات از جمله شاسی و بارسنجها، کاملاً در بیرون شاسی بالابر قرار گرفته اند که امکان گیر کردن احتمالی محصول و یا سایر مواد اضافی با اجزای سامانه را به حداقل میرساند. با توجه به ثابت بودن شیب نوار نقاله، در این سامانه از دو حسگر بارسنج در دو طرف نوار نقاله استفاده گردید. برای سنجش سرعت نوار نقاله یک حسگر مغناطیسی در کنار محور محرک نوار نقاله قرار داده شد. همچنین سرعت خطی ماشین برداشت، با نصب یک حسگر مغناطیسی درون رینگ چرخ، اندازهگیری گردید. با توجه به ارتعاشات مکانیکی ماشین برداشت و تاثیر آن بر دادههای وزنی، در ابتدا محدوده بسامدی مربوط به ثبت وزنها با حرکت دادن سه وزنه مختلف بر روی نوار نقاله و تحلیل سیگنالهای برداشت شده بدست آمد. با تعیین محدوده بسامدی دلخواه، دیگر بسامدها که به عنوان نوفه عمل میکردند با بهره گیری از یک فیلتر پایینگذر باترورث و با بسامد قطع 8/0 هرتز حذف شدند. پس از واسنجی تمامی حسگرها و مجموعه دستگاه اندازهگیری در کارگاه، ارزیابی نهایی پایشگر عملکرد در مزرعه انجام شد. با تحلیل نتایج، میانگین و انحراف معیار خطا به ترتیب 48/6 درصد و 52/1 بدست آمد. میزان خطایی که میتواند با واسنجی تصحیح شود، در همه آزمایشها بین محدوده 06/5- تا 90/8- درصد گزارش گردید. این نشانه آن است که سامانه همیشه بیشبرآوردی را در اندازهگیری وزن نشان میدهد. با تغییر جزئی در نوار نقاله یا به صورت نرمافزاری امکان کاهش آن وجود دارد که در این پژوهش به صورت نرم افزاری انجام شد. با استفاده از داده های عملکرد لحظه ای، سرعت نوار نقاله، سرعت ماشین برداشت، موقعیت مکانی و با بهرهگیری از نرمافزارهای labview و arcmap 9.3، نقشه عملکرد کمی محصول تهیه شد. متوسط عملکرد کل مزرعه t/ha 46 تعیین گردید و با توجه به خطای متوسط 48/6 و تصحیح نرم افزاری ، این مقدار t/ha 7/42 گزارش شد که با مقایسه متوسط عملکرد واقعی مزرعه، 2 درصد اختلاف وجود داشت. نقشه عملکرد کمی تغییرات قابل توجهی را در مزرعه نشان داد. با مقایسه نقاط مختلف در این مزرعه اختلاف 8 تن در هکتار نیز مشاهده گردید که نشان میدهد امکان بکارگیری مدیریت موضعی مزرعه برای افزایش یکنواختی تولید وجود دارد. در مرحله نخست بخش دوم پژوهش، با پهنه بندی عملکرد کیفی که به صورت نمونه برداری استاندارد معمول انجام شد، نقشه عملکرد تهیه گردید و نشان داد که عیار قند محصول در نواحی مختلف مزرعه متفاوت میباشد. البته تغییرات نقطه به نقطه عیار کم بوده ولی بین چند ناحیه مشخص، اختلاف قابل توجهی بدست آمد. میزان عیار قند در یک بخش از مزرعه در محدوده 5/10- 7/9 و در وسط مزرعه به میزان 8/14- 13 درصد حاصل شد. در مرحله دوم این بخش، سنجش عیار ریشههای چغندر قند با بکارگیری طیفسنج فروسرخ نزدیک ((nir در محدوده طول موج nm1700-900 مورد بررسی قرار گرفت. این بخش از پژوهش صرفاً برای بررسی پتانسیل طیفسنجی در تهیه نقشه عملکرد کیفی انجام شد. بدین منظور لایه هایی به ضخامت 1 سانتیمتر از قسمت طوقه تهیه و توسط دستگاه اسپکترومتر، طیفسنجی گردید. در این بخش با دو روش مدلسازی خطی حداقل مربعات نسبی ((pls و غیر خطی شبکه عصبی (ann)، مدلسازی پارامترهای کیفی شامل میزان قند (sc) و مواد جامد قابل حل (ssc) انجام شد. نتایج نشان داد که هر دو مدل توانایی تخمین مناسب پارامترهای کیفی را دارند ولی روش غیر خطی شبکه عصبی اندکی بهتر عمل کرد. از میان پیشپردازشهای مطرح در طیفسنجی، روش تصحیح پراکنش افزاینده (msc) بهترین نتایج را در تشخیص مقدار ssc (95/0=r، 7/1=rmsep و 6/2=sdr) و sc (84/0=r، 8/1=rmsep و 5/2=sdr) ارائه داد. با توجه به مقدار sdr، در میان پیشپردازشها به ترتیب اولویت، مشتق دوم (2d)، نرمالسازی برداری (vn)، حذف جابجایی ثابت (coe) و مشتق اول (1d) مناسب پیشپردازش تشخیص داده شدند. در استفاده از مدل غیر خطی شبکه عصبی، ابتدا توسط تکنیک pca مولفههای اصلی استخراج و به عنوان ورودیهای شبکه در نظر گرفته شدند. نتایج نهایی نشان داد که مدل شبکه عصبی در برآورد مقدار ssc (95/0=r، 9/0=rmsep و 11/5=sdr) و sc (85/0=r، 26/1=rmsep و 5/3=sdr) توانایی خوبی نسبت به مدل خطی pls دارد. تشخیص میزان قند موجود در ریشهها به روش طیفسنجی، میتواند جایگزین مناسبی برای روشهای آزمایشگاهی معمول باشد و همچنین امکان بکارگیری آن در صنعت مربوط به تولید قند نیز وجود داد.