خلاصة:
عارضه خشکیدگی خوشه خرما در طی بیش از دو دهه خسارت فراوانی به اقتصاد این مناطق و کشور وارد ساخته، تاکنون تمامی عوامل ایجاد این عارضه شناسائی نشده است هدف اصلی این پژوهش UV ازن (O3) و فراسنج های اقلیمی، بر شدت ایجاد عارضه پژمردگی و خشکیدگی خوشه خرما می باشد، اطلاعات بوسیله مدل شبکه عصبی مصنوعی 1 و مدل رگرسیون درجه سه حاصل از مؤلفه اصلی مورد مطالعه قرار گرفتند. با توجه به میزان ضرایب تعیین دو مدل، مدل رگرسیون شبکه عصبی با ضریب تعیین R2 =0/999 0 و مدل رگرسیون درجه سه حاصل از مؤلفه اصلی با ضریب تعیین 92% =R2 بترتیب بهترین پیش بینی را به ما می دهند. نتایج نشان دادند که عارضه خشکیدگی خوشه خرمای مضافتی با دما، تابش فرابنفش، و ازن رابطه مستقیم و با میزان رطوبت نسبی رابطه معکوسی دارد
ملخص الجهاز:
"با توجه به اینکه متغییرهای مستقل بصورت روزانه و مقدار آنها نسبت به متغییر وابسته (درصد خشکیدگی) که فقط یک عدد در سال میباشد خیلی زیاد بوده، بنابر این برای کاهش دادههای غیر ضروری، از متغییرهای مستقل فقط آمار شش ماهه اول سال که موثر بر میزان پژمردگی و خشکیدگی خوشه خرما میباشد انتخاب گردیده و به کمک نرم افزار SPSS میانگین حسابی، هندسی وهارمونیک آنها محاسبه شده است پیش بینی و آمارسازی میزان تابش فرابنفش و ازن منطقه مورد مطالعه جهت ساختن مدلی مناسب برای پیش بینی میزان تابش تجمعی روزانه اشعه ماوراء بنفش و ازن کلی، ابتدا با استفاده از مقادیر تابش خورشیدی، که شامل کل تابش خورشیدی TSR، باز تابش خورشیدی RSR و تابش پراکنده آسمان DSR، استان اصفهان، مدل پیش بینی برای ایستگاه اصفهان محاسبه نموده و آن را با دادههای اندازه گیری شده، مقدار ازن و اشعه ماوراء بنفش موجود در ایستگاه مذکورکه توسط دستگاه اسپکتر و فتومتر بروئد اندازه گیری شده مقایسه نموده با توجه به بالا بودن ضریب تعیین جهت پیش بینی لازم، از شبکه عصبی مصنوعی از نوع پرسپترون چند لایه ١ با الگوریتم لونبرگ مارکوارت و با استفاده از یک مدل شبکه عصبی سه لایه که شامل یک لایه ١- Multi- Percptron."